2025年大学认知科学与技术专业题库- 认知工程学与技术创新

2025年大学认知科学与技术专业题库——认知工程学与技术创新考试时间：______分钟总分：______分姓名：______一、简述认知负荷理论的基本概念及其在界面设计中的应用原则。二、心智模型在人机交互中扮演着重要角色。请解释心智模型的概念，并说明用户构建不准确心智模型可能导致的后果。三、任务分析是认知工程学的核心方法之一。比较认知任务分析（CTA）和操作任务分析（OMTA）的主要区别、适用场景以及它们在系统设计中的作用。四、情境因素对人的认知行为有显著影响。请阐述情境分析的必要性，并列举至少三种在工作场所情境分析中需要考虑的关键因素及其分析方法。五、设计思维是一种以人为本的创新方法。结合认知科学原理，分析设计思维的主要阶段（如共情、定义、构思、原型、测试）中涉及的用户中心认知过程。六、认知增强技术旨在提升人类认知能力。请举例说明一种具体的认知增强技术（如AI助手、VR培训系统等），分析其如何工作，以及它可能带来的伦理或社会问题。七、人机协同是未来技术发展的重要方向。请探讨在智能人机协同系统中，如何利用认知工程学原理确保系统对用户的透明性、可控性和适应性，以实现高效协作。八、请结合一个你熟悉的实际产品或服务（如智能手机应用、某类软件、工作流程等），分析其中存在的至少两个认知工程学相关的问题，并提出具体的改进建议，说明你的改进方案是如何基于认知科学原理的。九、技术创新活动往往伴随着新的认知挑战。请论述在开发新兴技术（如人工智能、脑机接口等）时，系统性地考虑人因/认知工程学因素的重要性，并举例说明。试卷答案一、认知负荷理论认为，人的工作记忆容量有限，执行认知任务时会产生心理负荷。认知负荷分为内在负荷（任务固有的复杂性）、外在负荷（由环境或设计不合理引起）和相关负荷（动机等）。应用原则包括：减少外在负荷（如简化界面、提供清晰反馈）；管理内在负荷（如分解复杂任务、使用自动化）；通过相关负荷提升动机（如提供挑战性任务、给予及时奖励），以降低总负荷，提高学习和绩效效率。二、心智模型是用户对系统如何工作或任务如何完成的内部表征。用户根据观察到的线索、经验和直觉构建心智模型。不准确的心智模型可能导致用户操作错误、任务效率低下、学习困难，甚至在使用复杂或关键系统时引发严重事故。例如，用户可能误认为某个按钮具有特定功能，从而执行不当操作。三、CTA侧重于分析任务本身的要求，即用户为了完成目标需要执行哪些认知操作（如感知、记忆、判断、决策等），关注任务的认知复杂性。OMTA不仅包含CTA的内容，还关注操作层面的动作、时间、工具使用等。CTA适用于理解任务认知需求、设计用户手册或培训。OMTA适用于分析完整的工作流程、设计物理操作界面或优化现有流程。它们都为系统设计提供依据，确保任务要求与用户认知能力相匹配。四、情境分析必要性强，因为人的认知和行为总是在特定的情境中发生，情境因素（物理环境、社会文化、工具可用性、任务压力等）显著影响用户如何理解任务、构建心智模型以及与系统交互。关键因素包括：物理环境（光照、噪音、空间布局）；社会文化因素（团队协作方式、组织文化）；工具与技术（可用性、自动化程度）；任务特性（明确性、复杂度）。分析方法可包括观察法、访谈法、问卷调查、日志分析等。五、设计思维以人为本，核心是理解用户需求。各阶段涉及认知过程：共情阶段通过观察、访谈理解用户需求、感受和痛点，涉及共情、观察力；定义阶段将用户需求转化为明确的设计问题或目标，涉及抽象思维、问题重构能力；构思阶段产生多样化解决方案，依赖发散思维、想象力；原型阶段将想法转化为可测试形态，涉及视觉化、动手能力；测试阶段收集用户对原型的反馈，涉及批判性思维、迭代学习能力。整个过程强调用户中心认知。六、例如，智能个人助理（如Siri、Cortana）。它通过自然语言处理理解用户指令（感知、理解语言），利用知识库和信息检索技术提供信息或执行任务（记忆、搜索、推理），并通过语音合成反馈结果（输出）。伦理问题可能包括隐私泄露（需处理大量个人数据）、算法偏见（可能提供不准确或有偏见的信息）、过度依赖（可能削弱用户自身能力）等。七、为确保智能人机协同系统的透明性，应让用户了解系统的工作方式和决策依据（如提供解释性反馈）；为用户可控性，应允许用户调整系统参数、干预或撤销系统决策，并提供清晰的操作界面；为系统适应性，应使系统能够学习用户偏好、适应环境变化和任务需求，同时允许用户反馈以帮助系统改进。目标是建立信任，实现灵活、高效、可靠的协作。八、以智能手机的导航应用为例：问题1，界面信息过载，尤其在复杂路口，同时显示文字、箭头、实时路况等多种信息，导致用户认知负荷过高，难以快速做出决策。改进建议：采用分层信息展示，优先突出关键导航指令，利用动画平滑过渡，允许用户自定义信息显示层级，基于认知负荷理论减少外在负荷。问题2，缺乏情境感知，如未考虑红绿灯等待时间、前方拥堵程度等因素调整预计到达时间，导致用户对行程时间预期不准确，产生焦虑。改进建议：利用传感器数据（GPS、加速度计）和AI算法，结合实时交通信息，更精准地预测行程时间，提供更可靠的预期，基于认知工程学提升用户信任感和体验。九、在开发人工智能医疗诊断系统时，系统性地考虑人因/认知工程学至关重要。重要性在于：AI算法的决策过程对医生和患者都至关重要，需要确保其可靠性、可解释性和安全性。若不考虑人因，可能导致医生过度依赖AI而忽略自身经验（信任过度），或因无法理解AI决策而对其产生不信任（透明度不足），也可能因系统错误或偏见