Dynamické rozhodování - Dynamic decision-making

Dynamické rozhodování (DDM) je vzájemně závislý rozhodování která se odehrává v prostředí, které se časem mění buď v důsledku předchozích akcí osoby s rozhodovací pravomocí, nebo v důsledku událostí, které jsou mimo kontrolu osoby s rozhodovací pravomocí.[1][2] V tomto smyslu jsou dynamická rozhodnutí, na rozdíl od jednoduchých a konvenčních jednorázových rozhodnutí, obvykle složitější a probíhají v reálném čase a zahrnují sledování rozsahu, v jakém jsou lidé schopni využít své zkušenosti k ovládání konkrétního složitý systém, včetně typů zkušeností, které vedou v průběhu času k lepším rozhodnutím.[3]

Přehled

Použití výzkumu dynamického rozhodování počítačové simulace což jsou laboratorní analogy pro situace v reálném životě. Tyto počítačové simulace se také nazývají „mikrosvěty“[4] a používají se ke zkoumání chování lidí v simulovaných podmínkách reálného světa, kde se lidé obvykle snaží ovládat složitý systém, kde jsou pozdější rozhodnutí ovlivněna dřívějšími rozhodnutími.[5] Následující odlišují výzkum DDM od klasičtějších forem výzkumu rozhodování minulosti:

  • Použití a série rozhodnutí o dosažení cíle v DDM na rozdíl od jediného rozhodnutí
  • The pohřbítzávislost rozhodnutí na předchozích rozhodnutích v DDM na rozdíl od jejich nezávislosti na předchozích rozhodnutích
  • Dynamická povaha měnícího se prostředí v DDM na rozdíl od statického fixního prostředí, které se nemění
  • Skutečnost, že rozhodnutí se dělají v reálném čase v úlohách DDM, na rozdíl od situací bez časového tlaku

Také použití mikrosvětů jako nástroje pro vyšetřování DDM nejen poskytuje experimentální řízení výzkumníkům DDM, ale také dělá obor DDM současným na rozdíl od klasického rozhodovacího výzkumu, který je velmi starý.

Mezi příklady dynamických rozhodovacích situací patří řízení změny klimatu, tovární výroba a inventář, řízení letového provozu, hašení požárů a řízení automobilu, vojenské velení a řízení na bitevním poli. Výzkum v DDM se zaměřil na zkoumání rozsahu, v jakém rozhodovací orgány využívají své zkušenosti k ovládání konkrétního systému; faktory, které jsou základem získávání a využívání zkušeností při rozhodování; a typ zkušeností, které vedou k lepším rozhodnutím v dynamických úkolech.

Charakteristika prostředí dynamického rozhodování

Primárními charakteristikami prostředí dynamického rozhodování jsou dynamika, složitost, neprůhlednost a dynamická složitost. Dynamika prostředí odkazuje na závislost stavu systému na jeho stavu v dřívější době. Dynamika v systému by mohla být poháněna Pozitivní zpětná vazba (samo-zesilovací smyčky) nebo negativní zpětná vazba (samoopravné smyčky), jejichž příklady mohou být narůstající úroky ze spořicího bankovního účtu nebo zmírnění hladu v důsledku konzumace jídla.

Složitost se do značné míry týká počtu interagujících nebo vzájemně propojených prvků v systému, což může ztěžovat předvídání chování systému. Definice složitosti však může mít stále problémy, protože komponenty systému se mohou lišit, pokud jde o počet komponent v systému, počet vztahů mezi nimi a povahu těchto vztahů. Složitost může být také funkcí schopností rozhodovacího orgánu.

Neprůhlednost odkazuje na fyzickou neviditelnost některých aspektů dynamického systému a může také záviset na schopnosti rozhodovacího orgánu získat znalosti o součástech systému.

Dynamická složitost odkazuje na schopnost rozhodovacího orgánu ovládat systém pomocí zpětné vazby, kterou rozhodovací proces od systému dostává. Diehl a Sterman[6] dále rozložily dynamickou složitost na tři komponenty. Neprůhlednost přítomná v systému může způsobit nežádoucí nežádoucí účinky. Mohly by existovat nelineární vztahy mezi komponentami systému a zpoždění zpětné vazby mezi přijatými akcemi a jejich výsledky. Dynamická složitost systému by nakonec mohla činitelům v rozhodování ztížit pochopení a ovládání systému.

Mikrosvěty ve výzkumu DDM

Mikrosvět je komplexní simulace používaná v kontrolovaných experimentech určených ke studiu dynamického rozhodování. Výzkum v oblasti dynamického rozhodování je většinou laboratorní a využívá počítačové simulační nástroje mikrosvěta (tj. Rozhodovací hry, DMGames). Mikrosvěty jsou také známy pod jinými jmény, včetně syntetická prostředí úkolů, vysoce věrné simulace, interaktivní výukové prostředí, virtuální prostředí, a zmenšené světy. Mikrosvěty se stávají laboratorními analogy pro situace v reálném životě a pomáhají vyšetřovatelům DDM studovat rozhodování komprimováním času a prostoru při zachování experimentální kontroly.

Hry DMGames komprimují nejdůležitější prvky problémů z reálného světa, které představují, a jsou důležitými nástroji pro shromažďování lidských akcí. Hry DMGames pomohly vyšetřovat celou řadu faktorů, například kognitivní schopnosti, Typ zpětná vazba, načasování zpětné vazby, strategie použité při rozhodování a získávání znalostí při plnění úkolů DDM. Přestože cílem DMGames je představovat základní prvky systémů v reálném světě, liší se od úkolu v reálném světě v různých ohledech. Sázky mohou být vyšší v reálných úkolech a odborné znalosti osob s rozhodovací pravomocí byly často získávány po mnoho let, spíše než minuty, hodiny nebo dny jako v DDM úkolech. DDM se tedy v mnoha ohledech liší od naturalistické rozhodování (NDM).

U úkolů DDM bylo prokázáno, že lidé pracují pod optimálními úrovněmi výkonu, pokud lze určit nebo znát optimální. Například v simulační hře lesních hasičů účastníci často nechali vypálit své sídlo.[7] V podobných studiích DDM účastníci působící jako lékaři na pohotovosti nechali své pacienty zemřít, zatímco čekali na výsledky testu, které ve skutečnosti nebyly diagnostické.[8][9] Zajímavý pohled na rozhodnutí ze zkušeností v DDM je ten, že většinou učení je implicitní A navzdory zlepšování výkonnosti lidí opakovanými zkouškami nejsou schopni verbalizovat strategii, kterou k tomu použili.[10]

Teorie učení v dynamických rozhodovacích úlohách

Učení se tvoří nedílnou součást výzkumu DDM. Jednou z hlavních výzkumných aktivit v DDM bylo zkoumání pomocí simulačních nástrojů mikrosvěta, do jaké míry jsou lidé schopni naučit se ovládat konkrétní simulovaný systém a zkoumat faktory, které by mohly vysvětlit učení v úlohách DDM.

Teorie učení založená na strategii

Jedna teorie učení se opírá o použití strategií nebo pravidel jednání, které se vztahují ke konkrétnímu úkolu. Tato pravidla určují podmínky, za kterých se určité pravidlo nebo strategie uplatní. Tato pravidla mají formu, pokud poznáte situaci S, pak provedete akci / strategii A. Například Anzai[11] implementoval sadu výrobní pravidla nebo strategie, které prováděly úkol DDM řídit loď určitou sadou bran. Strategie Anzai vedly rozumně dobře, aby napodobovaly plnění úkolu lidskými účastníky. Podobně Lovett a Anderson[12] ukázaly, jak lidé používají pravidla produkce nebo strategie if - then, zadejte úkol stavebnice, což je izomorf Lurchinsova problému s vodním džbánem.[13][14] Cílem v úkolu stavění tyčí je postavit hůl konkrétní požadované délky dané třemi délkami tyčí, ze kterých je možné stavět (existuje neomezený přísun tyčinek každé délky). Při řešení tohoto problému lze v zásadě použít dvě strategie. Strategií předstřelu je brát menší hokejky a stavět se na cílovou hokejku. Strategie přestřelení je vzít hůl déle, než je cíl, a odřezávat kusy stejné délky s menší hůlkou, dokud jeden nedosáhne cílové délky. Lovett a Anderson to zařídili tak, aby pro konkrétní problém fungovala pouze jedna strategie, a subjektům dala problémy, kde jedna ze dvou strategií fungovala na většině problémů (a vyvažovala subjekty, které byly úspěšnější strategií).

Teorie učení konekcionismu

Někteří další vědci navrhli, že učení v DDM úkolech lze vysvětlit spojovací teorií nebo konekcionismus. Spojení mezi jednotkami, jejichž síla nebo vážení závisí na předchozích zkušenostech. Výstup dané jednotky tedy závisí na výstupu předchozí jednotky vážené silou spojení. Například Gibson a kol.[15] ukázal, že model strojového učení neuronové sítě s konekcionalitami odvádí dobrou práci při vysvětlování lidského chování v úkolu Berry and Broadbent's Sugar Production Factory[je zapotřebí objasnění ].

Teorie učení založená na instancích

The Teorie učení založená na instancích (IBLT) je teorie o tom, jak se lidé rozhodují v dynamických úkolech vyvinutých Cleotilde Gonzalez, Christianem Lebiere a Javierem Lerchem.[3] Tuto teorii rozšířili Cleotilde Gonzalez a Varun Dutt na dvě různá paradigmata dynamických úkolů, tzv. Vzorkování a opakovaný výběr.[16] Gonzalez a Dutt [16] prokázali, že v těchto dynamických úkolech poskytuje IBLT nejlepší vysvětlení lidského chování a funguje lépe než mnoho jiných konkurenčních modelů a přístupů. Podle IBLT se jednotlivci při rozhodování spoléhají na své nahromaděné zkušenosti získáním minulých řešení podobných situací uložených v paměti. Přesnost rozhodování se tedy může zlepšovat pouze postupně a prostřednictvím interakce s podobnými situacemi.

IBLT předpokládá, že konkrétní instance nebo zkušenosti nebo příklady jsou uloženy v paměti.[17] Tyto instance mají velmi konkrétní strukturu definovanou třemi odlišnými částmi, které zahrnují situaci, rozhodnutí a užitečnost (nebo SDU):

  • Situace odkazuje na podněty prostředí
  • Rozhodnutí se vztahuje k činitelům s rozhodovací pravomocí použitelných v konkrétní situaci
  • Nástroj označuje správnost konkrétního rozhodnutí v dané situaci, a to buď očekávaný nástroj (před přijetím rozhodnutí), nebo zkušený nástroj (po obdržení zpětné vazby o výsledku rozhodnutí)

Kromě předdefinované struktury instance se IBLT spoléhá na globální rozhodovací proces na vysoké úrovni, který se skládá z pěti fází: uznání, úsudek, výběr, provedení a zpětná vazba.[16] Když se lidé potýkají se situací konkrétního prostředí, je pravděpodobné, že načtou podobné instance z paměti, aby se mohli rozhodnout. V atypických situacích (ty, které se nepodobají ničemu, s čím jste se setkali v minulosti), načítání z paměti není možné a lidé by k rozhodnutí museli použít heuristiku (která se nespoléhá na paměť). V situacích, které jsou typické a kde lze inss načíst, probíhá hodnocení užitečnosti podobných instancí, dokud není překročena úroveň nezbytnosti.[16]

Nutnost je obvykle určena „úrovní aspirace“ rozhodovacího orgánu, podobně jako u Simona a Marche uspokojivý strategie. Úroveň nezbytnosti však může být určena také vnějšími faktory prostředí, jako je časové omezení (jako v lékařské oblasti, kdy lékaři na pohotovosti ošetřují pacienty v časově kritické situaci). Jakmile je tato úroveň nezbytnosti překročena, je učiněno rozhodnutí zahrnující instanci s nejvyšší užitností. Výsledek rozhodnutí, když je přijat, se poté použije k aktualizaci užitečnosti instance, která byla použita k prvnímu rozhodnutí (od očekávaného po zkušeného). Předpokládá se, že tento obecný rozhodovací proces platí pro jakoukoli dynamickou rozhodovací situaci, kdy se rozhoduje ze zkušenosti.

Výpočetní reprezentace IBLT se opírá o několik mechanismů učení navržených obecnou teorií poznání, ACT-R. V současné době existuje v IBLT mnoho rozhodovacích úkolů, které přesně reprodukují a vysvětlují lidské chování.[18][19]

Výzkumná témata v dynamickém rozhodování

Zpětná vazba v dynamických rozhodovacích úkolech

Ačkoli zpětná vazba Bylo zjištěno, že intervence prospívají výkonu úkolů DDM, ukázalo se, že zpětná vazba výsledků funguje u úkolů, které jsou jednoduché, vyžadují nižší kognitivní schopnosti a které se opakovaně procvičují.[20] Například IBLT naznačuje, že v situacích DDM je učení pouze z výsledkové zpětné vazby pomalé a obecně neúčinné.[21]

Účinky zpoždění zpětné vazby u úkolů DDM

Přítomnost zpoždění zpětné vazby v úkolech DDM a jeho nesprávné vnímání účastníky přispívá k méně než optimálnímu výkonu úkolů DDM.[22] Taková zpoždění zpětné vazby ztěžují lidem pochopení vztahů, které řídí dynamiku systému úkolu kvůli zpoždění mezi akcemi činitelů s rozhodovací pravomocí a výsledkem dynamického systému.

Známým příkladem účinku zpoždění zpětné vazby je Hra o distribuci piva (nebo pivní hra). Mezi zadáním objednávky rolí a přijetím objednaných případů piva je do hry zabudováno časové zpoždění. Pokud roli dojde pivo (tj. Nedokáže uspokojit aktuální poptávku zákazníka po případech piva), je pokuta 1 $ za případ. To by mohlo vést lidi k tomu, aby přeplnili pivo, aby uspokojili jakékoli budoucí neočekávané požadavky. Výsledky, na rozdíl od ekonomické teorie, která předpovídá dlouhodobě stabilní rovnováhu, ukazují, že lidé objednávají příliš mnoho. Stává se to proto, že časové zpoždění mezi zadáním objednávky a přijetím inventáře nutí lidi myslet si, že inventář dochází, jakmile přicházejí nové objednávky, takže reagují a zadávají větší objednávky. Jakmile vytvoří inventář a zrealizují příchozí objednávky, drasticky snižují budoucí objednávky, což vede v pivním průmyslu k oscilačním vzorům nadměrné a nedostatečné objednávky, tj. Nákladných cyklů rozmachu a krachu.

Podobné příklady účinků zpoždění zpětné vazby byly v minulosti hlášeny u hasičů v hasičské hře s názvem NEWFIRE, kde účastníci kvůli složitosti úkolu a zpoždění zpětné vazby mezi akcemi hasičů a výsledky vedli účastníky k tomu, aby často umožnili spálit jejich velitelství .

Účinky proporcionálního myšlení v úkolech DDM

Rostoucí důkazy v DDM naznačují, že dospělí sdílejí silný problém v porozumění některým základním stavebním kamenům jednoduchých dynamických systémů, včetně zásoby, přítoky a odtoky. Mnoho dospělých prokázalo neschopnost interpretovat základní princip dynamiky: zásoba (nebo akumulace) stoupá (nebo klesá), když přítok přesahuje (nebo je menší než) odtok. Ukázalo se, že tento problém, nazývaný selhání Stock-Flow (SF Failure), je trvalý i při jednoduchých úkolech s dobře motivovanými účastníky, ve známých kontextech a zjednodušených informačních zobrazeních. Víra, že se akcie chová jako toky, je běžná, ale nesprávná heuristika (pojmenovaná „korelační heuristika“), kterou lidé často používají při posuzování nelineárních systémů.[23] Použití korelační heuristiky nebo proporcionální uvažování je rozšířen napříč různými doménami a bylo zjištěno, že je velkým problémem jak u školních dětí, tak u vzdělaných dospělých (Cronin et al. 2009; Larrick & Soll, 2008; De Bock 2002; Greer, 1993; Van Dooren et al., 2005; Van Dooren a kol., 2006; Verschaffel a kol., 1994).

Individuální rozdíly v DDM

Individuální plnění úkolů DDM je doprovázeno obrovskou variabilitou, která může být výsledkem různého množství dovedností a kognitivních schopností jednotlivců, kteří s úkoly DDM interagují. Ačkoli individuální rozdíly existují a často se zobrazují na úkolech DDM, proběhla debata o tom, zda tyto rozdíly vznikají v důsledku rozdílů v kognitivních schopnostech. Některé studie nenalezly důkazy o souvislostech mezi kognitivními schopnostmi měřenými testy inteligence a výkonem úkolů DDM. Ale pozdější studie tvrdí, že tento nedostatek je způsoben absencí spolehlivých měřítek výkonu u úkolů DDM.[24][25]

Další studie naznačují vztah mezi pracovní zátěží a kognitivními schopnostmi.[26] Bylo zjištěno, že účastníci s nízkou schopností jsou obecně lepší než účastníci s vysokou schopností. Za náročných podmínek pracovního vytížení účastníci s nízkou schopností nevykazují zlepšení výkonu ani při tréninku, ani při testovacích zkouškách. Důkazy ukazují, že účastníci s nízkou schopností používat více heuristika zvláště když úkol vyžaduje rychlejší zkoušky nebo časový tlak a to se děje jak během tréninkových, tak testovacích podmínek.[27]

DDM v reálném světě

V souvislosti s DDM využívajícím nástroje laboratorního mikrosvěta k vyšetřování rozhodování se také v poslední době ve výzkumu DDM kladl důraz na rozhodování v reálném světě. To nezlevňuje výzkum v laboratoři, ale odhaluje širokou koncepci výzkumu, který je základem DDM. V rámci DDM se lidé v reálném světě více zajímají o procesy, jako je stanovování cílů, plánování, procesy vnímání a pozornosti, předpovídání, procesy porozumění a mnoho dalších, včetně péče o zpětnou vazbu. Studium těchto procesů přibližuje výzkum DDM povědomí o situaci a odbornost.

Například ve výzkumu DDM bylo prokázáno, že motoristé, kteří mají více než 10 let zkušeností nebo odborných znalostí (z hlediska let zkušeností s řízením), reagují na rizika rychleji než řidiči s méně než třemi lety zkušeností.[28] Vzhledem k jejich větším zkušenostem mají tito motoristé tendenci provádět efektivnější a efektivnější hledání náznaků nebezpečí než jejich méně zkušení protějšky.[29] Způsob, jak takové chování vysvětlit, je založen na předpokladu, že povědomí o situaci v úkolech DDM činí určité chování pro lidi s odbornými znalostmi automatické. V tomto ohledu může být hledání narážky v prostředí, které by mohlo vést k rizikům pro zkušené motoristy, automatickým procesem, zatímco nedostatek povědomí o situaci mezi začínajícími motoristy by je mohl vést k vědomému neautomatickému úsilí najít takové narážky, které by je vedly k staňte se náchylnějšími k nebezpečím tím, že si je vůbec nevšimnete. Toto chování bylo dokumentováno také pro piloty a velitele čety.[30] Úvahy začínajících a zkušených velitelů čety v bitevním simulátoru virtuální reality ukázaly, že více zkušeností bylo spojeno s vyššími percepčními schopnostmi a vyššími schopnostmi porozumění. Díky zkušenostem s různými úkoly DDM je tedy subjekt s rozhodovací pravomocí více situačně vědom s vyššími úrovněmi vnímání a porozumění.

Viz také

Související pole

Reference

  1. ^ Brehmer, B. (1992). Dynamické rozhodování: Lidská kontrola složitých systémů. Acta Psychologica, 81(3), 211–241.
  2. ^ Edwards, W. (1962). Dynamická teorie rozhodování a pravděpodobnostní zpracování informací. Lidské faktory, 4, 59–73.
  3. ^ A b Gonzalez, C., Lerch, J.F., a Lebiere, C. (2003). Instanční učení v dynamickém rozhodování. Kognitivní věda, 27(4), 591–635.
  4. ^ Turkle, S. (1984). Druhé já: Počítače a lidský duch. Londýn: Granada.
  5. ^ Gonzalez, C., Vanyukov, P., & Martin, M. K. (2005). Využití mikrosvětů ke studiu dynamického rozhodování. Počítače v lidském chování, 21(2), 273–286.
  6. ^ Diehl, E. a Sterman, J. D. (1995). Účinky složitosti zpětné vazby na dynamické rozhodování. Procesy organizačního chování a rozhodování člověka, 62(2), 198–215.
  7. ^ Brehmer, B., & Allard, R. (1991). Dynamické rozhodování v reálném čase: Účinky složitosti úkolu a zpoždění zpětné vazby. In J. Rasmussen, B. Brehmer & J. Leplat (Eds.), Distribuované rozhodování: Kognitivní modely pro spolupráci. Chichester: Wiley.
  8. ^ Gonzalez, C., a Vrbin, C. (2007). Dynamická simulace lékařské diagnózy: Učení v lékařském rozhodovacím a učebním prostředí MEDIC. V A. Holzinger (ed.), Použitelnost a HCI pro medicínu a zdravotnictví: Třetí sympozium pracovní skupiny interakce člověka s počítačem a inženýrství použitelnosti Rakouské počítačové společnosti, USAB 2007 (Sv. 4799, s. 289–302). Německo: Springer.
  9. ^ Kleinmuntz, D., a Thomas, J. (1987). Hodnota akce a závěru v dynamickém rozhodování. Procesy organizačního chování a rozhodování člověka, 62, 63–69.
  10. ^ Berry, B. C., a Broadbent, D. E. (1984). O vztahu mezi výkonem úkolu a souvisejícími ověřitelnými znalostmi. Quarterly Journal of Experimental Psychology, 36A, 209–231.
  11. ^ Anzai, Y. (1984). Kognitivní řízení systémů řízených událostmi v reálném čase. Kognitivní věda, 8, 221–254.
  12. ^ Lovett, M. C. a Anderson, J. R. (1996). Historie úspěchu a aktuální kontext při řešení problémů: Kombinované vlivy na výběr operátora. Kognitivní psychologie, 31, 168–217.
  13. ^ Lurchins, A. S. (1942). Mechanizace při řešení problémů. Psychologické monografie, 54(248).
  14. ^ Lurchins, A. S., a Lurchins, E. H. (1959). Tuhost chování: Variační přístup k účinkům Einstellung. Eugene, OR: Knihy University of Oregon.
  15. ^ Gibson, F. P., Fichman, M., & Plaut, D. C. (1997). Učení v úlohách dynamického rozhodování: Výpočtový model a empirické důkazy. Procesy organizačního chování a rozhodování člověka, 71(1), 1–35.
  16. ^ A b C d Gonzalez, C., & Dutt, V. (2011). Instance-based learning: Integrace vzorkování a opakovaných rozhodnutí ze zkušenosti. Psychologický přehled, 118(4), 523-551.
  17. ^ Dienes, Z. a Fahey, R. (1995). Úloha konkrétních instancí při řízení dynamického systému. Journal of Experimental Psychology: Learning, Memory, and Cognition, 21(4), 848–862.
  18. ^ Gonzalez, C., & Lebiere, C. (2005). Instantní kognitivní modely rozhodování. In D. Zizzo & A. Courakis (Eds.), Přenos znalostí v ekonomickém rozhodování. Palgrave Macmillan.
  19. ^ Martin, M. K., Gonzalez, C., & Lebiere, C. (2004). Naučit se rozhodovat v dynamickém prostředí: ACT-R hraje pivní hru. In M. C. Lovett, C. D. Schunn, C. Lebiere & P. ​​Munro (Eds.), Sborník příspěvků ze šesté mezinárodní konference o kognitivních modelech (Sv. 420, s. 178–183). Pittsburgh, PA: Carnegie Mellon University / University of Pittsburgh: Lawrence Erlbaum Associates Publishers.
  20. ^ Kluger, A. N. a DeNisi, A. (1996). Účinky zpětnovazebních intervencí na výkon: Historický přehled, metaanalýza a teorie předběžné zpětnovazební intervence. Psychologický bulletin, 119(2), 254–284.
  21. ^ Gonzalez, C. (2005). Podpora rozhodování pro úkoly dynamického rozhodování v reálném čase. Procesy organizačního chování a rozhodování člověka, 96, 142–154.
  22. ^ Sterman, J. D. (1989). Chybné vnímání zpětné vazby v dynamickém rozhodování. Procesy organizačního chování a rozhodování člověka, 43(3), 301–335.
  23. ^ Cronin, M., & Gonzalez, C., & Sterman, J. D. (2009). Proč dobře vzdělaní dospělí nerozumí akumulaci? Výzva pro výzkumné pracovníky, pedagogy a občany. Procesy organizačního chování a rozhodování člověka, 108(1), 116–130.
  24. ^ Rigas, G., Carling, E., & Brehmer, B. (2002). Spolehlivost a platnost měřítek výkonu v mikrosvětech. Inteligence, 30(5), 463–480.
  25. ^ Gonzalez, C., Thomas, R. P. a Vanyukov, P. (2005). Vztahy mezi kognitivními schopnostmi a dynamickým rozhodováním. Inteligence, 33(2), 169–186.
  26. ^ Gonzalez, C. (2005b). Vztah mezi pracovní zátěží úkolu a kognitivními schopnostmi v dynamickém rozhodování. Lidské faktory, 47(1), 92–101.
  27. ^ Gonzalez, C. (2004). Naučit se rozhodovat v dynamickém prostředí: Účinky časových omezení a kognitivních schopností. Lidské faktory, 46(3), 449–460.
  28. ^ McKenna, F. P, ​​a Crick, J. (1991). Zkušenosti a zkušenosti s vnímáním nebezpečí. V G.B. Grayson a J. F. Lester (ed.), Behaviorální výzkum v oblasti bezpečnosti silničního provozu (str. 39–45). Crowthorne, Velká Británie: Laboratoř dopravy a výzkumu silnic.
  29. ^ Horswill, M. S., McKenna, F. P. (2004). Schopnost řidiče vnímat nebezpečí: Povědomí o situaci na silnici. Ve věcech S. Banbury a S. Tremblay (ed.), Kognitivní přístup k povědomí o situaci: teorie a aplikace (str. 155–175). Aldershot, Anglie: Ashgate.
  30. ^ Endsley, M. R. (2006). Odbornost a povědomí o situaci. In K. A. Ericcson, N. Charness, P. J. Feltovich & R. R. Hoffman (Eds.), Příručka odbornosti a výkonu odborníků z Cambridge (str. 633–651). Cambridge: Cambridge University Press.

externí odkazy