田晨智 宋敏 田繼偉 邢清華 梁文洋

摘要：????? 指揮控制系統(tǒng)是信息化作戰(zhàn)體系的核心支撐，? 其操作使用的便捷性、 準確性等人機交互效能直接影響著作戰(zhàn)指揮控制效率。 為持續(xù)優(yōu)化指揮控制系統(tǒng)人機交互效能，? 需要建立科學合理的評估方法。 本文引入眼動追蹤技術(shù)，? 使用瞳孔直徑、 眼跳次數(shù)、 注視點數(shù)量等眼動數(shù)據(jù)，? 構(gòu)建指揮控制系統(tǒng)人機交互搜索效率、 操作效率、 認知負荷、 設(shè)計復雜性和吸引性等指標的量化評估模型，? 利用熵權(quán)-變異系數(shù)法對各眼動數(shù)據(jù)組合賦權(quán)，? 形成指揮控制系統(tǒng)人機交互效能的綜合評估結(jié)果。 基于該方法對指揮控制系統(tǒng)和指揮信息系統(tǒng)進行對比實驗，? 并利用SUS系統(tǒng)可用性量表和NASA-TLX認知負荷量表的調(diào)查結(jié)果進行對照分析，? 結(jié)果驗證了評估方法的有效性和準確性。

關(guān)鍵詞：???? 指揮控制系統(tǒng)； 人機交互； 眼動； 熵權(quán)-變異系數(shù)法； NASA-TLX； SUS

中圖分類號：??? ??TJ760? ??文章編號：??? ?1673-5048（2023）04-0057-10

文獻標識碼：??? A? ? DOI： 10.12132/ISSN.1673-5048.2023.0008

0引言

空中作戰(zhàn)是現(xiàn)代戰(zhàn)爭的主要作戰(zhàn)樣式，? 是奪取未來戰(zhàn)爭勝利的重要保證，? 而指揮控制則是空中作戰(zhàn)的基礎(chǔ)與核心。 高效的指揮控制離不開先進的指揮控制系統(tǒng)（下文簡稱“指控系統(tǒng)”）與優(yōu)秀的指揮控制人員（下文簡稱“指控人員”）。 在空中作戰(zhàn)時，? 指控人員要在時間緊、 壓力大、 強度高的情況下迅速完成目標航跡識別、 空戰(zhàn)指揮引導、 突發(fā)情況處置、 兵力動態(tài)調(diào)度等一系列任務，? 這對指控系統(tǒng)的人機交互效能提出了十分嚴苛的要求。 和諧的人機交互設(shè)計不僅能夠降低指控人員的認知負荷，? 極大提升任務完成效率，? 還可以最大限度地激發(fā)指控人員的潛力與指控系統(tǒng)的效能，? 達到“人在回路”［1］的作戰(zhàn)目標。

目前，? 對于指控系統(tǒng)人機交互效能的評估大多采用專家打分、 問卷調(diào)查等方法，? 評估結(jié)果主觀性強、 缺乏科學依據(jù)，? 且沒有統(tǒng)一的衡量標準。 Lorenz等［2］通過主任務測試、 NASA-TLX、 SUS量表問卷調(diào)查等方法對挖掘機控制系統(tǒng)人機交互效能進行評估。 Liu等［3］將指控系統(tǒng)人機交互效能劃分為126個可用性指標，? 根據(jù)德爾菲法對人機交互效能進行評估。 Joseph等［4］研究了人機交互中產(chǎn)生的認知負荷與眼動指標間的關(guān)系。 高俊云等［5］使用灰色層次分析法評估艦炮武器系統(tǒng)的人機交互效能。 王穎等［6］運用GOMS模型對機載指控系統(tǒng)人機界面的任務操作流程進行優(yōu)化。 王崴等［7］基于腦電和眼動信號識別人機交互意圖。 通過上述研究不難發(fā)現(xiàn)，? 相較于傳統(tǒng)評估方式，? 生理指標測量法具有采集數(shù)據(jù)科學、 客觀，? 計算結(jié)果可信度高等優(yōu)點。 因此，? 本文引入眼動追蹤技術(shù)，? 構(gòu)建了較為完善的基于眼動指標的指控系統(tǒng)人機交互效能評估模型，? 通過對比分析實驗中采集的相關(guān)眼動數(shù)據(jù)，? 使用熵權(quán)-變異系數(shù)法對其客觀賦權(quán)以計算綜合得分，? 實現(xiàn)對人機交互效能的科學評估。

1基于眼動追蹤的指控系統(tǒng)人機交互指標體系構(gòu)建

1.1指標體系

參考軟件質(zhì)量評估模型［8］，? 將指控系統(tǒng)人機交互效能劃分為人、 機、 人-機三部分，? 分別從績效、 設(shè)計、 協(xié)同三方面進行評估。 其中，? 績效評估可分為指控人員的搜索效率和操作效率； 設(shè)計評估可分為指控系統(tǒng)的復雜性和吸引性； 協(xié)同評估對應人機交互中產(chǎn)生的認知負荷。 經(jīng)查閱大量資料［9-19］，? 同相關(guān)領(lǐng)域?qū)＜疫M行深入探討，? 結(jié)合指控人員的指揮控制流程以及指控系統(tǒng)的運行原理，? 在綜合考慮任務完成時間和準確率等要素的基礎(chǔ)上，? 基于眼動指標建立了指控系統(tǒng)人機交互效能評估模型，? 如圖1所示。

（1） 績效評估： 從指控人員任務完成績效的角度，? 對指控系統(tǒng)人機交互效能進行評估，? 包括指控人員的搜索效率與操作效率。 其中，? 眼跳次數(shù)越少、 掃描路徑長度和掃描持續(xù)時間越短，? 則搜索效率越高，? 反之越低［9-13］； 操作準確率越高、 任務完成時間越短，? 則操作效率越高，? 反之越低［14］。

（2） 設(shè)計評估： 從指控系統(tǒng)設(shè)計構(gòu)造的角度，? 對指控系統(tǒng)人機交互效能進行評估，? 包括指控系統(tǒng)的設(shè)計復雜性和設(shè)計吸引性。 其中，? 注視點數(shù)量和回視次數(shù)越多，? 則設(shè)計復雜性越高，? 反之越低［15-16］； 首次注視前時間越短、 首次注視時間和累計注視時間越長，? 則設(shè)計吸引性越強，? 反之越弱［9，? 16］。

（3） 協(xié)同評估： 從指控人員與指控系統(tǒng)相交互的角度，? 對指控系統(tǒng)人機交互效能進行評估，? 主要由指控人員與指控系統(tǒng)在交互過程中所產(chǎn)生的認知負荷來衡量。 其中，? 眨眼率越高、 眨眼時間越短、 瞳孔直徑越大，? 則認知負荷越高，? 反之越低［17-19］。

1.2眼動評估指標

由于采集數(shù)據(jù)科學、 客觀、 精準等特點，? 眼動追蹤技術(shù)已經(jīng)成為一種廣泛使用的效能評估方法，? 眼動指標不僅能夠用來測評產(chǎn)品設(shè)計的優(yōu)劣，? 還能夠反映人們的思維方式以及心理特征。

本文通過眼動追蹤技術(shù)對指控系統(tǒng)人機交互效能進行評估，? 有效克服了專家打分等評估方法主觀性強、 計算結(jié)果說服力差等缺點。 根據(jù)本文建立的指控系統(tǒng)人機交互效能評估指標體系對所涉及的相關(guān)眼動指標進行簡要介紹，? 如表1所示。

2指控系統(tǒng)人機交互效能評估方法

2.1評估流程

本文具體評估流程如圖2所示。 利用眼動追蹤系統(tǒng)記錄被試在A系統(tǒng)和B系統(tǒng)中完成指揮控制任務的全過程，? 測量相關(guān)眼動指標。 對其進行歸一化處理，? 并分別使用熵權(quán)法和變異系數(shù)法計算權(quán)重，? 進行組合賦權(quán)，? 得出眼動綜合評分。

此外，? 利用SUS系統(tǒng)可用性評估量表和NASA-TLX認知負荷評估量表對被試進行問卷調(diào)查，? 從人和系統(tǒng)兩方面驗證了指控系統(tǒng)人機交互效能眼動評估結(jié)果的準確性。

2.2熵權(quán)-變異系數(shù)法組合賦權(quán)

由于眼動指標的特殊性，? 德爾菲法、 層次分析法、 環(huán)比評分法等主觀評估方法［20-22］不能精準衡量其重要程度，? 故引入熵權(quán)-變異系數(shù)法對眼動指標進行組合賦權(quán)［23］。 熵權(quán)法［24］是一種客觀賦權(quán)方法，? 利用指標的信息熵判斷其離散程度，? 進而計算其所占權(quán)重，? 然而通過熵權(quán)法獲得的指標權(quán)重分布可能出現(xiàn)平衡缺陷。 變異系數(shù)法［25］能夠有效克服異常值的不利影響，? 還可以直接利用指標所包含的信息，? 常用于兩個總體均值不等的離散總體的比較。 因此，? 將兩種方法相結(jié)合能夠有效彌補各自缺陷，? 發(fā)揮更大優(yōu)勢。 具體計算步驟如下：

（1） 形成指標評價矩陣。?? 初始指標評價矩陣為

式中： xij（i=1，? 2，? …，? n； j=1，? 2，? …，? m）表示第i個方案中第j個指標的數(shù)值。

（2） 對初始數(shù)據(jù)進行歸一化處理。

正向（效益型）指標處理公式為

逆向（成本型）指標處理公式為

式中： max（xj）和min（xj）分別表示同指標下所有樣本的最大值和最小值。

（3）熵權(quán)法

計算第i個方案中第j個指標的特征比重，? 即

（4）變異系數(shù)法

計算第j項指標的均值和標準差，? 即

（5）熵權(quán)法和變異系數(shù)法組合賦權(quán)的結(jié)果為

ωj=λwj+（1－λ）δj（11）

式中： λ為偏好系數(shù)，? 且λ∈（0， 1），? 通常取λ=0.5。

2.3NASA-TLX指控人員認知負荷評估

NASA-TLX（National Aeronautics and Space Administration-Task Load Index）認知負荷評估量表［26］由美國航空航天局（NASA）開發(fā)，? 是使用最廣泛的主觀心理負荷評估工具之一，? 不僅被試間變異最小，? 而且使用者接受程度最高。 該量表從6個維度劃分了人的心理負荷因素，? 其中每個維度均由一條20等分的直線表示，? 如圖3所示。

具體計算過程如下：

式中： F為認知負荷評估總分； Mi為被試在第i條直線上所選分數(shù)； Pi為15個對子中第i個項目被選中的次數(shù)。 NASA-TLX權(quán)重測試表如圖4所示。

2.4SUS指控系統(tǒng)可用性評估

SUS（System Usability Scale）系統(tǒng)可用性量表［27］由Brooke于1986年編制，? 共包含10道題目，? 由奇數(shù)項的積極描述和偶數(shù)項的消極描述組成，? 彼此間具有高度的相關(guān)性。 該量表具有簡潔、 準確、 可靠等優(yōu)點，? 廣泛應用于產(chǎn)品的可用性評估中。 因此，? 在主觀評估階段，? 以SUS系統(tǒng)可用性量表為基礎(chǔ)，? 結(jié)合指控系統(tǒng)人機交互的特點，? 對該量表進行了改進，? 如圖5所示。

具體計算過程如下：

G=2.5×（S奇－S偶+20）（13）

式中： G為可用性評估總分； S奇為奇數(shù)項總分； S偶為偶數(shù)項總分。

3實驗設(shè)計

3.1實驗設(shè)置

實驗對象為10名經(jīng)過初始資格認證的指控人員，? 平均年齡25歲，? 雙眼視力在1.0以上，? 均接受過正規(guī)的指揮控制訓練，? 具備一定的指揮控制基礎(chǔ)。 任務開始前，? 首先向被試進行實驗介紹，? 然后被試佩戴眼動儀進行校準，? 校準完成后先進行2 min的測試，? 讓被試熟悉眼動儀的使用方法，? 之后正式開始實驗。 每名被試在實驗開始前都應重復上述過程。 本實驗基于指揮信息系統(tǒng)和指揮控制系統(tǒng)，? 被試在兩套系統(tǒng)中完成相同的3項任務，? 通過實驗中測量的相關(guān)眼動數(shù)據(jù)，? 結(jié)合上述模型，? 對2套系統(tǒng)的人機交互效能進行評估。

3.2實驗設(shè)備

實驗設(shè)備包括指揮控制系統(tǒng)（A系統(tǒng)）、 指揮信息系統(tǒng)（B系統(tǒng)）和眼動追蹤系統(tǒng)。 A系統(tǒng)（如圖6所示）是保障指揮員和指揮機關(guān)對空中作戰(zhàn)人員和武器系統(tǒng)實施指揮和控制的信息系統(tǒng)，? 該系統(tǒng)以通信、 計算機等信息網(wǎng)絡為主要依托，? 具有文電處理、 指令傳輸、 態(tài)勢分析和輔助決策等功能。 B系統(tǒng)（如圖7所示）能夠基于雷達情報顯示當前空中敵我態(tài)勢，? 為指控人員進行空戰(zhàn)控制提供實時信息支撐； 同時，? 亦可生成模擬作戰(zhàn)想定，? 輔助指控人員進行訓練。 其中，? A系統(tǒng)和B系統(tǒng)都具有空戰(zhàn)指揮控制功能，? 但A系統(tǒng)的功能相對專一，? 屬于專業(yè)性系統(tǒng)，? B系統(tǒng)的功能覆蓋范圍較廣，? 屬于綜合性系統(tǒng)。 眼動數(shù)據(jù)的測量采集使用Tobii? Pro? Glasses 3眼動測量系統(tǒng)，? 可提供各種視角下的全方位眼動追蹤數(shù)據(jù)，? 如圖8所示。

內(nèi)置的加速計、 陀螺儀和磁力計傳感器可辨別頭部和眼球移動，? 將頭動對眼動追蹤數(shù)據(jù)的影響降至最低，? 確保研究人員能夠獲得被試在自然狀態(tài)下的眼動數(shù)據(jù)［28］。

3.3實驗任務

在任務開始前，? 被試自由觀察A系統(tǒng)和B系統(tǒng)主界面各30 s； 實驗開始后，? 首先，? 被試繪制巡邏空域、 待戰(zhàn)空域以及訓練空域各1個； 其次，? 被試按要求制作同一想定，? 并根據(jù)我機飛行狀態(tài)的變化進行通報； 最后，? 被試使用數(shù)據(jù)鏈對3批飛機進行指揮控制。 以上任務均屬于指揮控制基本任務，? 且被試在A系統(tǒng)和B系統(tǒng)中完成的工作量相同，? 具體操作流程如表2所示。

4指控系統(tǒng)人機交互效能評估分析及計算

4.1實驗數(shù)據(jù)分析

通過眼動儀記錄任務過程，? 利用SPSS對所測得數(shù)據(jù)進行t檢驗，? 從績效評估、 設(shè)計評估、 協(xié)同評估3方面對A系統(tǒng)和B系統(tǒng)的人機交互效能進行綜合評估。

（1） 績效評估

被試分別在A系統(tǒng)和B系統(tǒng)執(zhí)行任務時的眼跳次數(shù)、 掃描路徑長度和任務完成時間3項指標中存在顯著差異，? 如表3所示。 與B系統(tǒng)相比，? 被試在A系統(tǒng)中擁有更少的眼跳次數(shù)、 更短的掃描路徑長度以及更少的任務完成時間。

（2） 設(shè)計評估

被試分別在A系統(tǒng)和B系統(tǒng)執(zhí)行任務時的注視點數(shù)量、 回視次數(shù)、 首次注視前時間和累計注視時間四項指標中存在顯著差異，? 如表4所示。 與B系統(tǒng)相比，? 被試在A系統(tǒng)中擁有更少的注視點數(shù)量和回視次數(shù)、 更短的首次注視前時間和累計注視時間，? 說明A系統(tǒng)更加簡潔，? B系統(tǒng)設(shè)計相對復雜。

（3） 協(xié)同評估

被試分別在A系統(tǒng)和B系統(tǒng)執(zhí)行任務時的眨眼率和瞳孔直徑兩項指標中存在顯著差異，? 如表5所示。 與B系統(tǒng)相比，? 被試在A系統(tǒng)中擁有更少的眨眼率和更短的瞳孔直徑。

4.2實驗數(shù)據(jù)分析

由式（2）～（3）對測量數(shù)據(jù)進行歸一化處理，? 由式（4）～（6）利用熵權(quán)法對各指標進行賦權(quán)，? 由式（7）～（10）利用變異系數(shù)法對各指標進行賦權(quán)，? 由式（11）計算各指標的組合權(quán)重，? 并以“ωj1，? ωj2，? ωj3，? ωj4，? ωj5”分別表示“λ=0.1，? 0.2，? 0.3，? 0.4，? 0.5”時的組合權(quán)重，? 結(jié)果如表6所示。

3種賦權(quán)方法及不同的偏好系數(shù)所得權(quán)重差異較小，? 且變化趨勢基本一致，? 如圖9所示。 因此，? 賦權(quán)方法的變化對結(jié)果影響較小。 為了降低熵權(quán)法與變異系數(shù)法所得權(quán)重的差異對評估結(jié)果造成的影響，? 選取λ=0.5時的組合權(quán)重作為評估模型中眼動指標的最終權(quán)重。

為均衡考慮各因素對指控系統(tǒng)人機交互效能的影響，? 對績效評估、 協(xié)同評估、 設(shè)計評估均賦權(quán)0.333，? 對搜索效率、 操作效率、 復雜性、 吸引性均賦權(quán)0.500，? 對眼動指標賦權(quán)ωj5，? 利用加權(quán)求和法計算A系統(tǒng)和B系統(tǒng)人機交互效能的綜合評分。 由式（12）計算被試的NASA-TLX認知負荷評分，? 并將得分進行歸一化處理換算成百分制，? 結(jié)果如表7所示； 由式（13）計算被試的SUS系統(tǒng)可用性評分，? 從主觀角度對A系統(tǒng)和B系統(tǒng)人機交互效能進行分析，? 結(jié)果如表8所示。

對比A系統(tǒng)和B系統(tǒng)基于眼動指標的認知負荷評估結(jié)果和NASA-TLX問卷調(diào)查得分可知，? 兩者所得結(jié)論基本相符，? 如圖10所示。 總體而言，? A系統(tǒng)和B系統(tǒng)中評分高者的比例分別為9∶1和7∶2（另一組得分相同）。 其中，? 眼動與歸一化后的NASA-TLX認知負荷評估均為正向評估，? 即得分越高，? 所產(chǎn)生的認知負荷越低，? 人機交互效能越好。 因此，? 在執(zhí)行指揮控制任務時，? A系統(tǒng)產(chǎn)生的認知負荷低于B系統(tǒng)。

對比A系統(tǒng)和B系統(tǒng)基于眼動指標的綜合評估結(jié)果和SUS問卷調(diào)查得分可知，? 兩者所得結(jié)論基本吻合，? 如圖11所示。 從總體來看，? A系統(tǒng)和B系統(tǒng)中評分高者的比例分別為9∶1和7∶3。 其中，? 眼動與SUS系統(tǒng)可用性評估均為正向評估，? 即得分越高，? 系統(tǒng)可用性越強。 因此，? 在執(zhí)行指揮控制任務時，? A系統(tǒng)的人機交互效能優(yōu)于B系統(tǒng)。

A系統(tǒng)和B系統(tǒng)眼動視圖如圖12所示，? 黑色底圖是A系統(tǒng)的眼動視圖，? 白色底圖是B系統(tǒng)的眼動視圖。 對比兩者能夠明顯發(fā)現(xiàn)，? 被試在A系統(tǒng)中執(zhí)行任務時的注視點熱區(qū)主要集中在界面中間及下方區(qū)域，? 且注視點序列較為清晰； 被試在B系統(tǒng)中執(zhí)行任務時的注視點熱區(qū)占據(jù)了界面中央大部分區(qū)域，? 且注視點序列較為混亂。 一方面，? 10名被試在A系統(tǒng)中的注視點熱區(qū)平均面積約為0.062 ?m2（此處為19英寸16∶9顯示器屏幕中的熱區(qū)面積），? 注視點數(shù)量平均為327.4個； 在B系統(tǒng)中的注視點熱區(qū)平均面積約為0.079? m2，? 注視點數(shù)量平均為419.3個，? 說明了A系統(tǒng)占用被試的認知資源總量較少，? 使被試能夠在較為輕松的環(huán)境下完成任務。 另一方面，? 被試在A系統(tǒng)中的注視點序列相較于B系統(tǒng)更加清晰，? 說明被試在A系統(tǒng)中執(zhí)行任務時的思維更流暢，? 邏輯更縝密。 由于任務操作步驟相對固定，? 因此，? 被試在同一系統(tǒng)中的注視點熱區(qū)之間以及注視點序列之間會出現(xiàn)較為相似的情況。

由于A系統(tǒng)是專業(yè)的指控系統(tǒng)，? 其所有功能專門針對指揮控制任務所設(shè)計。 而B系統(tǒng)是集成指揮控制、 預警探測、 情報搜集等多功能于一體的綜合系統(tǒng)，? 界面布局、 顏色搭配及功能要素等都相對復雜。 其中，? A系統(tǒng)主界面共有36個按鍵，? B系統(tǒng)主界面共有50個按鍵。 同時，? 被試在A系統(tǒng)中完成任務最少需要17個步驟，? 實驗中平均需要20個步驟； 在B系統(tǒng)中最少需要18個步驟，? 實驗中平均需要22個步驟。 當任務操作步驟相差不大的情況下，? 較多的按鍵及復雜的布局會分散被試的精力，? 使其不僅耗費大量時間用于尋找指定按鍵、 記憶相關(guān)步驟，? 還增加了被試的心理壓力及工作負擔。 實驗結(jié)果表明，? 被試在A系統(tǒng)中擁有更短的任務完成時間及較高的準確率。 因此，? 在執(zhí)行指揮控制任務時，? A系統(tǒng)更加簡潔明了、 精準快捷，? 能夠使指控人員產(chǎn)生更低的認知負荷，? 并擁有更高的可用性。 此外，? A系統(tǒng)除了常規(guī)的底部按鍵布局，? 還在界面頂端添加了快捷鍵窗口，? 有效避免了大量按鍵堆砌，? 提高了系統(tǒng)使用的便捷性，? 拓展了指控人員的操作空間，? 優(yōu)化了指控系統(tǒng)的界面布局，? 大大增強了人機交互效能。

5結(jié)論

本文基于眼動指標建立了指控系統(tǒng)人機交互效能評估模型，? 利用熵權(quán)-變異系數(shù)法對眼動指標進行客觀賦權(quán)，? 通過讓10名被試完成相同的指揮控制任務，? 對A系統(tǒng)和B系統(tǒng)的人機交互效能進行評估，? 并根據(jù)NASA-TLX量表和SUS量表分別從人的認知負荷和系統(tǒng)的可用性2個角度對評估結(jié)果進行了驗證。 該方法不僅有效克服了傳統(tǒng)評估手段所得結(jié)果不夠準確、 缺乏理論依據(jù)等缺點，? 還避免了僅從定性角度對眼動指標進行分析易導致指標數(shù)據(jù)間此消彼長、 相互矛盾，? 無法得出準確結(jié)論的問題。

由于操作系統(tǒng)及被試人員的特殊性，? 僅選取了2種系統(tǒng)和10名指控人員進行實驗，? 如果增加樣本數(shù)量，? 則能夠增強組合賦權(quán)法的計算精度，? 進一步提高評估模型的可靠性。 此外，? 本文建立的指控系統(tǒng)人機交互效能評估指標體系所涵蓋的眼動指標還不夠全面，? 在后續(xù)研究中，? 需要健全指標體系，? 優(yōu)化算法模型，? 改進評估手段。

參考文獻：

［1］ 李明，? 劉若愚，? 姜春蘭，? 等. 基于無線智能節(jié)點的遠程控制系統(tǒng)設(shè)計與實現(xiàn)［J］. 北京理工大學學報，? 2020，? 40（8）： 849-855.

Li Ming，? Liu Ruoyu，? Jiang Chunlan，? et al. Design of the RemoteControl System for Intelligent Wireless Nodes［J］. Transactions of Beijing Institute of Technology，? 2020，? 40（8）： 849-855.（in Chinese）

［2］ Lorenz S，? Helmert J R，? Anders R，? et al. UUX Evaluation of a Digitally Advanced HumanMachine Interface for Excavators［J］. Multimodal Technologies and Interaction，? 2020，? 4（3）： 57.

［3］ Liu R，? Gao L，? Liu Y，? et al. Research on the Usability Evaluation Model of HumanComputer Interaction for Command and Control System［C］∥2nd International Conference on Intelligent Computing and HumanComputer Interaction （ICHCI），? 2021： 213-219.

［4］ Joseph A W，? Murugesh R. Potential Eye Tracking Metrics and Indicators to Measure Cognitive Load in HumanComputer Interaction Research［J］. Journal of Scientific Research，? 2020，? 64（1）： 168-175.

［5］ 高俊云，? 叢樹學. 灰色層次評估法在艦炮武器系統(tǒng)人機交互效能評估中的應用［J］. 艦船電子工程，? 2011，? 31（8）： 136-139.

Gao Junyun，? Cong Shuxue. Application of Grey Analytic Hierarchy Process for HumanComputer Interaction Effectiveness Evaluation of Naval Gun Weapon System［J］. Ship Electronic Engineering，? 2011，? 31（8）： 136-139.（in Chinese）

［6］ 王穎，? 牟蘇斌. 基于GOMS模型的機載指控系統(tǒng)人機界面優(yōu)化研究［J］. 計算機與數(shù)字工程，? 2016，? 44（7）： 1378-1382.

Wang Ying，? Mou Subin. Human Computer Interface Optimization Based on GOMS Model for Airborne Command and Control System［J］. Computer & Digital Engineering，? 2016，? 44（7）： 1378-1382.（in Chinese）

［7］ 王崴，? 趙敏睿，? 高虹霓，? 等. 基于腦電和眼動信號的人機交互意圖識別［J］. 航空學報，? 2021，? 42（2）： 324290.

Wang Wei，? Zhao Minrui，? Gao Hongni，? et al. HumanComputer Interaction： Intention Recognition Based on EEG and Eye Tracking［J］. Acta Aeronautica et Astronautica Sinica，? 2021，? 42（2）： 324290.（in Chinese）

［8］ 楊陽，? 汪海濤，? 姜瑛，? 等. 基于模糊層次分析法的軟件質(zhì)量評價模型的研究［J］. 計算機與數(shù)字工程，? 2017，? 45（4）： 620-623.

Yang Yang，? Wang Haitao，? Jiang Ying，? et al. Software Quality Evaluation Model Based on Fuzzy Analytic Hierarchy Process［J］. Computer & Digital Engineering，? 2017，? 45（4）： 620-623.（in Chinese）

［9］ 吳丹，? 梁少博，? 董晶. 查詢式序列視角下跨設(shè)備搜索信息準備與重用階段的眼動變化研究［J］. 情報學報，? 2019，? 38（7）： 760-770.

Wu Dan，? Liang Shaobo，? Dong Jing. Change of Gaze Behavior in Information Preparation and Resumption of CrossDevice Search Based on Query Lists［J］. Journal of the China Society for Scientific and Technical Information，? 2019，? 38（7）： 760-770.（in Chinese）

［10］ 趙佳寶， 張丙辰， 韋懿洋， 等.基于視覺刺激的ASD兒童干預圖卡角色設(shè)計研究［J/OL］.包裝工程.DOI：10.19554lj.cnki.1001-3563.2020.22.039.

Zhao Jiabao，? Zhang Bingchen，? Wei Yiyang， et al. Role Design of Intervention Picture Card for ASD Children Based on Visual Stimulation ［J/OL］. Packaging Engineering.DOI：10.19554lj.cnki.1001-3563.2020.22.039. （in Chinese）

［11］ Goldberg J H，? Stimson M J，? Lewenstein M，? et al. Eye Tracking in Web Search Tasks： Design Implications［C］∥Symposium on Eye Tracking Research & Applications，? 2002： 51-58.

［12］ Poole A，? Ball L J. Eye Tracking in HCI and Usability Research［M］∥Encyclopedia of Human Computer Interaction，? 2006： 211-219.

［13］ Goldberg J H，? Kotval X P. Computer Interface Evaluation Using Eye Movements： Methods and Constructs［J］. International Journal of Industrial Ergonomics，? 1999，? 24（6）： 631-645.

［14］ Chen Y，? Yan S，? Tran C C. Comprehensive Evaluation Method for User Interface Design in Nuclear Power Plant Based on Mental Workload［J］. Nuclear Engineering and Technology，? 2019，? 51（2）： 453-462.

［15］ 陳曉皎，? 薛澄岐，? 陳默，? 等. 基于眼動追蹤實驗的數(shù)字界面質(zhì)量評估模型［J］. 東南大學學報： 自然科學版，? 2017，? 47（1）： 38-42.

Chen Xiaojiao，? Xue Chengqi，? Chen Mo，? et al. Quality Assessment? Model of Digital Interface Based on EyeTracking Experiments［J］. Journal of Southeast University： Natural Science Edition，? 2017，? 47（1）： 38-42.（in Chinese）

［16］ 顧芮冰，? 張丙辰，? 張仁杰，? 等. 基于AHP層次分析法的兒童電子繪本角色面孔繪圖方式研究［J］. 包裝工程，? 2022，? 43（10）： 221-231.

Gu Ruibing，? Zhang Bingchen，? Zhang Renjie，? et al. Role Face Drawing Methods of Childrens Electronic Picture Books Based on AHP Nalytic Hierarchy Process［J］. Packaging Engineering，? 2022，? 43（10）： 221-231.（in Chinese）

［17］ 尤洋，? 王以寧，? 張海. 智慧課堂環(huán)境下教學視頻復雜度與學習者認知負荷關(guān)系研究［J］. 現(xiàn)代遠距離教育，? 2020（2）： 91-96.

You Yang，? Wang Yining，? Zhang Hai. Research on the Relationship between the Complexity of Teaching Video and Learners Cognitive Load in Intelligent Classroom Environment［J］. Modern Distance Education，? 2020（2）： 91-96.（in Chinese）

［18］ Chen S Y，? Epps J. Using TaskInduced Pupil Diameter and Blink Rate to Infer Cognitive Load［J］. HumanComputer Interaction，? 2014，? 29（4）： 390-413.

［19］ 薛耀鋒，? 李卓瑋. 基于眼動追蹤技術(shù)的在線學習認知負荷量化模型研究［J］. 現(xiàn)代教育技術(shù)，? 2019，? 29（7）： 59-65.

Xue Yaofeng，? Li Zhuowei. Research on Online Learning Cognitive Load Quantitative Model Based on Eye Tracking Technology［J］. Modern Educational Technology，? 2019，? 29（7）： 59-65.（in Chinese）

［20］ Dalkey N C. Delphi［M］∥Martino J P. An Introduction to Technological Forecasting. London： Routledge，? 2018： 25-30.

［21］ Podvezko V. Application of AHP Technique［J］. Journal of Business Economics and Management，? 2009，? 10（2）： 181-189.

［22］ Chen X ，? Jiang X Q，? Lu Y. Study on the Rural Ecotourism Resource Evaluation System［J］. Environmental Technology & Innovation，? 2020，? 20： 101131.

［23］ Li X X，? Du J K，? Fu Y. Water Quality Evaluation Model of Normal Cloud Based on Coefficient Variation and Entropy Weight［J］.Water Resources & Power，? 2017，? 10： 55-58.

［24］ Zhu Y X，? Tian D Z，? Yan F. Effectiveness of Entropy Weight Method in DecisionMaking［J］. Mathematical Problems in Engineering，? 2020： 1-5.

［25］ Liu D J，? Zou Z H. Water Quality Evaluation Based on Improved Fuzzy MatterElement Method［J］. Journal of Environmental Sciences，? 2012，? 24（7）： 1210-1216.

［26］ Hart S G. NASATask Load Index （NASATLX）; 20 Years Later［C］∥ Human Factors and Ergonomics Society Annual Meeting，? 2006，? 50（9）： 904-908.

［27］ 潘飛，? 姜可，? 王東琦. 基于眼動追蹤技術(shù)的購票網(wǎng)站可用性設(shè)計研究［J］. 包裝工程，? 2020，? 41（24）： 243-247.

Pan Fei，? Jiang Ke，? Wang Dongqi. Usability Design of Ticket Purchase Website Based on Eye Tracking［J］. Packaging Engineering，? 2020，? 41（24）： 243-247.（in Chinese）

［28］ Nasrabadi H R，? Alonso J M. Modular Streaming Pipeline of Eye/Head Tracking Data Using Tobii Pro Glasses 3［EB/OL］. bioRxiv，? 2022，? DOI： 10.1101/2022.09.02.506255.

Evaluation Method of HumanComputer Interaction Effectiveness of Command and Control System Based on Eye Tracking

Tian Chenzhi1，? Song Min1*，? Tian Jiwei1 ，? Xing Qinghua2，? Liang Wenyang1

（1. Air Traffic Control and Navigation College，? Air Force Engineering University，? Xian 710051，? China；

2. Air and Missile Defense College，? Air Force Engineering University，? Xian 710051，? China）

Abstract： The command and control system is the core support of the information warfare system. The convenience and accuracy of its operation and use directly affect the efficiency of combat command and control. In order to continuously optimize the humancomputer interaction effectiveness of the command and control system，? it is necessary to establish a scientific and reasonable evaluation method. This paper introduces eye movement tracking technology，? uses eye movement data such as pupil diameter，? number of saccades，? number of fixation points，? etc.，? to build a quantitative evaluation model of humancomputer interaction search efficiency，? operation efficiency，? cognitive load，? design complexity and attractiveness of command and control system，? and uses entropy weightvariance coefficient method to weight each eye movement data to form a comprehensive evaluation result of humancomputer interaction effectiveness of command and control system. Based on this method，? a comparative experiment is carried out on the command and control system and the command information system，? and the results of the SUS system availability scale and NASATLX cognitive load scale are compared and analyzed. The results verify the effectiveness and accuracy of the evaluation method.

Key words： ?command and control system； humancomputer interaction； eye movement； entropy weightvariance coefficient method； NASATLX； SUS