基于团队动态的机器学习：利用特定角色的共享心理模型，探索在不稳定情况下关键团队行为中的团队动态模式

《Reliability Engineering & System Safety》：Team-dynamics-informed machine learning: Exploring team dynamic patterns of critical team actions in unstable approach cases using role-specific shared mental models

本研究针对航空着陆过程中因团队协作问题导致的不稳定进近事件，提出整合角色特定共享心智模型（SMM）的团队动力学启发式机器学习（TDIML）框架。通过动态贝叶斯网络（DBN）分析，揭示团队认知模式与操作决策的关联，并验证角色特定SMM对协同效率的提升作用。

　　

赖淑仪

台湾国立阳明交通大学

摘要

着陆过程中的不稳定情况是极其危险的航空事件，通常与飞行员和空中交通管制员（ATCO）之间的协调不畅有关。对于有效的团队合作而言，对共同目标的共享心理模型（SMM）至关重要。然而，仅SMM的不一致性并不能解释异质团队中的协调失误。本研究引入了基于角色的SMM这一交互依赖性概念，通过描述个人知识与角色特定目标导向所要求的协调需求之间的匹配程度来捕捉团队合作的兼容性。基于这一概念，研究开发了一个团队动态信息驱动的机器学习（TDIML）框架。该框架结合了基于调查的认知数据与机器学习技术，以揭示不同场景、个人心理模型、SMM以及基于角色的SMM之间的模式。情境建模采用了三层结构的动态贝叶斯网络（DBN）：场景、团队动态和团队操作。调查数据来自30名飞行员和11名ATCO。无监督学习发现了两种主要的团队动态模式：早期由ATCO主导的空中交通管理和后期反应性同步。有监督学习和可解释的人工智能揭示了这些模式背后的认知机制。此外，DBN分析表明，基于角色的SMM将场景变化与操作决策联系起来。总体而言，研究结果强调了在异质社会技术系统中基于角色的SMM的重要性，表明这些模型能够捕捉到仅靠SMM不一致性无法解释的团队动态缺陷。此外，TDIML框架可以作为设计提升基于角色SMM兼容性的培训模块的基础。

引言

在所有飞行阶段中，着陆阶段最为关键，也是最常与致命事故相关联的阶段[1,2]。为确保安全，飞机必须遵循规定的着陆路径。未能遵循规定路径会导致着陆过程不稳定，从而可能引发严重事故、损坏或人员受伤[3]。要评估不稳定着陆的根本原因，需要超越个体表现的角度进行考虑，因为现代航空活动是在一个涉及复杂环境中专业团队协作的社会技术框架内进行的[2,4,5]。因此，飞行员与空中交通管制员（ATCO）之间的团队动态可靠性至关重要。团队动态可以定义为多个个体为达成共识而进行的互动与合作。这种动态受到共享心理模型（SMM）的影响，SMM指的是有效协调所需的共享知识、期望和理解[6,7]。研究表明，SMM的缺陷与不良飞行操作和事故之间存在密切关联[[8], [9], [10]]。

尽管研究已经认识到SMM的重要性，但通过SMM的视角来分析复杂系统中的事故仍面临挑战。首先，SMM强调共享知识的一致性[6,7]，在具有不同专业知识的异质团队中实施起来较为困难，这会导致优先级和战略偏好的不一致。例如，虽然高速许可有助于ATCO管理交通流量，但可能会影响飞行员稳定飞机的时间[5,10,11]。可以通过将基于角色的考虑因素纳入SMM框架来解决这种冲突，以考虑团队成员之间的差异[9,12,13]；然而，针对这种方法的研究仍然有限。其次，目前缺乏有效量化SMM对不良行为影响的方法。人类或团队的可靠性通常通过概率建模[14,15]来分析，该方法通过构建人类错误和子事件之间的因果关系来进行研究。然而，作为认知和隐性的因素，SMM往往会产生间接和微妙的影响；这些影响使得评估SMM对团队动态的影响以及识别需要解决的关键漏洞变得困难。

幸运的是，机器学习（ML）能够在没有大量先验知识的情况下对复杂的情境关系进行建模，但有效的训练需要将足够的信息作为特征纳入模型。为了解决这个问题，出现了基于知识的ML方法，该方法将先验知识作为关键特征来提升模型性能[16,17]。最初，基于物理的ML（PIML）方法被开发出来用于解决复杂的物理问题，如退化或故障预测[16]。随后，基于知识的ML方法被扩展到认知建模[18,19]。最近的研究进一步利用ML对飞行员与ATCO之间的操作冲突进行了不稳定着陆的建模[20]。鉴于基于知识的ML的优势，本研究开发了一个团队动态信息驱动的ML（TDIML）框架，该框架结合了团队SMM状态来模拟不稳定着陆事件中的关键团队操作。首先，研究通过考虑基于角色的SMM扩展了SMM框架，以模拟异质着陆系统中的团队动态。然后应用TDIML框架来模拟团队动态，并评估SMM状态对性能结果的影响。

章节摘录

文献综述

本节描述了以下相关研究：（1）团队动态；（2）从SMM角度探讨的团队动态；（3）从基于角色的SMM角度探讨的团队动态；（4）事故发生的演变背景；（5）TDIML框架的实现。

理论框架

本研究扩展了进化团队认知（FETC）[10,20]框架，该框架侧重于SMM，并将其与个体心理模型和基于角色的SMM相结合。这一扩展框架成为了所开发的TDIML框架的基础。

方法论

本节描述了研究设计和方法论，包括参与者招募、数据收集以及TDIML框架的实施过程。

结果

本节介绍了识别的团队认知类型、开发的ML模型的训练结果，以及通过SHAP分析揭示的团队动态模式。

讨论

本研究从团队动态的角度探讨了不稳定着陆现象。研究开发并应用了TDIML框架，识别了两种类型的团队认知和五类团队操作。随后构建了一个DBN模型来具体分析不稳定着陆的情况。本节讨论了关于这两种团队认知类型、不同团队动态模式以及不稳定着陆演变背景的实证发现。

结论

本研究开发了一个TDIML框架，该框架结合了基于角色的SMM，用于分析飞机不稳定进近过程中的关键团队操作。使用基于角色的SMM可以有效地管理异质团队中相互冲突的个体利益和共享利益，从而提高飞机着陆过程的安全性。所开发的框架通过考虑外部环境因素、系统状态、个体心理模型和基于角色的因素来模拟团队动态。

CRediT作者贡献声明

赖淑仪：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督、软件开发、资源协调、项目管理、方法论设计、研究实施、资金筹集、形式化分析、数据整理、概念化。