引言

中国自然灾害种类繁多､分布地域广､发生频率高､救灾难度大｡在“构筑应急管理信息化发展”战略框架下，通过自然灾害信息可视化提高交互效率是实施应急管理的重点之一。为了处理复杂的应急信息，多源自然灾害应急管理系统应运而生，该系统信息来源多､信息量大､结构关系错综复杂，也是人机信息交互的重要载体和媒介。多源自然灾害应急管理系统的人机交互由多层次模块､多变量的显示单元构成，一方面，需要全动态积极响应灾前､灾中､灾后全过程；另一方面，要避免系统层级结构复杂､信息量大以及应急响应过程中紧迫性和不确定性因素造成操作员认知负担从而导致信息获取失误。

在复杂的数字化界面中，操作员面临应急多阶段任务与信息过载的双重压力。由于认知资源分配的限制，易因注意力分配引发人为操作失误等事故。因此通过情境意识理论结合眼动追踪实验计算的静止凝视熵，并结合3D-SART评价被试者的情境意识水平，旨在探究操作员在应急状态和常规状态注意力分配的差异性，从而基于情境认知研究交互设计原则。

1 文献综述

1.1 情景意识

根据Endsley从信息加工角度提出，情境意识（Situation Awareness，SA）是操作者在特定时间和空间内，对环境中要素进行知觉、理解其意义并预测其未来发展状态，以实现准确感知、理解和预测与目标相关的环境变化的能力。尽管目前SA在灾害应急中的直接研究相对较少，但SA的概念和应用对于提升应急系统的效率具有重要意义。

灾害应急情境的复杂性与多变性，决定了操作员需对情境动态变化理解，而这正是影响操作者决策与任务绩效的核心要素。Adams等人强调了支持复杂系统操作员情景意识的重要性，因此，具备高水平的SA是操作员在复杂环境中作出正确决策的基础。从设计领域的研究现状来看，当前多数研究从外界环境情境出发，探究情境因素对用户体验与认知的影响，然而对于用户自身特性关注不足。SA是导致人为差错的关键因素，信息获取也是SA形成与保持重要的一环，直接受限于操作者的认知资源容量与注意力分配。Kummetha等人基于注视次数和持续时间、瞳孔直径等眼动指标，探讨了在环境复杂性以及认知负荷下，注意力分配方式对情景意识的影响方。

1.2 自然灾害应急系统

自然灾害应急系统的研究中，各国学者和机构基于不同灾害类型和技术手段，逐步构建了监测预警、信息传递、应急响应及灾后评估的综合性框架。美国灾害应急管理工作总体分为减灾措施、灾前措施、应急响应和灾后重建四个环节，为了提高气象灾害应急工作的标准化，美国国家天气局将灾害应急信息系统相应分为监测预警、信息传递、分发服务和应急响应四个部分，通过标准化的应急流程提高气象灾害应急响应能力。Ibarreche基于墨西哥移动气象监测站信息，开发山洪灾害预警信息系统，实现山洪灾害的实时区域监控。随着大数据与物联网技术的发展，应急系统智能化水平显著提升。程鹏基于灾害应急物资管理系统设计研究，分析了新时代的应急管理需求，结果表明利用信息技术可实现应急信息的智能化识别和感知，提高应急服务效率，降低人工差错率和操作风险。中国气象局吴焕萍指出气象应急服务信息系统中应具有综合信息集成与共享、基于预案或突发事件进行综合管理和信息可视化的关键技术，应急信息系统的建设应按照上报、初步研判、启动、跟踪、评估、关闭或增补等环节开展设计。

近年来，多源自然灾害应急管理系统是近年来自然灾害管理和应急响应领域的重要研究方向，其核心在于通过整合多种数据源和技术手段，实现对自然灾害的实时监测、风险评估、灾害预警以及应急响应的全过程，以此提高灾害应急效率。

2 基于情境意识的多源自然灾害应急管理系统交互机制

2.1 多源自然灾害应急情境下的操作员认知过程

自然灾害应急管理是一个复杂､综合的行为，涉及多灾种协同、多阶段以及多部门共同协作。该系统的运作契合应急管理基本逻辑，主要涵盖预防､准备､回应及恢复四大关键阶段｡多源自然灾害应急管理系统有效运行的关键在于是否针对不同灾害阶段作出响应，其核心在于操作员是否具备获取信息的能力｡

多源自然灾害应急管理系统的操作员主要由应急管理部门的工作人员构成，由于灾害应急响应的动态性及多源数据的复杂性，因此，对操作员的SA提出更高的要求。基于Endsley提出的三阶段模型，分别是感知、理解、预测，操作员在应急响应的情境下，信息获取与处理直接影响应急响应效率。面对多任务信息时，操作员的识别与处理能力产生的认知负荷会影响操作员的SA水平。Vidulich也指出SA的建立与操作者的记忆、思维和注意分配等密切相关。因此，融合认知心理学中注意资源与工作记忆理论弥补其中不足，系统阐述操作员在灾害环境中信息的获取与加工过程。

人类的认知和注意力资源是有限的，主要包括认知资源的投入和认知获取，认知资源的投入是指注意力资源､工作记忆和共同消耗的认知时间；认知获取指的是在交互界面中获取信息并作出反应的准确性，是衡量信息传递效率的关键；然而，由于操作员个体特质差异、经验水平差异、应急任务的紧急程度，以及认知资源和工作记忆容量的有限性，认知和注意力分配资源可能被快速消耗。此外，系统结构复杂、界面设计不合理以及与操作者视觉习惯的背离等因素均会导致认知获取的失误。研究表明，当信息与长时记忆中的既有图式（Schema）高度关联时，工作记忆容量也会随之改变。

2.2 多源自然灾害应急系统应急交互情境研究

多源自然灾害应急管理系统作为典型的复杂人机环境系统，包含系统自身信息、用户与系统间交互信息、系统与应急环境的交互信息以及用户与应急交互环境信息等，这与交互设计五要素：用户、行为、工具或媒介、目的、场景相重叠。

情境对于操作员的认知过程起到重要作用，因此对情境因素进行筛选和分类有助于找到感知应用所需的信息，并明确定义交互过程和系统服务的内容。将多源自然灾害应急系统交互情境因素分为用户情境因素、任务情境因素、应急情境因素、系统情境因素，这些因素间通过信息传递并相互影响，相辅相成，共同构成后续交互研究与设计研究的重要基础与前提条件。用户情境描述对应急响应环境下的认知和认知资源分配具有重要意义，包括操作员的个体差异性特征、操作熟练度水平、注意资源分布以及工作记忆容量等因素；应急情境是用户情境认知的主要信息来源，也是影响其决策行为和交互方式的客观因素，应急情境分为预警､响应､处置､恢复､复盘五个阶段，包括应急时间紧急性、应急流程复杂性、应急响应准确性等；任务情境描述操作员所执行的任务目标和行为，包括应急响应任务和常规工作任务；系统情境不仅涉及系统的技术实现和内部状态，还包括系统与外部的动态交互过程。因此，多源自然灾害应急管理系统交互情境本质上是由“用户—应急环境—系统”构成的有机整体。

在多源自然灾害应急响应过程中，情境特征与应急交互行为相互影响，不同灾害阶段（预警、响应、处置、恢复、复盘）对应差异化的信息需求层级与任务目标导向。通过系统性解构灾害响应全流程的关键节点，深度解析各阶段操作员的信息处理模式、注意力分配特征及认知加工规律，构建“感知—反馈”机制。例如，在预警阶段，主要任务是及时准确地发布灾害预警信息，主要目标是灾害的监测数据等；在响应阶段，任务转变为设置指挥方式和调配资源，所需信息则涵盖灾区的地理位置、交通状况、救援队伍的位置和能力等。这一过程主要包含两大核心要素：其一，多源自然灾害应急管理系统对复杂情境信息的有效处理；其二，操作员在紧急过程下接收信息并迅速转化为具体的交互指令以指导应急行动。首先，多源自然灾害应急管理系统借助卫星遥感、物联网监测等模块收集信息，并以可视化形式呈现在界面，通过优化信息展示方式帮助用户认知加工；其次，在系统与操作员的交互过程中，系统接收操作员输入信息进行分析，辅助操作员进行决策，从而降低用户的认知负荷。

3 方法

3.1研究对象

本研究共招募10名健康成年人（男性4人，女性6人），年龄跨度为21-29岁（M=24.3，SD=2.8）。被试者均无色盲色弱等眼疾并通过标准化灾害应急流程培训，熟悉界面内容，经考核确认掌握应急操作规范并达到基础操作绩效水平。

设备：本次测试实验采用“爱威视”品牌的桌面式眼动仪，型号为 EV-DP1，采样率为六十赫兹，精准度为零点五度至一度，延迟时间小于二十毫秒。本研究基于应急界面任务逻辑与功能化模块设计，将实验材料划分为四个核心交互模块（信息展示区、操作控制区、状态警示区、导航反馈区），并依据人机交互理论与实验假设，预先定义各个模块对应的关键区域（AOI）。在视觉与认知科学研究框架下，眼动行为分析指标主要是从注视点（在感兴趣的信息区域上的停留）、注视时长（注视某个兴趣区域的所有时长总和）、瞳孔大小（认知负荷指标）和扫视（注视之间的快速移动）等方面分析眼动。根据应急界面操作性任务特征（需快速定位关键信息并执行决策），本研究重点聚焦注视点与注视时长两类指标。

兴趣区（AOI）划分：通过实验数据可以获取每个注视点的坐标，将其导入Excel中，利用python对注视点进行编程处理，将它们归类到四个象限的AOI中。采用正交坐标系将显示屏划分为四个面积相等的矩形AOI。坐标系的原点(0,0)在屏幕的左下角，x轴为屏幕宽度，y轴为屏幕高度，基于此流程，最终得到图1“应急注视点坐标图”和图2“常规组注视点坐标图”。

兴趣区区域（i）	注视次数	比例（pi）
A(左上角)	97	16.19%
B(右上角)	93	15.53%
C(左下角)	200	33.39%
D(右下角)	209	34.89%
总数	599	100%

将常规组左上角定为A1，右上角定为B2，左下角为C3，右下角为D4。

兴趣区区域（i）	注视次数	比例（pi）
A1(左上角)	8	1.67%
B2(右上角)	9	1.88%
C3(左下角)	228	47.5%
D4(右下角)	235	48.96%
总数	480	100.01

3.2 静止注视熵计算流程

由于复杂系统的输出通常具有较低的可预测性，熵的概念被引入作为衡量系统复杂性的一个指标，随着系统复杂性的增加，其输出的可预测性降低，从而导致熵值增加。使用静止注视熵对视觉行为进行评估。静止注视熵用于量化视觉注意力在空间分布上的离散程度，反映视觉注意力分布特征。

其中H表示一个试次的眼跳序列x的注视熵值，i表示兴趣区编号，n表示注视点编号，pi表示各兴趣区注视点比例/概率。应急组静止注视墒为H=1.22，由于兴趣区域的总数为4，最大熵预期为42；常规组静止墒为H=1.90，最大熵预期为42。熵值越大证明注视点越分散，可预测性越低。计算得出应急组的SGE为1.22，其注视点的分布更集中，这种集中性减少了注视点的随机波动，注意力分配较为“稳定”，可预测性更高；而常规组的SGE为1.90，接近最大熵，其注视点在多个兴趣区间呈均匀随机分布，缺乏明确的注意力焦点，导致视觉行为“不稳定”，可预测性更低。

3.33D-SART量表

SA计算采用由TAYLOR提出的3D-SART量表进行评定，该表从注意资源需求、注意资源的供给和情境理解三方面对操作者的情境意识进行评分。

为了探究对于应急模式和常规模式不同情境意识的差异性，对两组模式进行差异分析，参考了前人的研究，并将SATR量表重新组织为独立的测量量表。本研究中所有测量项目均源自现有研究成果，确保足够的可靠性和有效性。此外，所有测量项目均使用七点李克特量表进行评估。先计算合并标准差再通过公式计算效应值（Cohen's d））以量化差异，具体公式为：

注意资源需求（d>0.8）与情境理解（d>0.8）属超大效应，表明两组在核心认知能力上存在本质差异。动态应急适应（d>0.8）属大效应，反映应急组在复杂情境中的显著优势。

维度	应急组均值	标准差	常规组均值	标准差	效应值（d）
注意资源需求	5.7	0.84	3.3	0.45	3.56
注意资源供给	4.7	0.57	4.4	0.32	0.65
情境理解	5.5	0.61	3.9	0.54	2.62
动态应急适应	4.8	0.84	3.4	0.55	1.97

从注意资源需求的角度分析，应急组的注意资源显著高于常规组，应该优先干预应急组表明了应急任务对操作员的注意资源高需求；而注意资源供给能力接近中等效应；从情境理解来看，应急组对任务环境的认知能力更强，也是目标导向产生的结果；从动态应急适应来看，应急组的调整能力以及对整个态势的把握更强。效应值差异为交互设计提供了量化依据，通过强化应急状态下的注意力分配，优化常规状态的信息组织模式，以弥补不同任务情境下的认知表现差距。

3.4 静止注视熵与情境意识关系的讨论

SGE作为注意力分布复杂性的关键参数，而SA是对周围环境的感知理解，在动态应急环境作出正确决策的能力。操作员的SGE与SA表现存在显著关联。实验数据表明，应急组的SGE（1.22），低于常规组SGE（1.90），在注意资源需求、情境理解及动态应急适应方面，应急组的效应值均高于常规组。低注视熵与高效应值特征表明：在应急情境的高压环境下，操作者的 “目标导向性” 显著增强，注视点始终呈现低离散分布，能够通过合理分配注意力主动聚焦于应急任务的关键信息（情境感知），为后续决策提供基础。反观常规组，其高注视熵可能反映出注意力资源过度分散，导致感知层面呈现无序状态，进而抑制了对应急情境的理解（情境理解）与预测（情境预测）能力。

4结论

通过眼动追踪实验发现，应急组SGE显著低于常规组，且在情境意识效应值上呈现差异性。这一结果证明，低SGE和情境意识高效应值结合，揭示了操作员在应急情境下目标导向型策略；而常规组的高SGE和情景意识低效应值则反映出注意力分散导致的情境感知、理解及预测能力不足。为优化多源自然灾害应急管理系统交互设计提供理论依据和实践指导，从而提高应急响应的效率和准确性，更好地应对自然灾害的挑战。

参考文献：

1. [1]中国应急管理报.重特大自然灾害调查评估暂行办法[N].2023-09-28(002).
2. [2]魏玖长,李瑞晗,李义娜.我国应急管理体系灾害信息可视化发展探讨[J].中国应急管理,2023(06):50-53.
3. [3]薛澄岐.复杂信息系统人机交互数字界面设计方法及应用[M].南京:东南大学出版社,2015.
4. [4] Endsley M R．Towards A theory of situation awareness in dynamic systems[J].Human factors,1995,37(01):32-64．
5. [5]Endsley M R, Selcon S J. Designing to aid decisions through situation awareness enhancement[C]//Proceedings of the2nd symposium on situation awareness in tactical aircraft.1997.
6. [6]Hartel C, Smith K, Prince C. Defining aircrew coordination: searching mishaps for meaning[C]//International symposium on aviation psychology.1989.
7. [7]闫少华.基于信息加工模型的管制员差错分类与分析[J].中国安全科学学报,2009,19(08):121-125．
8. [8]Marilyn J A.Situation awareness and the cognitive management of complex systems[J].Human factors,1995,37(01):85-104.
9. [9] 黎健.美国的灾害应急管理及其对我国相关工作的启示[J].自然灾害学报,2006(04):33-38.
10. [10] Ibarreche J, Aquino, R, Edwards, et al. Flash flood early warning system in Colima, Mexico[J].Sensors (Switzerland),2020,20(18):1-26.
11. [11]程鹏.洪涝干旱灾害应急物流智慧管理系统研究[J].经济师,2020,2020(09):35-37
12. [12]吴焕萍,罗兵,李红山,等.气象应急服务信息系统建设若干问题初探[C]//中国气象学会.中国气象学会2008年年会极端天气气候事件与应急气象服务分会场论文集.国家气象中心预报系统开放实验室;中国气象局应急管理办公室;,2008.
13. [13] 张永利.多灾种综合预测预警与决策支持系统研究[D].清华大学,2010.
14. [14]Vidulich M A, Hughes E R. Testing a subjective metric of situation awareness[C]//Proceedings of the human factors society annual meeting.1991.
15. [15]陈栩茜,张积家.注意资源理论及其进展[J].心理学探新,2003,23(04):24-28.
16. [16]胡芮瑞.基于认知负荷理论的汽车辅助驾驶系统生态界面设计研究[D].安徽工业大学,2018.
17. [17] 辛向阳.交互设计:从物理逻辑到行为逻辑[J].装饰,2015(01):58-62.
18. [18]高畅.基于情境感知的人机共驾过程交互研究与设计[D].东南大学,2023.
19. [19]Shannon C E. Mathematical theory of communication[M].Urbana:University of Illinois Press,1948.
20. [20]Leandro L, Di Stasi,Michael B. McCamy, et al. Effects of long and short simulated flights on the saccadic eye movement velocity of aviators[J].Physiology & behavior,2016,153:91-96.
21. [21]Taylor R M. Situational awareness rating technique (SART): The development of a tool for aircrew systems design[M].Situational awareness.Abingdon：Routledge,2017.
22. [22] Guo Y, Liu L, Huang W, et al. Extending X-reality technologies to digital twin in cultural heritage risk management: a comparative evaluation from the perspective of situation awareness[J].Heritage science,2024,12(01):245.
23. [23]Milgram P, Kishino F. A taxonomy of mixed reality visual displays[J]. IEICE transactions on information and systems,1994,77(12):1321-1329.
24. [24]Holsanova J, Holmberg N, Holmqvist K. Reading information graphics: The role of spatial contiguity and dual attentional guidance[J].Applied cognitive psychology,2009,23(09):1215-1226.
25. [25]王建民,刘雨佳,李阳,等.基于态势感知的汽车人机界面设计研究[J].包装工程,2021,42(06):29-36.