人機協(xié)作下的共享心智模型研究*

胡藝齡 陳彥君

人機協(xié)作下的共享心智模型研究*

胡藝齡 陳彥君

（華東師范大學 教育信息技術(shù)學系，上海 200062）

人機協(xié)調(diào)共生是當下人類面臨的重要問題，但智能技術(shù)內(nèi)部“黑箱”效應帶來的透明度低、可控性低等問題使人機協(xié)作時常產(chǎn)生沖突和矛盾。在此背景下，共享心智模型成為引導人機協(xié)作團隊成員相互理解、協(xié)調(diào)的關(guān)鍵概念。基于此，文章首先梳理了共享心智模型的發(fā)展歷程與經(jīng)典的測量與評估方法。隨后，文章以共享心智模型為基礎(chǔ)引入“擴展思維”這一概念，設計了人機協(xié)作下的共享心智模型；同時，結(jié)合共享心智模型的經(jīng)典計算與測量方法，文章提出了人機協(xié)作下共享心智模型的計算框架與測量思路。最后，文章通過應用案例分析，發(fā)現(xiàn)人機協(xié)作下的共享心智模型能有效促進團隊合作和任務績效，由此驗證了人機協(xié)作下共享心智模型的可行性與有效性。文章提出的人機協(xié)作下的共享心智模型可為教育領(lǐng)域人機協(xié)作的良性互動提供理論支持，并為輔助人機協(xié)同學習與教師教育決策提供借鑒。

共享心智模型；人機協(xié)作；團隊合作；任務績效

引言

近年來，人工智能、機器視覺等技術(shù)的飛速發(fā)展和生成式人工智能、大語言模型的強勢“登場”，使協(xié)作機器人日趨智能、易于交互且具有較高的自主性，可以在復雜的環(huán)境中與人平穩(wěn)、高效地合作。從人機交互的角度來看，人機協(xié)作經(jīng)歷了人與物理系統(tǒng)交互、人與數(shù)字系統(tǒng)交互、人與智能系統(tǒng)交互三個發(fā)展階段。當下智能體所具備的主動交互、自主學習等特征，使人機關(guān)系發(fā)生轉(zhuǎn)折，如何解決人機協(xié)作時的認知兼容成為橫亙在創(chuàng)新研究之前的基礎(chǔ)性問題[1]。

智能時代的人機協(xié)作強調(diào)人與機器共享、協(xié)調(diào)、分配、使用相關(guān)的資源和信息，旨在實現(xiàn)人類智能與機器技能的互補。當人類與智能體這一“黑箱”系統(tǒng)（即決策過程難以被人類解釋或背后的模型與算法對人類不可見的系統(tǒng)）合作[2]、共同面對復雜或非良構(gòu)的問題情境時，團隊合作和任務績效便會面臨一定的挑戰(zhàn)。例如，人類若缺乏適當?shù)臋C制來理解智能體做出的特定決策和響應，就很難預測智能體伙伴的下一步行為，也就很難識別和糾正智能體的錯誤行為。這就需要有一條清晰的溝通與交流渠道，促使人類與智能體形成共同的理念、實現(xiàn)共同的目標。

近年來，研究者紛紛將共享心智模型作為研究和促進人機協(xié)作的有效視角。該模型旨在引導人類與智能體之間相互理解，以實現(xiàn)更好的協(xié)調(diào)和協(xié)作。盡管一些研究已經(jīng)接近人機協(xié)作下的共享心智模型的概念描述，但尚未有量化的研究證明此模型與團隊合作增強、任務績效提高之間的關(guān)系。基于此，本研究嘗試提出人機協(xié)作下的共享心智模型及其計算框架與測量思路，并通過案例研究來驗證人機協(xié)作下的共享心智模型對團隊合作與任務績效的促進作用，以期為教育及其相關(guān)領(lǐng)域未來的人機協(xié)作提供共同理解和高效協(xié)同的良性發(fā)展路徑。

一 共享心智模型的相關(guān)研究

共享心智模型是由心智模型發(fā)展而來，自1990年Cannon-Bowers等[3]首次提出這一概念以來，其常常被應用于解釋、預測并促進團隊合作和任務績效，得到了研究者的廣泛關(guān)注。

1 從心智模型到共享心智模型

心智模型是人類與外部世界互動過程的內(nèi)在心理表征[4]，具體表現(xiàn)為人類將其對外部世界的認知轉(zhuǎn)化為頭腦中的模型。心智模型包括外部世界中不同物理系統(tǒng)的相關(guān)知識，如物理系統(tǒng)的整體結(jié)構(gòu)及其與外界的交互行為、外界對系統(tǒng)的干擾、這些干擾如何影響系統(tǒng)等。Cannon-Bowers等[5]首次將個體心智模型的概念擴展到團隊層面，提出了“共享心智模型”（Shared Mental Models）的概念，認為團隊的共享心智模型是指成員共享的有關(guān)團隊任務、工作條件、任務情境的認知和心理表征。共享心智模型的核心假設是：如果團隊成員對共同任務和彼此心理狀態(tài)有相似的理解，那么他們便能準確地預測隊友的需求和行為，從而促進可預知的團隊合作，進而提高團隊績效。共享心智模型為團隊的高效工作提供了理論基礎(chǔ)，每個人都有可能理解并準確預測團隊中其他人的行為，團隊成員也就可以基于對影響團隊績效內(nèi)外部因素的共同理解做出科學決策。

共享心智模型的早期研究者認為團隊成員之間并不只存在一個共享心智模型，由此提出了共享心智模型具有多維性的觀點。例如，Cannon-Bowers等[6]認為在同一時間點團隊成員之間可能同時存在包括設備模型、任務模型、團隊交互模型和團隊模型的共享心智模型（下文簡稱“四維模型”）。其中，設備模型表示用于完成任務的設備，任務模型表示要完成的任務，團隊交互模型表示團隊成員的角色、職責及其交互，而團隊模型表示每個團隊成員的知識、技能等個人特征。在此基礎(chǔ)上，Mathieu等[7]將設備模型和任務模型合并為任務模型、團隊交互模型和團隊模型合并為團隊模型，提出了二維結(jié)構(gòu)的共享心智模型（下文簡稱“二維模型”）。其中，任務模型與團隊任務績效有關(guān)，指團隊成員共享的關(guān)于設備和任務的心智模型；而團隊模型與團隊成員有關(guān)，是包括團隊交互和團隊個人特質(zhì)的心智模型。相較于四維模型，二維模型的結(jié)構(gòu)更為精煉，在實踐研究中也更方便測量，因此二維模型得到了廣泛的應用。

2 共享心智模型的經(jīng)典測量與評估方法

一般而言，共享心智模型的測量會根據(jù)團隊構(gòu)成、任務情境等的不同，采用主觀測量或客觀測量、定性測量或定量測量等不同形式引導出團隊成員的心智模型，常見的測量方法有訪談法、調(diào)查法、過程追蹤法、概念圖法等[8]。其中，訪談法和調(diào)查法主要是通過對團隊成員的訪談文本或其填寫的調(diào)查問卷進行內(nèi)容分析，來提取出共享心智模型——這兩種方法實際上是以一種團隊成員自我報告的形式進行的間接測量，會受團隊成員主觀感受和社會性因素的影響而出現(xiàn)誤差。為解決此問題，有研究者提出了過程追蹤的方法[9]，即通過直接收集并處理工作中的用戶行為記錄、口頭報告、眼球運動、系統(tǒng)狀態(tài)信息等數(shù)字足跡來分析成員的心智模型——這種方法的數(shù)據(jù)來源客觀，可有效避免主觀因素帶來的誤差。此外，有研究者提出用認知誘發(fā)技術(shù)去誘發(fā)團隊成員的心智模型，發(fā)展出了概念圖的方法[10]，其常見的做法是要求團隊成員回憶團隊任務中的關(guān)鍵概念并進行網(wǎng)絡節(jié)點連線，形成關(guān)系網(wǎng)絡形式的概念圖，然后將團隊成員的概念圖對照全局概念圖進行交叉檢查，從而提取得到團隊成員之間的共享心智模型。

由于共享心智模型實際上是團隊心智模型的共享與重疊，其效果與團隊任務的準確程度密切相關(guān)，因此共享心智模型的測量通常采用相似性和準確性兩個指標來評估[11]：①相似性是指團隊心智模型共享和重疊的程度，主要通過評估團隊成員之間的認知重合度得出，這可以量化為團隊成員回答問題所得相同答案的數(shù)量或百分比，以及概念圖中兩兩成員共享概念的鏈接數(shù)量或百分比；②準確性是共享心智模型表示團隊工作任務的準確程度[12]，主要通過每個團隊成員的任務模型與任務完成標準進行比較，這可以量化為團隊成員正確回答問題的數(shù)量或百分比。

二 人機協(xié)作下共享心智模型的設計

隨著人工智能技術(shù)被廣泛應用于醫(yī)療、教育、交通等重要領(lǐng)域，人工智能成為人類的合作伙伴，分擔人類的工作并與人類一起實現(xiàn)任務目標。在人機協(xié)作過程中，共享心智模型被認為是促進團隊合作和任務績效的有效手段[13]。而人機協(xié)作下的共享心智模型可以繼續(xù)應用于解釋、預測并促進傳統(tǒng)共享心智模型的團隊互動和任務績效，但考慮到智能體無法外顯心智模型的獨特性，故如何測量人機協(xié)作下的共享心智模型成為一大難點。對此，本研究嘗試以共享心智模型為基礎(chǔ)引入“擴展思維”這一概念，為人機協(xié)作下的共享心智模型提供載體，并總結(jié)用于創(chuàng)建、更新、維護人機協(xié)作下的共享心智模型的計算框架和未來可行的測量思路。

1 人機協(xié)作下的共享心智模型

在開始探索人機協(xié)作下的共享心智是否促進團隊合作和任務績效之前，需先理解“人機協(xié)作下的共享心智模型”這一概念。本研究采用二維模型的架構(gòu)，同時在內(nèi)容上參考Jonker等[14]提出的系統(tǒng)-團隊-共享心智三級結(jié)構(gòu)模型，構(gòu)建了人機協(xié)作下的共享心智模型，如圖1所示。

圖1 人機協(xié)作下的共享心智模型

在人機協(xié)作下的共享心智模型中，人類與智能體組成的團隊被看作是一個系統(tǒng)，合作目標是完成任務工作和團隊工作這兩項重要工作。其中，任務工作關(guān)注團隊要執(zhí)行的任務或工作，包含任務和設備，以及達成任務所需的目標共享、統(tǒng)一規(guī)范、進展協(xié)同、溝通模式、策略共享等；而團隊工作涉及團隊互動和團隊成員的人際了解、角色分布、團隊認同等。在人類和智能體組成的系統(tǒng)中，人類帶有能力、目標、經(jīng)驗、記憶、工作負荷等屬性，而智能體帶有目標、規(guī)則、任務以及知識庫等屬性。在人機協(xié)作過程中，人類利用自身屬性感知、理解、預測任務情境并做出決策，而智能體利用用戶、任務、環(huán)境等數(shù)據(jù)智能感知體感知任務情境，并通過情境評估與推理進行預測和知識轉(zhuǎn)化，從而根據(jù)自身設定完成自適應或決策執(zhí)行等操作。為了更好地闡釋人類和智能體的共享心智模型，本研究在人類和智能體組成的系統(tǒng)中引入其上層概念——模型，并將模型分為物理模型和心理模型。其中，物理模型指向團隊成員外顯的行為表現(xiàn)，心理模型存在于團隊成員的頭腦中，這兩個模型可以通過擴展思維聯(lián)系起來。

擴展思維是指主體的思維延伸至外部環(huán)境的一些物體，這些物體可以被視為思維本身的延伸，如團隊合作完成的共享思維導圖或團隊討論時的會議記錄等。擴展思維是將抽象式心智概念具象化為物理實體的關(guān)鍵概念，是思維和物理實體相連接的載體。在團隊中，人類可以直接通過自我報告、概念圖等方式得出心理模型，智能體則需通過擴展思維將其物理模型轉(zhuǎn)化為心理模型。因此，智能體的獨特心理模型可以通過與人類共享的擴展思維得出，團隊成員可以通過共享一個擴展思維而獲得共享心智模型。人機協(xié)作下的共享心智模型闡明了人機團隊的系統(tǒng)結(jié)構(gòu)、人類心智模型與智能體心智模型的區(qū)別及其不同的引出方式，可為未來共享心智模型的發(fā)展提供理論參考。

2 人機協(xié)作下共享心智模型的計算框架

依托人機協(xié)作下的共享心智模型，結(jié)合共享心智模型的經(jīng)典計算方法，本研究提出了人機協(xié)作下共享心智模型的計算框架，用于未來人機團隊計算、測量和應用共享心智模型[15]。計算框架詳細描述了人機協(xié)作下的共享心智模型的體系結(jié)構(gòu)以及創(chuàng)建、更新、維護共享心智模型的各過程。從計算的角度來看，共享心智模型由兩個關(guān)鍵元素組成：一是有關(guān)團隊、任務和環(huán)境狀態(tài)的客觀數(shù)據(jù)，如設備數(shù)據(jù)、任務規(guī)范數(shù)據(jù)、團隊信息數(shù)據(jù)等，這些數(shù)據(jù)會因任務情境的不同而變化；二是捕獲、更新上述客觀數(shù)據(jù)的方法和過程，通過對方法和過程的關(guān)注形成通用于所有任務情境的規(guī)范，如根據(jù)觀察和溝通形成團隊成員目標數(shù)據(jù)的規(guī)范。

依托上述兩個關(guān)鍵元素組成，可將計算框架中關(guān)于人機團隊的客觀數(shù)據(jù)分為四組：①團隊數(shù)據(jù)庫，包括人類和智能體的技能、特征及其相關(guān)屬性；②任務數(shù)據(jù)庫，包括任務規(guī)范和人類、智能體共同執(zhí)行任務時的行為規(guī)范；③任務狀態(tài)，如團隊采用的目標、計劃和任務完成進度；④團隊狀態(tài)，如團隊中不同成員在完成任務時所扮演的功能角色。在實際應用中，計算框架主要用于存儲和更新人機協(xié)作下的共享心智模型狀態(tài)信息，并根據(jù)這些狀態(tài)信息調(diào)整和適應團隊合作與任務進程，具體操作如下：智能體通過觀察和感知任務、環(huán)境、團隊數(shù)據(jù)，預測團隊目標和個人任務的進展情況，得出團隊狀態(tài)和任務狀態(tài)的相關(guān)信息；基于對上述信息的分析，智能體分配新的團隊和個人目標及任務，并根據(jù)當前狀態(tài)信息調(diào)整自身行為。

3 人機協(xié)作下共享心智模型的測量思路

依托人機協(xié)作下的共享心智模型，考慮到各種場景下的人機協(xié)作任務背景、任務目標、團隊組成方式、數(shù)據(jù)采集形式存在不同，本研究僅提供一種通用型人機協(xié)作下共享心智模型的測量思路：①確定測量方法。測量人機協(xié)作下的共享心智模型，首要考慮的因素是采用的測量方法必須同時適用于人類和智能體。其中，智能體因其內(nèi)部的“黑箱”效應而難以通過訪談法、調(diào)查法等直接觀測的方法得出共享心智模型，概念圖的方法也只適用于內(nèi)部存儲了團隊數(shù)據(jù)和任務數(shù)據(jù)的智能體。因此，針對特定任務環(huán)境下的人機團隊，過程追蹤法最適合應用于測量其共享心智模型，但在使用過程中需根據(jù)任務內(nèi)容和團隊狀態(tài)考慮過程追蹤的具體方式。例如，眼動追蹤并不適合大部分智能體，應多考慮行為和言語交互相關(guān)的追蹤。②確定評估方法。與智能體不同的是，人類的心智模型具有靈活、易調(diào)節(jié)的特征，而智能體內(nèi)部存在大量已編碼好的程序，包括任務執(zhí)行程序、與人類成員互動的程序等。在人機團隊中，團隊成員共享心智模型的相似性原指人類成員和智能體認知重疊的程度，而在上述語境中更接近于人類成員對智能體程序行為預測的準確程度，即相似性的描述也更偏重于準確性。因此，通過將人類成員的任務模型和智能體設定好的標準任務模型相比較，便可得出共享心智模型的相似性。

三 人機協(xié)作下的共享心智模型應用案例

當前，共享心智模型已被應用于教育、醫(yī)療、交通等領(lǐng)域，用于降低團隊中人類成員的認知負荷，提高人工智能系統(tǒng)的可靠性。下文將通過人機協(xié)作下共享心智模型的相關(guān)應用案例分析驗證人機協(xié)作下共享心智模型的可行性與有效性，并探析團隊溝通和任務情境對人機協(xié)作下共享心智模型的影響。

1 針對團隊工作（團隊溝通）的人機協(xié)作下共享心智模型應用案例

Espevik等[16]認為，共享心智模型可以通過團隊成員共同工作的經(jīng)驗或團隊成員之間的溝通來創(chuàng)建；同樣的，有效的溝通會正向影響團隊成員的協(xié)調(diào)表現(xiàn)程度，從而促進團隊合作。Hanna等[17]在2018年進行的一項研究通過收集人機協(xié)作團隊的行為和言語交互數(shù)據(jù)，然后分析人類與智能體之間的溝通模式、共享心智模型形成、信任等因素之間的關(guān)系，發(fā)現(xiàn)這些因素與團隊績效之間存在正相關(guān)關(guān)系。參考上述觀點，本研究考慮在協(xié)作任務的場景中評估團隊工作（團隊溝通）對人機協(xié)作下共享心智模型發(fā)展的影響，論證團隊溝通可以有效促進人機團隊共享心智的開發(fā)、成員之間形成的共享心智模型能使人機團隊有效地利用溝通策略完成工作。

（1）研究主題與任務設計

實驗在2023年春季華東地區(qū)H大學教育技術(shù)專業(yè)本科二年級的“學習科學研究”課程中展開。首先，學生與生成式人工智能ChatGPT（本實驗中稱“人工智能專家”）合作，形成人機協(xié)作小組，明確學習任務：通過一學期的人機合作，按照“確定研究主題→搜集資料→整合信息→確定報告大綱→分工寫作→修改潤色→完成報告”的流程完成一份學術(shù)報告。接著，學生通過虛擬環(huán)境與人工智能專家展開溝通合作。在此過程中，學生需要向人工智能專家介紹自己與初步選定的主題，并與人工智能專家共同擬定一份寫作計劃、交流搜索到的信息、共享數(shù)據(jù)和工具、共同寫作及修改。隨后，人工智能專家和學生互相分享、閱讀有關(guān)學習科學研究主題的信息，并提出相關(guān)領(lǐng)域的問題、回答對方的提問。最后，人工智能專家根據(jù)學生分享的信息和學生的提問、回答感知任務情境，并通過情境評估和推理進行知識轉(zhuǎn)化，向小組成員分享知識并引導提問，與學生一起完成學術(shù)報告寫作。本實驗共持續(xù)16周，每周討論1.5小時，研究人員根據(jù)學術(shù)報告寫作的進度將課程分為四個階段，并基于人機協(xié)作下的共享心智模型分析四個階段內(nèi)學生與人工智能專家的團隊溝通和任務績效情況。

（2）數(shù)據(jù)采集與結(jié)果分析

實驗通過虛擬環(huán)境中自動記錄的數(shù)據(jù)來追蹤學生和人工智能專家交流的言語行為，并對言語數(shù)據(jù)進行內(nèi)容分析，得到人機團隊的四組客觀數(shù)據(jù)：團隊數(shù)據(jù)庫（如學生和人工智能專家的先驗科研知識）、任務數(shù)據(jù)庫（如學術(shù)報告寫作規(guī)范）、任務狀態(tài)（如學術(shù)報告評估數(shù)據(jù)）和團隊狀態(tài)（如學生和人工智能專家的問答數(shù)據(jù)）。

通過對上述數(shù)據(jù)的分析，本實驗得到四個階段內(nèi)學生和人工智能專家的提問和問題回答情況，如圖2所示。其中，圖2（a）顯示，從第二個階段開始，學生提問率呈不斷上升趨勢，表明學生與人工智能專家進行交流合作的意愿不斷增強；而人工智能專家提問率在前三個周期逐漸下降、第四個階段與第三個階段大致持平，表明人工智能專家在協(xié)作過程中對于當前情境的判斷和小組成員請求的理解不斷增強，因而人機協(xié)作的共同理解和協(xié)作效率進一步提高。而圖2（b）顯示，在前三個階段，學生對人工智能專家提出問題的平均回答率不斷上升、平均拒絕率不斷下降，說明學生與人工智能專家的認知視角逐漸趨于一致，兩者的認知相似性不斷提高，心智模型的共享程度不斷增加。但從第三個階段到第四個階段，平均回答率有所下降，這是因為隨著學術(shù)報告進入收尾工作，學生和人工智能專家的交流減少。綜上可知，有效的團隊溝通可以促進人機團隊成員的共同理解，形成共享心智并進一步提高協(xié)作效率。

（a）學生和人工智能專家的提問率（b）學生回答人工智能專家提問的比率

2 針對任務工作（任務情境共享）的人機協(xié)作下共享心智模型應用案例

在人類與人工智能進行協(xié)作的任務中，有研究者發(fā)現(xiàn)任務情境和任務相關(guān)的目標、規(guī)范等是影響成員任務完成的重要因素[18]。人機協(xié)作時任務情景意識的增強，有助于團隊共享心智模型的發(fā)展并促進任務績效。

（1）研究主題與任務設計

在開展人工智能輔助決策實驗時，Srivastava等[19]假設人機團隊中人類成員獲取更多的任務情境信息有助于團隊共享心智模型的發(fā)展。根據(jù)此假設，實驗通過在線招募平臺（網(wǎng)址：https://aishiyan.bnu.edu.cn）共招募90名參與者，要求他們與人工智能輔助決策系統(tǒng)（即智能體）線上合作完成一項決策任務，并控制智能體向人類成員傳遞支持決策的情境信息，以考察人機協(xié)作下的共享心智模型能否有效促進任務績效。在實驗中，人類成員扮演火星軌道上航天器的指揮官，與智能體組成團隊，共同完成航天器到著陸點的進入、下降和著陸的決策任務。實驗中，智能體持續(xù)與人類成員共享對著陸區(qū)狀態(tài)的認知（包括GPS衛(wèi)星的軌道位置、沙塵暴的位置和航天器進入著陸點的視角）和對著陸軌跡的認知（包括飛行器的速度與高度、軌跡的緯度與經(jīng)度）。而人類成員對這些狀態(tài)的認知模式可以分為互動、觀察、缺失三種：在互動模式下，人類成員觀看信息屏幕，并與智能體進行問答互動；在觀察模式下，人類成員僅觀看信息屏幕；而在缺失模式下，人類成員不會得到任何信息。本實驗采用2×3受試者間設計，即著陸區(qū)狀態(tài)認知設有互動、觀察和缺失三種模式，而著陸軌跡狀態(tài)認知設有互動和缺失兩種模式，參與實驗的人類成員被隨機分配到這六種組合模式中。

（2）數(shù)據(jù)采集與結(jié)論分析

本實驗通過虛擬系統(tǒng)自動記錄人類成員和智能體對著陸區(qū)狀態(tài)的初始判斷及其各自初始擬定的著陸軌跡，并在智能體作出決策后，記錄人類成員和智能體共同做出的最終決策。利用人機協(xié)作下共享心智模型的計算框架，本實驗得到團隊數(shù)據(jù)庫（如智能體預先設定的互動反應）、任務數(shù)據(jù)庫（如著陸區(qū)狀態(tài)和著陸軌跡）、任務狀態(tài)（如人類和智能體的決策數(shù)據(jù)）、團隊狀態(tài)（如人類和智能體的互動數(shù)據(jù)）四組客觀數(shù)據(jù)。

通過對上述數(shù)據(jù)的分析，本實驗得到人類成員和智能體的判斷與交流情況，如圖3所示。其中，圖3（a）顯示，缺失模式下的人類成員在60%～85%的情況下與智能體判斷一致，而觀察模式和互動模式下的人類成員在80%～95%的情況下和智能體判斷一致，這表明人類成員和智能體對著陸區(qū)狀態(tài)初始判斷的一致性和初始擬定軌跡的一致性會隨著人類成員對著陸區(qū)狀況認知的增強而提高，說明對任務情境的感知會促進人機團隊心智的共享。而3（b）顯示，當初始階段判斷不一致時，缺失模式下的人類成員對智能體建議的接受率為50%～80%，說明此模式下的人類成員傾向于過度依賴智能體來做出決定；而觀察模式和互動模式下的人類成員對智能體建議的接受率為30%～40%，說明這兩種模式下的人類成員從一開始就與智能體有較高的一致性，且更傾向于依靠獲取的任務情境信息來做出判斷。綜上可知，任務情境共享會引發(fā)更高水平的共享心智，從而促進任務績效。

（a）初始階段人類成員和智能體判斷的一致性（b）人類成員對智能體建議的接受率

四 結(jié)語

當前社會正處于科技革命與教育變革的歷史交匯點，以人工智能為代表的新一代信息技術(shù)正從影響教育變革的外在推力轉(zhuǎn)化為引發(fā)教育變革的內(nèi)生動力。智能技術(shù)在引發(fā)人才需求變革的同時，也正在重構(gòu)學習環(huán)境，并從感知、知識、認知三個層面引發(fā)教學過程變革，推動人機協(xié)同教與學的發(fā)展。本研究以此為切入點，引入“共享心智模型”這一概念，作為打破人機協(xié)作中的“黑箱”效應、促進團隊合作和任務績效的有效渠道；同時，梳理了共享心智模型的概念發(fā)展、類型特征和測量方法，構(gòu)建了人機協(xié)作下的共享心智模型及其計算框架、測量思路，最后通過應用案例驗證了人機協(xié)作下共享心智模型的可行性和有效性，探析了任務情境和團隊溝通對人機協(xié)作下共享心智模型的影響，發(fā)現(xiàn)人機協(xié)作下共享心智模型的引入為人機團隊提供了共同理解和高效協(xié)同的發(fā)展路徑，有效促進了團隊合作和任務績效。

需要說明的是，本研究構(gòu)建的人機協(xié)作下的共享心智模型及其計算框架與測量思路應用于教育領(lǐng)域時還存在一定的局限性。理論上來說，智能體是具有社會性、主動性、進化性的高度自治的主體，因而在協(xié)作過程中智能體可以自主捕獲關(guān)于團隊、任務和環(huán)境狀態(tài)的信息以及團隊成員之間共享的與任務有關(guān)的知識，并通過對信息和知識的轉(zhuǎn)化與評估，調(diào)節(jié)自身行為或做出決策。當前人機協(xié)同教學尤其是課堂教學中普遍應用的智能體并未達到上述的高度自治水平，因此也就無法直接計算、評估其共享心智模型。隨著生成式人工智能在教育領(lǐng)域應用的不斷深入，人機協(xié)作下的共享心智模型將隨著智能體的迭代進化而在教育領(lǐng)域發(fā)揮更大的價值。

從未來教育領(lǐng)域的技術(shù)應用潛能來看，人機協(xié)作下的共享心智模型可以在教師-智能體協(xié)作、學習者-智能體協(xié)作上發(fā)揮作用。在教學情境中，教師與智能體的協(xié)作是一個基于共享工作的隱式交互協(xié)調(diào)過程，而建立有效合作的前提是教師與智能體具有共享的知識空間、動態(tài)的修正機制并獲得合理的能動性分配。人機協(xié)作下共享心智模型的引入，可以幫助教師更好地理解教學輔助系統(tǒng)的決策。教師和智能體通過共享一個心智模型，以相同的教學目標為導向，可以更高效地進行教學設計、開展教學活動；同時隨著推薦算法的應用，智能系統(tǒng)內(nèi)部的決策過程逐漸透明化，教師與智能體在信息交互過程中不斷共享、協(xié)調(diào)、分配和使用資源，也有利于教師更高效地做出教學決策。而在傳統(tǒng)的學習情境中，學習者與機器的協(xié)作更多地強調(diào)機器的輔助、增援作用，在協(xié)作時學習者常常需要自己計劃、執(zhí)行與監(jiān)控，并非真正意義上的人機協(xié)同。當智能體具有一定的自主性后，協(xié)同學習不再是傳統(tǒng)意義上的機器輔助學習，而是一種融合共生。基于人機協(xié)作下的共享心智模型，智能體可以感知學習者的狀態(tài)與情緒，在人機協(xié)作學習時及時識別情境（共享的知識空間）、預測情境變化；可以動態(tài)調(diào)整協(xié)同關(guān)系，監(jiān)控與推動協(xié)作進程，直至順利完成協(xié)作任務。借助人機協(xié)同下的共享心智模型，智能體可以在協(xié)同中主動交互，成為學習者有理解能力、學習能力、決策能力的合作方，從而推動人機協(xié)同學習的優(yōu)化。

[1]何貴兵,陳誠,何澤桐,等.智能組織中的人機協(xié)同決策:基于人機內(nèi)部兼容性的研究探索[J].心理科學進展,2022,(12):2619-2627.

[2]Parmar S, Illingworth D A, Thomas R P. Model blindness: A framework for understanding how model-based decision support systems can lead to performance degradation[A]. Proceedings of the Human Factors and Ergonomics Society Annual Meeting[C]. CA: SAGE Publications, 2021:680-684.

[3][5]Cannon-Bowers J A, Salas E, Converse S A. Cognitive psychology and team training: Training shared mental models and complex systems[J]. Human Factors Society Bulletin, 1990,(33):1-4.

[4]Craik K. The nature of explanation[M]. Cambridge: Cambridge University Press, 1943:51.

[6]Cannon-Bowers J A, Salas E, Converse S. Shared mental models in expert team decision making[A]. Individual and Group Decision Making: Current Issues[C]. Hillsdale: Lawrence Elbaum Associates, 1993:221-246.

[7]Mathieu J E, Heffner T S, Goodwin G F, et al. The influence of shared mental models on team process and performance[J]. Journal of Applied Psychology, 2000,(2):273-283.

[8]Cooke N J, Salas E, Cannon-Bowers J A, et al. Measuring team knowledge[J]. Human Factors, 2000,(1):151-173.

[9]Patrick J, James N. Process tracing of complex cognitive work tasks[J]. Journal of Occupational and Organizational Psychology, 2004,(2):259-280.

[10]Walsh J P. Managerial and organizational cognition: Notes from a trip down memory lane[J]. Organization Science. 1995,(3):280-321.

[11][12]何貴兵,楊瓊.共享心理模型的測量[J].人類工效學,2006,(4):39-41.

[13][15]Scheutz M, DeLoach S A, Adams J A. A framework for developing and using shared mental models in human-agent teams[J]. Journal of Cognitive Engineering and Decision Making, 2017,(3):203-224.

[14]Jonker C M, Van Riemsdijk M B, Vermeulen B. Shared mental models: A conceptual analysis[A]. International Workshop on Coordination, Organizations, Institutions, and Norms in Agent Systems[C]. Berlin: Springer, 2011:132-151.

[16]Espevik R, Johnsen B H, Eid J, et al. Shared mental models and operational effectiveness: Effects on performance and team processes in submarine attack teams[J]. Military Psychology, 2006,(18):23-36.

[17]Hanna N, Richards D. The impact of multimodal communication on a shared mental model, trust, and commitment in human-intelligent virtual agent teams[J]. Multimodal Technologies and Interaction, 2018,(3):1-27.

[18][19]Srivastava D K, Lilly J M, Feigh K M. Improving human situation awareness in AI-advised decision making[A]. 2022 IEEE 3rd International Conference on Human-Machine Systems(ICHMS)[C]. Orlando, FL, USA: IEEE, 2022:1-6.

Research on Shared Mental Model under Human-machine Collaboration

HU Yi-Ling CHEN Yan-Jun

Human-machine coordination and symbiosis is a profound problem confronted by humans at present. But the low transparency and low control caused by the “black box” effect inside intelligent technology make human-machine collaboration often produce conflicts and contradictions. Under this context, the shared mental model has become the key concept to guide the members of human-machine collaborative team to understand and coordinate with each other. Based on this, the paper firstly reviewed the development process of the shared mental model and its classical measurement and evaluation methods. Then, based on the shared mental model, the concept of “extended thinking” was introduced, and the shared mental model under man-machine collaboration was designed. At the same time, combining the classic calculation and measurement methods of the shared mental model, this paper proposed a calculation framework and measurement approach for the shared mental model under human-machine collaboration. Finally, through application case analysis, it was found that the shared mental model under human-machine collaboration can effectively promote team collaboration and task performance, thereby verifying the feasibility and effectiveness of the shared mental model under human-machine collaboration. The shared mental model proposed in this paper under human-machine collaboration can provide theoretical support for the benign interaction of human-machine collaboration in the field of education, and provide reference for assisting human-machine collaborative learning and teachers’ educational decision-making.

shared mental model; human-machine collaboration; artificial intelligence; team collaboration

G40-057

A

1009—8097（2024）01—0064—09

10.3969/j.issn.1009-8097.2024.01.007

本文為2023年度國家自然科學基金青年項目“人工智能背景下教師人機協(xié)同度的影響機制與優(yōu)化策略研究”（項目編號：72304099）的階段性研究成果。

胡藝齡，副教授，博士，研究方向為人機協(xié)同機制研究與教育數(shù)據(jù)挖掘，郵箱為ylhu@deit.ecnu.edu.cn。

2023年10月15日

>

編輯：小米