一种用于预测人为错误率的正式方法的验证：该方法考虑了负迁移效应

《IEEE Transactions on Human-Machine Systems》：Validation of a Formal Method for Human Error Rate Prediction With Negative Transfer

人为错误预测方法结合任务分析模型与CREAM方法，通过统计模型检查分析其对复杂系统故障的影响，基于OpenEMR处方输入界面验证发现排除计划错误后预测准确率提升，负迁移效应不显著，建议优化人机交互设计。

　　

摘要：

人为错误通常与系统故障相关联。人机交互的复杂性使得很难预测可能发生的错误及其对故障的贡献方式。先前的研究表明，将基于增强操作员功能模型（enhanced operator function model）的任务分析行为建模与认知可靠性分析方法（CREAM）结合统计模型检查，可以用来预测人为错误率、这些错误对系统故障的随机影响，以及设计变更的负面影响对这些预测的结果。这些研究取得了一定的成功，但验证研究使用的数据量有限且为人工生成的示例。此外，这些预测结果在一定程度上高估了错误率。本文通过基于OpenEMR电子病历系统的处方输入界面进行验证研究来弥补这些不足。在此过程中，我们探讨了在考虑/排除规划错误（即与人们制定任务计划能力相关的错误）的情况下，OpenEMR应用程序的预测准确性如何变化；我们假设这些规划错误导致了错误率的过高估计。研究结果表明，我们的预测结果与实验观察结果一致，尤其是在排除了规划错误的情况下。实验和模型预测均显示，负面转移效应并未导致错误率的显著差异。这些结果表明，文献中可能夸大了负面转移对人机交互的影响。最后，我们发现原始OpenEMR处方输入界面的错误率高于我们测试的另一种替代方案。我们强烈建议OpenEMR采用这种替代方案。

引言

人为错误常被视为复杂系统故障的主要因素[1]、[2]、[3]。它导致了大约50%的商业航空事故和75%的通用航空事故[4]、[5]；至少三分之一的无人机系统（UAS）事故[6]；以及每年44,000至98,000例医疗死亡事件[7]、[8]。这些错误通常源于系统性问题，即工程师在设计时没有考虑到人类的因素或人为错误可能产生的影响。然而，现代系统的复杂性使得工程人员难以全面考虑所有需要考虑的人机交互（HAIs）和错误。因此，研究人员试图通过探索形式化方法（用于证明系统模型属性的技术）来评估和设计复杂的人机交互系统[9]、[10]、[11]、[12]、[13]。本文重点介绍的是将人类任务行为模型与自动化行为模型相结合的方法。通过这些方法，形式化验证/证明可以确定所包含的行为（包括规范的人类行为和意外的人为错误）是否可能导致系统安全性的违反[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28]。