Presentation is loading. Please wait.

Presentation is loading. Please wait.

Threaded Cognition: An Integrated Theory of Concurrent Multitasking

Similar presentations


Presentation on theme: "Threaded Cognition: An Integrated Theory of Concurrent Multitasking"— Presentation transcript:

1 Threaded Cognition: An Integrated Theory of Concurrent Multitasking
제가 발표할 내용은 An Integrated Theory of Concurrent Multitasking 입니다. 여기서 나오는 스레드는 멀티태스크 환경에서 프로그램을 처리할 때 효율적인 처리를 실현하기 위해 과정를 분할하는것 을 말합니다. 따라서 본 논문은 Threaded Cognition을 각각의 가정들을 통하여 정의하고 ACT-R을 통한 모델링과 실험으로 검증을 하는 논문입니다. 산업경영공학세미나 김재호

2 Introduction One of the most impressive aspects of the human cognitive system is the ability to manage and execute multiple concurrent tasks. This space of possibilities raises an enormous challenge in understanding, on the one hand, the human system’s astonishing capacity for multitasking and, on the other hand, the sometimes severe limitations on multitasking performance. In this article propose a new theory called threaded cognition that provides a theoretical and computational framework for understanding, modeling, and predicting performance during the concurrent execution of arbitrary tasks. Meyer and Kieras (1997a), Navon and Gopher’s (1979), Wickens (2002) Several theorists have posited the need for executive processes that manage and schedule individual tasks. (Baddeley (1986)) 먼저 Introduction 입니다. 인간의 인지 체계에서 가장 인상적인 면 중의 하나는 다중 동시 작업을 실행하여 해내는 능력이다 이러한 다중작업이 가능한 영역을 이해하는 것은 한편으로는 인간의 놀라운 다중작업 능력을 이해하고, 또 한편으로는 때로 존재하는 다중작업 수행의 매우 큰 한계점을 이해하는데 우리에게 커다란 과제가 된다. 본 논문에서는, 임의적인 작업을 동시에 수행하는 과정 동안에 이루어지는, 이해하고 모델화하며 예측하는 작업에 대한 이론적 수치적 틀을 제공하는 맥락 인지라고 부르는 새로운 이론을 제시한다. Meyer(메이어) and Kieras(키에라스) (1997a), Navon and Gopher’s(고퍼스) (1979), Wickens (2002)의 연구에서 다양한 단계에서의 잠재적 task interference를 추론하고 수량화하는 포괄적인 bottlenecks 처리와 관련된 많은 연구를 하였다. bottlenecks 처리와 관련하여 설명함에 있어서, 여러 이론들이 개별 작업들을 관리하고 조절하는 관리 프로세스의 필요성을 제기해 왔다. Baddeley (1986)는 작업 메모리 범주 내에서의 처리 루틴의 관리와 선택을 책임지는 중앙 통제 관리를 정의했다. 그러한 연구 이론들은 다중 작업 행위의 바탕이 되는 프로세스와 이러한 프로세스들이 가용 자원을 어떻게 나누고 이용하는지를 고려함으로써 우리가 다중작업을 이해하는 폭을 넓혀 주는데 영향을 미쳐왔다.

3 Introduction many theorists have recently turned to computational modeling as a methodology for providing rigorous specifications of both executive and task processes. Meyer, Ballas, and Lauber (2000) developed models in their EPIC (Executive-Process Interactive Control) cognitive architecture. In this article propose a theory of threaded cognition that provides both a conceptual theory and an associated computational framework for general domain-independent multitasking. Threaded cognition provides a domain-independent theory and framework for understanding, representing, and predicting multitasking performance. 많은 이론가들이 최근 관리 프로세스와 task 프로세스 모두에 대해 철저하게 전문화된 사양을 제공하기 위한 방법론으로 컴퓨터 모델링에 의존해왔다. 그러나 이러한 노력들은 거의 전부가 하나의 영역에 맞추어진, 특정 영역 전문 메커니즘을 이용해 왔으며, 그리하여 그 모형이나 메커니즘을 다른 작업 영역으로 일반화하기가 어렵도록 진행되었습니다. 여기서 논문연구자들은 두 가지 접근법 모두에서 즉, 완벽하게 전문화된 컴퓨터 메커니즘으로서 일반적이고도 영역별로 독립적인 multitasking모델을 개발하는데 성공하기를 원하였습니다. 노력의 일환으로, Kieras, Meyer, Ballas, 그리고 Lauber (2000) (또한 Kieras, 2007)는 단독 영역으로 전문화된 여러 관리 프로세스들을 영역 전문성을 가지고 하나의 일반적인 관리 프로세스로 통합하려는 문제를 탐구하기 위해 자신들의 EPIC (Executive-Process Interactive Control: 상호작용 관리 프로세스 통솔)형 인지 구조의 모델들을 개발했다(Meyer & Kieras, 1997a). 그러나 그들은 이 작업에서 자신들의 두 개의 일반 관리 프로세스 중 어느 것도 인간행동을 정확하게 설명하지 못한다는 것을 발견했으며, 인간 행동 자료를 가장 적절하게 설명하기 위해서 개별적으로 전문화된 관리 프로세스에 의존했다. 본 논문에서 우리는 일반적이며 영역 독립적인 다중 작업에 관한 개념적 이론과 또한 그와 관련된 컴퓨터를 이용하는 연구 작업 두 가지 모두를 제공하는 threaded cognition 이론을 제시한다. (Threaded cognition) 이론은 우리의 cognition이 일련의 (active set of task goals) 지속하여 결국 이용가능한 (resource) 전체를 통합 처리하는 일련의 Threaded 을 구성한다고 가정한다. ACT-R (Adaptive Control of Thought-Rational: 사고 합리성 조정 통제) 인지 구조(Anderson 외 2004)에 바탕을 둔, 이 메커니즘의 컴퓨터 모형은 임의적 Task의 멀티풀 모델들이 함께 실행되도록 하며, 결과적인 멀티테스킹 performance에 대한 즉각적인 예측치를 만들어 낸다. Threaded cognition 개념은 multitasking수행의 이해, 표현, 그리고 예측을 위한 영역 독립적 이론과 틀을 제공해 준다.

4 Threaded Cognition_cook
Threaded Cognition의 핵심 아이디어는 멀티태스킹 동작은 serial cognitive processor에 의해 조정 및 multiple processing resources에 걸쳐 분산된 여러 개의 작업 스레드의 실행으로 표현 하는 것입니다. 그림을 통하여 보면… Threaded Cognition을 정의하기 위한 2가지의 핵심적인 가정을 하고 있습니다. 첫 번째 가정은 single task performance위한 기본 프레임 워크를 제시하여 이론적인 토대를 마련. 두 번째 가정은 Threaded Cognition과 멀티테스킹 퍼포먼스의 이론으로 single task performance를 확장하는 것 입니다.

5 Core Assumptions_Single-Task Performance
Processing Resources Assumption: Human processing resources include cognitive, perceptual, and motor resources. Cognitive Resources Assumption: Cognitive resources include separate procedural and declarative resources, each of which can independently become a source of processing interference. Declarative Resource Assumption: Cognition’s declarative resource represents static knowledge as information chunks that can be recalled (or forgotten). Perceptual and Motor Resources Assumption: The perceptual and motor resources allow for information acquisition from the environment and action in the environment. Procedural Resource Assumption: Cognition’s procedural resource represents procedural skill as goal-directed production rules. Procedural Learning Assumption: When learning new tasks, declarative task instructions are gradually transformed into procedural rules that perform the task. 단일 작업 수행을 위한 핵심적 가정 인지자원의 가정: 인지자원에는 개별적인 절차처리 및 선언 자원들이 있는데, 이들 각각은 독립적으로 간섭 처리의 원천이 될 수 있다. 실제적 지식의 저장 메모리 역할을 하는 선언 자원과 정보를 통합하고 새로운 행동을 유발하는 절차자원이라는 두 자원이다. 이러한 구별은 단순한 자극반응 선택을 넘어서 넓은 범위의 복잡한 작업들에까지 일반화하는 것을 용이하게 한다. 게다가, 이 구별은 다중작업에서 때때로 발생하는 메모리 관련 작업과 절차적 간섭 작업 사이의 구별을 설명하게 해주는데, 연습과 학습이 절차화에 이르게 되는 방법과 간단히 설명했듯이 인지자원의 용도변경 등이 그 예이다 선언자원 가정: 인지의 선언자원은 회상할 수 있는(또는 망각할 수 있는) 정보 chunk로서 고정적 지식을 나타낸다. 인식자원 및 운동자원 가정: 인식자원과 운동자원들은 환경으로부터의 정보획득과 환경에서의 운동을 허용한다. 인체는 다양한 인식자원과 운동자원을 통합하여 정보를 획득하고 외부세계에서 행동 한다 Threaded Cognition는 인식자원과 운동자원의 ACT-R에서의 컴퓨터를 이용한 표현에 의존하는데, 그 중 일부는(특히 운동자원의 경우는) EPIC 인지구조로부터 이끌어내어 진다 절차자원의 가정: 인지의 절차자원은 절차적 기술을 목표지향적 production rules으로서 표현한다. 우리의 맥락인지 관점에서 중심자원인 절차자원은 이용 가능한 작업처리 결과를 다음 단계의 자원처리를 위해 새로운 요청으로 결합하고 도식화하는데 – 마치 우리가 처음에 했던 요리의 비유에서 요리사가 조리의 결과(예, 밀가루 반죽)를 변형시켜 새로운 과정의 처리(반죽을 빵으로 굽기)를 시작하는 것과 흡사하다.

6 Core Assumptions_Single-Task Performance
Attend-stimulus IF the goal buffer contains a choice task and the visual resource is free and the visual buffer is empty THEN issue a request to the visual resource to encode the stimulus Respond-to-left-stimulus IF the goal buffer contains a choice task and the visual buffer contains the stimulus “O – –” and the manual resource is free THEN issue a request to the manual resource to press the index finger. 방금과 같은 가정을 이와같은 그림으로 설명이 됩니다. 그림 2a는 선택 작업의 각 단계들과 그 각 작업 관련 자원을 보여주는 시간 순서적 도해인데, 여기서 시간의 순서는 위에서 아래로 흘러가며, 박스의 높이는 그 활동의 수행에 필요한 시간을 나타낸다. 이 그림에서 명백한 바와 같이, 처리 프로세스는 절차 자원에서의 규칙 작동과 주변 (시각적과 손의)자원의 처리 사이에서 변화한다. 각 규칙의 작동은 절차자원에 대해 50ms의 시간이 요구됩니다. 시각 자원이 자극을 탐지하면 목표버퍼의 목표와 결합하여 시각모듈에서의 암호화된 처리를 개시하는 첫 규칙을 촉발한다. 암호화가 완료되면, 그 결과의 표현(예, 암호화된 자극)이 시각버퍼에 위치된다. 시각 버퍼의 표현은 다시, 현재의 목표와 결합하여, 적절한 운동 반응을 유발하는 두 번째 규칙을 촉발한다.

7 Core Assumptions_ Threaded Cognition and Multitasking Performance
Threaded Processing Assumption: Cognition maintains a set of active goals that produce threads of goal-related processing across available resources. Resource Seriality Assumption: All resources— cognitive, perceptual, and motor—execute processing requests serially, one request at a time. Resource Usage Assumption: Threads acquire and release resources in a greedy, polite manner. Conflict Resolution Assumption: When multiple threads contend for the procedural resource, the least recently processed thread is allowed to proceed. 위에서 설명한 단일작업 가정들을 기반으로 하여, 맥락인지는 다중작업 수행의 성격을 설명하는 몇 가지 중요한 가정을 추가한다. Threaded Cognition 는 또한 기존의 ACT-R의 컴퓨터 작업 틀을 확장하고 다중작업 행동의 표현과 모형화를 매우 많이 이용하는 새로운 맥락적 버전의 아키텍처(구조)를 제시한다. 사실상, Threaded 아키텍처는 두 개 이상의 단일작업 모형의 즉각적 통합을 다중작업 모형으로 통합하고 그에 따른 다중작업 행동의 즉각적 예측을 허용해 준다. 맥락 처리의 가정: Cognition는 이용 가능한 자원들을 통해 목표와 관련된 처리를 위한 맥락을 생성하는 active goals 의 세트를 유지한다. 시스템이 현재 동시 다중작업을 통해서 동시에 만족시키려고 시도하는 한 세트의 목표를 말한다. 물론, 발생하는 주요 난관은 그러면 시스템이 모든 목표를 완성하기 위해 어떻게 처리를 할당하고 자원들 간의 수행을 균형 잡는가 인데, 우리는 이 난관을 추후의 가정에서 정리한다. 자원 이용 가정: 맥락들은 탐욕스러우면서도 예의 바른 방식으로 자원을 획득하고 내보낸다. 우리의 맥락인지 구성은 맥락의 가용자원 사용을 “탐욕스럽고” 그리고 “예의 바른” 것으로 요구함으로써 그러한 예의를 정의한다. 맥락들은 필요한 경우 가능한 빨리 자원을 요청함으로써 탐욕스러운 방식으로 자원을 획득한다. 자원을 획득한 후, 맥락은 그 처리가 더 이상 필요하지 않게 되자마자 다른 맥락들을 위해 자원 하나를 놓아주거나 또는 방출함으로써 예의 바른 방법으로 자원들을 해제한다 충돌 해결 가정: 다중 맥락들이 절차자원을 두고 다툴 때, 더 오래 기다린 맥락이 진행하도록 허락을 받는다.

8 Core Assumptions_ Threaded Processing Assumption
우리는 하나의 맥락은 규칙들의 작동을 통해 절차처리를 수행하고 이 작동에 의해 촉발된 다른 자원의 처리를 수행하는 것을 포함해 특정한 목표의 전체적인 수행을 진행하는 것으로 정의한다. 그림 3a는 서로 다른 동시적인 선택작업들에 대한 두 개의 맥락을 보여 준다. : 시각-손 선택작업이 앞에 있는 것이고, 자극이 시각이 아니라 청각인 청각-손 선택작업은 그 옆에 있다. 소리를 탐지하고 50-ms(마이크로 초)가 흐르면(자세한 사항은 나중에 우리의 이중선택 영역의 설명에서 진행된다), 이 맥락은 소리를 암호화할 규칙을 작동하고(예, 소리가 높은 음인지 낮은 음인지를 결정), 알맞은 반응을 일반화할 두 번째 규칙을 작동한다. 이 경우에, 청각-손 맥락은 손 자원이 자유롭게 되기를 기다려야만 하며, 그래서 이 작업을 위한 전체적인 반응 시간에서 지연을 일으킨다. 그림 3b는 청각-음성과 결합된 시각-손 맥락을 보여주며, 이렇게 함으로써 인식자원과 운동자원의 충돌을 없애준다. 그러나 두 번째 맥락은 여전히 절차자원에 대한 충돌로부터 지연을 받고 있는데, 이유는 각각의 맥락에 대한 시각과 청각의 암호화가 거의 동시에 완성되기 때문이다. 그림3c는 시각 암호화에 필요시간이 조금 더 적은 동일한 두 개의 작업을 보여주는데, 우리는 여기서 조금의 충돌도 일어나지 않는 것을 보게 되고, 그러므로 완벽한 시간분할이 성공한다.

9 Core Assumptions_ Threaded Processing Assumption
그림 4는 이 마지막 보기의 스토리보드 형식을 보여준다. 개념적으로 볼 때, 하나의 스레드는 어떤 동시적 테스크와 관련되어 있는 특정한 사고의 흐름을 나타낸다. 단순한 작업은 단지 하나의 관련 맥락을 가지고 있게 된다. 하지만, 많은 복잡한 작업들이 더 높은 목표를 향해서는 함께 일하지만 각각의 작업들이 개별적으로는 자기의 목표라는 특정한 국면에 집중하는 하나의 세트로 된 맥락으로 표현될 수 있다.

10 Relation to Other Theories of Multitasking
Threaded cognition builds on a number of existing ideas and theories and attempts to unify them under the auspices of a single computational theory. The most closely related theories to our own are those that attempt to integrate a number of modalities and resource constraints into a unified framework. Multiple resource theory (Wickens, 2002) Contention scheduling (Norman & Shallice, 1986) QN-MHP (Liu, 2005) EPIC cognitive architecture (Meyer & Kieras, 1997a) Threaded cognition arose from a unification of two recent modeling approaches by the individual authors. Salvucci (2005) : ACT-R (queuing and timing mechanisms) Taatgen (2005) : dual-task performance model 멀티테스킹의 다른 이론들과의 관계 Threaded cognition은 많은 기존의 아이디어들과 이론들 그리고 단일작업 컴퓨터(single computational) 이론의 지원하에 그 이론들을 통합하려는 수많은 시도로 이루어졌다. 우리의 이론과 가장 근접하게 가까운 이론들은 많은 modalities와 통합된 프레임워크로의 자원제약을 통합하려고 시도하는 이론들이다. Multiple resource theory (다중자원이론) : 4개의 dimension 관점에서 dual-task interference를 다루는 것이 특징이다. 행동 사건의 미세하고 일시적인 순서의 예측과 인간 행동과 비교한 사실적 계량 측정의 예측이 부족하였습니다. Contention scheduling (경쟁계획화) : 위에서 아래로의 통제와 환경 자극 모두를 통해서 적절한 행동을 촉발시키며, 이 action-selection 메커니즘은 dual-task performance에서 주요한 병목현상이 될 수가 있습니다. 그러나 자원충돌이 존재하는 경우에는, 이론이 충돌을 해결하기 위해서 더 높은 수준의 supervisory attentional system 의 구조에 의존하며, 이러한 때, 그러한 구조를 학습하고 행동할 이론이 없다는 단점이 있습니다.. QN-MHP(Queueing Network-Model Human Processor, 대기 행렬 네트워크 모형 인간 프로세서) : 대기행렬 네트워크는 서버들의 병렬 네트워크를 표현할 수리적인 틀을 제공하는데, 이 각각의 서버는 정보를 순차적으로 또는 병렬적으로 처리할 수 있다. 이와는 대조적으로 Threaded cognition은 resource들이 한 번에 하나의 요청을 처리하는 자원 연속성의 처리에 있어서 문제점을 줄인 더 강력한 이론인 것이다. EPIC cognitive architecture : task domains들 전체를 지배하는 총체적인 실행 프로세스의 잠재적 특징을 탐구하였습니다. EPIC 아키텍처는 우리의 연속적 절차자원의 개입과는 대조적으로 병렬적인 다중규칙 작동을 허락한다. Threaded cognition 는 자원을 관리하고 자원충돌을 해결하기 위해 rule-based executive processes 를 이용하는 것이 아니라, 모든 작업에 대해 철저하게 계산된 구조적 메커니즘을 취한다는 점에서 Kieras 등(2000)이 개념화한 것과는 다르다. Threaded cognition 는 별개의 개별적인 저자들에 의해 연구된 최근의 두 가지의 모형화 접근법을 통합함으로써 생겨났다. . Salvucci (2005)는 더 보수적인 다중작업으로 가는데, 왜냐하면 맥락인지와는 달리, 한 번에 단 하나의 목표만 활성화되고 다른 목표들은 현재의 활성화된 목표가 주변적 처리를 기다리고 있는 동안이라고 할지라도 진행될 수 없는 경우로 처리되기 때문이다. Taatgen (2005)은 개별적으로 학습하는 일과 필요할 때 그 작업들을 독립적으로 수행하는 일 모두를 더욱 어렵게 만들어주는 더 철저한 이중작업 표현에 의존했다. 저자 는 맥락인지가 각 접근법의 장점만을 수용하여 통합한다고 생각하는데, 상당히 높은 효율성을 가지면서도 인간 행동에서 관찰되는 다중작업과 같은 매우 융통적인 성격을 설명해주는 단순하면서도 철저한 이론이라 생각한다.

11 Key Claims and Predictions of Threaded Cognition
Cognition can maintain and execute multiple active goals, resulting in concurrent threads of resource processing. Threads can be characterized as alternating blocks of procedural processing (i.e., rule firings that collect information and initiate new resource requests) and processing on peripheral resources (including perceptual, motor, and declarative memory resources). Processing interference can arise on the central procedural resource as well as on the declarative, perceptual, and motor resources. Threads acquire resources greedily and release resources politely, which arises naturally from the characterization of resources as modules and buffers. Cognition balances thread execution by favoring least recently processed threads on the procedural resource. With practice, threads become less dependent on retrieval of declarative instructions, reducing conflicts for both the declarative and procedural resources. Cognition requires no central or supervisory executive processes; instead, multitasking emerges from the interaction of autonomous process threads in conjunction with the key claims above. 1. Cognition can maintain and execute multiple active goals, resulting in concurrent threads of resource processing. 인지는 multiple active goal들을 유지하고 실행할 수 있으며, 결국 자원처리의 동시적 threads을 이룬다.ㅣ 2. Threads can be characterized as alternating blocks of procedural processing (i.e., rule firings that collect information and initiate new resource requests) and processing on peripheral resources (including perceptual, motor, and declarative memory resources). threads들은 procedural processing 블록을 교대시키고(예, 정보를 수집하고 새로운 자원 요청을 개시하는 규칙 작동), 주변 자원을 처리하는 특징이 있다. 3. Processing interference can arise on the central procedural resource as well as on the declarative, perceptual, and motor resources. 처리 충돌은 선언자원, 인식자원, 그리고 운동자원 뿐만 아니라 또한 중앙 절차자원에서도 발생할 수 있다. 4. Threads acquire resources greedily and release resources politely, which arises naturally from the characterization of resources as modules and buffers. 맥락들은 탐욕스럽게 자원을 획득하고 예의 바르게 내어 놓으며, 이것은 모듈과 버퍼라는 특징을 가지고 있는 자원으로부터 자연스럽게 발생한다. 5. Cognition balances thread execution by favoring least recently processed threads on the procedural resource. 인지는 절차자원에 대해 선처리 맥락을 선호함으로써 맥락의 수행에 균형을 준다. 6. With practice, threads become less dependent on retrieval of declarative instructions, reducing conflicts for both the declarative and procedural resources. 연습을 통해서, 맥락은 선언 지시의 회수에 덜 의존하게 되며, 선언자원과 절차자원 모두의 충돌을 줄인다. 7. Cognition requires no central or supervisory executive processes; instead, multitasking emerges from the interaction of autonomous process threads in conjunction with the key claims above. 인지는 중앙 또는 감시 관리 프로세스를 전혀 필요로 하지 않으며, 대신에, 다중작업은 위의 핵심 요구사항과 결부한 자동적인 처리맥락의 상호작용으로부터 발생한다.

12 Model Simulations of Representative Tasks
대표 작업의 모델 시뮬레이션 선택된 모델링 도메인에 의해 제공 이론적 범위의 개요

13 Dual Choice_ PRP and Perfect Time Sharing
Dual-choice task는 멀티테스킹 분야에서 가장 널리 연구된 영역을 대표한다. 대부분의 양자선택 연구는 PRP 패러다임을 이용하는데, 여기서는 한 작업이 다른 작업에 비해 우선권을 갖는다. 실험. 이 task는 은 처음 제1일에는 단일 작업 조건으로 테스트되었고, 다음 제2일부터 제5일까지는 단일 작업과 이중작업 모두에 관해 테스트되었다. 결과를 보면, 참여자들은 각 실험의 첫 날에는 이중작업 충돌을 겪었으나, 이 충돌이 제5일 무렵에는 완전히 사라졌음이 드러났다 그림 5에서 설명되는 바와 같이, 초기 단계에서는 충돌이 있다. 연습을 통해서, 이미 언급한 생성 번역 메커니즘 (the production compilation mechanism )이 점차로 declarative representations 회수를 특정task production rules 해석하게 된다. 이것이 선언 메모리를 자원으로 바꾸어 모형으로부터 병목을 제거하고 결국 그림 3c에서 보듯이 충돌 없는 다중작업을 만들어낸다. 그림 6은 모형과 자료 간의 일치를 보여준다(R2 = .96, 표준오차[RMSE] = .026).

14 Dual Choice_ PRP and Perfect Time Sharing
주요한 차이점은 작업자들에게 본래 작업의 동일한 우선순위가 아니라 청각-음성 작업이 우선적이라고 지시한다는 점이다. 게다가, 시각자극은 청각자극 후 50, 150, 250, 그리고 500ms 에 제시되었다(자극시작 비 동시성 또는 [SOA]라고 부르는 시간 지연). 그림 7에서 보는 바와 같이 그들에게서 PRP 효과가 정말로 발견되었다 이러한 작업의 편차를 모형화하기 위해서, 우리는 각 실험 초기에 두 개의 threade을 시작하는 대신에 주요 threade (청각-음성)을 우선 시작했고 2적 threade은 주 threade의 절차 수행이 완료될 때 – 즉, 음성반응 시작 시 - 시작했다. 그렇지 않다면, 실험1의 task에 훈련된 모형이 실험 참여자들이 경험이 있는 동일한 상황을 모방하는 것으로 가정한다. 그림 7은 모형에서의 이 작은 변경이 정말로 Schumacher 등(2001)의 데이터와 일치한다는 것을 보여준다(R2 = .95, 표준오차[RMSE] = .016).

15 Dual Choice_ PRP and Perfect Time Sharing
실험 3은 visual-manual task의 어려움을 증가시켜 dual-task의 동시반응 선택이 충돌을 일으키는지를 보도록 해주었다. 시각적 위치와 손가락 위치의 동일한 맵핑을 갖는 대신에, 참여자들은 순서를 거꾸로 해야만 했다: 지금은 제일 왼쪽의 시각 자극이 제일 오른쪽 손가락에 맞추어지고, 다른 손가락도 그렇게 되었다. 그림 8에 보이듯이, 결과는 이러한 변경이 작업을 정말로 어렵게 만든다는 것을 보여준다. 심지어 제6일에도, 사람들은 완전한 시간 분할로 완벽히 성공하지는 못한다. 이 데이터를 모형화 하기 위해, 우리는 실험 1의 모형을 가지고 왔고 visual– manual task의 지시사항을 교체하였다: stimulus–response mapping 이제는 동일하지 않으므로, 우리는 모델이 declarative 메모리로부터 stimulus–response mapping 을 회수하도록 요구했고, 일치하지 않는 맵핑은 그것을 해결하기 위한 의식적인 노력을 요구한다는 가정을 반영했다. 이 모형 처리는 그림 8에 포함되어 있다(R2 = .98, 표준오차[RMSE] = .020).

16 Tracking and Choice_Dual-Task Interference in a Continuous Task
다음실험은 Tracking and Choice task로 화면에 나타난 움직이는 화살표를 눈으로 확인하고, 오른쪽으로 이동키를 눌러 움직인 다음 왼손으로 선택하는 Task로 실험을 진행하였다. 실험의 기본적인 3가지의 rule은 moving cursor를 find하기, Cursor를 target으로 이동하기, 이 프로세스를 반복하기 이다. 실험의 난이도는 쉬운것과 어려운 것으로 나뉘어져 있음. 실험 환경은 과거에 했던것과 동일하게 적용하였다. 구축된 모델은 총 16번의 시뮬레이션을 수행해서 데이터를 수집하였다. 그림9는 모델의 아키텍쳐를 보여주고있음 그림 10(a)는 테스크 수행(tracking)에서 발생하는 error이고, 10( b)는 선택하는데 있어서의 반응시간을 보여주고 있다. 그림 10(a)를 보면 tracking target 및 choice에 대한 자극이 증가함에 따라 error가 꾸준히 증하가는 경향을 볼 수 있다. 그림 10(b)를 보면 choice reaction time에 대한 효과를 볼 수 있는데 여기에서 tracking 난이도에 대한 영향은 발견되지 않았다. 우리가 만든 model의 결과는 기존의 연구와 유사함. 이러한 결과를 EPIC cognitive architecture나 hybrid EPIC–Soar architecture의 결과와 비교 할 수 가 있습니다. 그 결과는 이 실험의 결과가 다른 모델들과 대등한 결과가 나왔는데 여기의 모델이 다른 모델에 비하여 중요한 장점이 있다. 이전의 모델들은 task의 전환에 명백한 specification을 필요로해서 매우 복잡한 디아그램을 야기한다. 우리의 모형은 task 전환의 명백한 specification 없이 2개의 간단한 simple component models의 통합으로, threaded cognition은 2개의 업무를 처리하고 수행하는 것을 허용한.

17 Reading and Dictation_Perfect Time Sharing in Continuous Tasks
Reading and Dictation task는 2명의 피실험자에게 700~5000 단어에 해당하는 책을 읽게 하고, 책을 읽는 동안 실험자가 불러주는 단어를 받아쓰게 하였다. 그리고 실험에 대한 Practice를 85일간 하게 하면서 Practice를 통한 perfect time sharing의 결과를 관찰하였고 이를 모델링하였다. Reading and Dictation 실험결과, practice는 writing speed나 story이해의 정확도에는 큰 영향을 주지는 못했다. 하지만 reading speed에는 많은 영향을 주었다. 평균 reading speed가 480 words/minute 였던 피실험자 john의 경우, 첫 주 Reading and Dictation 실험에서는 reading speed가 314 words/minute 였지만, 6주의 practice를 거쳐 451 words/minute까지 상승하였다. 그리고 reading speed가 358 words/minute 였던 피실험자 Dian의 경우, 첫 주 Reading and Dictation 실험에서는 reading speed가 254 words/minute 였지만, 6주의 practice를 거쳐 333 words/minute까지 상승하였다. 이를 통해 도출될 수 있는 인지모델은 Figure 11과 같다. Figure 11은 실험은 통해 이미 task에 익숙해진 expert stage의 인지모델이다 (‘gray area는 procedural 모듈의 처리를 기다리는 중’임을 의미한다). Practice 초기에는 declarative 에서 retrieval을 위해 더 많은 production rule을 처리해야 했기 때문에 reading 에 더 많은 시간이 걸렸지만, 훈련을 통해 procedural 에서 곧바로 처리할 수 있게 됨으로써, 거의 완벽한 time sharing이 가능하게 되었음을 의미하고 있다. Figure 12는 Reading and Dictation 실험에 대한 실제 데이터와 인지모델 데이터를 비교한 도표이다. x축은 practice week이고, y축은 reading만 수행할 때(single-task)의 속도와 Reading and Dictation 실험(dual-task)에서의 reading 속도의 비(proportion)이다. 사람마다 reading speed에 대한 편차에 의해 개별적인 차이가 있지만, 인지모델의 결과는 훈련을 통해 Reading and Dictation 실험(dual-task) 에서의 reading 속도가 reading만 수행할 때(single-task)의 속도에 접근하고 있는 경향을 잘 반영하고 있다 (인지모델에서의 single task reading performance = 298 words/minute, 초기 Reading and Dictation 실험에서의 reading 속도 = 229 words/minute, 6주 연습 후 Reading and Dictation 실험에서의 reading 속도 = 270 words/minute).

18 Driving_Transfer and Integration in a Real-World Domain
다음은 드라이브 테스크입니다. 운전 영역 실험의 주요한 장점 하나는 이것이 우리가 이 이론을 많은 사람들이 매일 경험하는 진짜 실생활 작업에 적용하도록 해준다는 점이다. 운전스레드에 관련하여 모델은 ACT-R 통합 운전자 모델(Salvucci, 2005, 2006)을 사용하였고 이 모델은 보통의 다 차선 고속도로 환경에서 주행할 수 있고, 상황관측, 회전판단, 그리고 차선변경과 같은 하위 작업의 수행측정과 관련하여 인간 운전자의 행동에 대비 되었다. 본 실험에서는 모든 Task들의 운전 모델의 통제(운전대 조종과 가속-정지)만 포힘되고 차선변경은 포함되지 않았다. 운전자 모델은 4가지의 rule로 반복되는것이 핵심인데 그림에 보시는 것과 같이 먼저 현재차선의 위치를 파악하는 니어포인트의 확인 그리고 다가올 차선 환경에 관한 정보를 제공하는 Far 포인트 확인 세 번째 규칙은 운전대와 페달 조종을 위한 motor commands를 motor modules 에 보내고 또한 원거리 지점의 물체를 암호화하기 위해 visual attention을 지시한다. 네 번째 규칙은 차량의 stability을 점검한다: 만일 차량이 현재의 좌우 측면 상 위치와 속도 점검에 의해 충분히 안정되어 있지 않다면, 처리 과정이 즉시 반복 실행된다. ; 만일 차량이 충분히 안정적이라면, 처리 과정이 잠시 후(짧은 시간 후)에 실행된다. 아래의 두 작업 영역들은 (Driving and choice, 그리고 Driving and the sentence-span task. ) 운전자가 앞차에서의 시각적 자극 발생시 시 브레이크를 밟도록 요구하는 추가적인 작업을 사용했다; 처음으로 Driving and choice task 실험을 실시하였는데 사실 이 실험의 task는 choice task, the discrete(구별) braking task, and the continuous driving (steering) task, 이러한 task로 인하여 현실적 타당성을 더 갖추도록 해 주었으며, 운전 영역과 관련된 우리의 차후의 시뮬레이션들에 더 탁월하게 변형하도록 해주었다. 첫째, 우리는 모형을 확장시켜서 만일 차량의 브레이크 등이 켜진다면 엑셀의 디폴트 통제를 우회해 버리고 대신 브레이크 페달을 누르도록 했다. 둘째, 하나의 선택은 선도 차량의 후미 창문에서의 한 번의 번쩍이는 불빛이거나 또는 한 번의 청각적 음이었는데, 반면에 두 번째의 선택은 두 번의 빠르게 반복되는 번쩍임이나 소리로 나타났다. 게다가, 손의 반응에 관해서는, 운전자가 한번의 자극에 대해서는 입력버튼을 한번, 두 번의 자극에 대해서는 두 번을 누르도록 요구했다. 스레드로는 운전자 모형을 그리고 두 번째 스레드로는 선택모형을 사용했다. 각각의 조건(청각-손, 청각-음성, 시각-손, 시각-음성)에 대해 그리고 각각의 SOA(0, 0.15, 0.35, 그리고 1.20s)에 대해 8번을 시도한 시뮬레이션으로부터 결과가 집계되었다. 이전과 같이, 우리는 그림 13에서 보여주는 대로, 두 개의 작업이 어떻게 함께 수행되는지를 보여주는 세부적 처리 시간 과정을 검증할 수 있다. 언급한 대로, 운전과정 처리는 근거리와 원거리 지점을 발견하고, 운전대 조종과 엑셀(또는 감속) 행동을 수행하며, 도로의 안정성을 점검하는 4가지 규칙의 반복적 작동으로 되어 있다. 그림은 150 ms 의 SOA를 가지고 동시에 수행되는 운전과 선택 작업을 보여준다. 첫째, 선택 맥락에 관해서는, 청각 모듈이 소리를 감지하고 다음 소리를 듣기 위한 자극 간격을 기다린다. 일단 두 번째 소리가 있거나 또는 없거나 한 사실이 판정되면, 선택 반응이 이루어진다. 한편, 선도 차량의 브레이크 등의 시각 자극은 SOA 간격 이후에 나타난다(그림 13의 별표에 의해 표시됨); 운전 treaded의 일부로서 발생하는 차후의 시각 암호화는 현재의 이 브레이크 등의 빛을 암호화한다. 그 다음에 운전 treaded은 선택 반응 동안에 정상적으로 운동 수행을 계속하지만, 이 두 번째의 운전작업 업데이트에 대해 엑셀 조정이 이루어질 때 (그림 13의 2번 화살표로 표시됨), 정상적 엑셀 처리가 중단되고(과업 당 지시에 따라), 대신에 브레이크 과정 처리가 시작된다. 브레이크 동작은 작업 시작 후 600 ms의 지연시간 후에 완료된다; 한편 선택맥락은 종료하고 정상 운전이 회복된다. 시각적 브레이크 자극의 개시 후(그림 13의 별표에서 보임), 운전 treaded은 procedural 자원을 위해 두 번을 기다리고, 이 맥락에서 100 ms 의 지연을 발생시키는데, 이 지연은 Levy 등(2006)이 자신들의 연구에서 정리한 PRP 효과의 근원이다.

19 Driving_Transfer and Integration in a Real-World Domain
첫 번째 Task인 선택Task에 대한 반응시간들은 SOA에 의해 영향을 받지 않는다. 그러나 두 번째 task인 브레이크 Task에 대한 반응 시간들은 짧은 SOA 일 때 더욱 크다: 인간과 모형의 자료 모두에 대해, 우리는 SOA가 0 ms 일 때 가장 크게 증가하며(동시 개시), SOA가 150 ms 일 때는 더 작게 증가하지만, SOA가 350 ms 와 1,200 ms 일 때는 전혀 증가하지 않는다. input자원 (청각과 시각) 그리고 output자원(손동작과 음성)의 네 가지의 조합으로 반응시간을 보여준다. 시각조건들은 운전 작업에서의 시각자원 경쟁으로 인해 청각조건들 보다 더 많은 시간이 필요하고, 음성조건들은 반응음성 지연시간과 이후의 인식지연으로 인해 더 많은 시간이 필요하다. 그러나 이 결과들 중 가장 흥미로운 국면은 다중작업의 효과이다. 처음 두 블록은 단일작업(브레이크 없음)과 이중 작업(브레이크 있음) 조건들에서의 선택반응시간을 보여준다; 인간과 모형 모두에 대해, 브레이크 작업 추가가 반응시간 추가를 초래하지 않는데, 기본적으로 이중선택 영역의 과업 1 의 결과를 반영한다. 세 번째 블록의 결과에서는, 우리는 또한 투입과 산출 자원이 다중작업 조건에서 브레이크 시간에 영향을 미치지 않는다는 것을 보게 되는데, - 다시 말하면, 그림 14a의 PRP 곡선에서 보여주듯이, 다중작업 동안의 브레이크 수행은 투입과 산출 자원에 의해 영향 받지 않았다.

20 Driving_Transfer and Integration in a Real-World Domain
드라이빙의 다음 실험은 운전하면서 전화거는 task를 실험하였습니다. 이는 흔하면서도 잘못하면 위험하기까지 한 실생활 시나리오를 다루기 위해서 두 작업 모두를 가능한 한 현실적으로 구성하였다고 합니다. . 실험은 고속도로 시뮬레이션 환경에서 Nissan 240sx 차량의 앞부분 인터페이스의 가상현실 운전 시뮬레이터에서 수행된 운전자 distraction (Salvucci, 2001b)에 관한 최근의 실험에 모델을 사용하였습니다. 연구에서, 운전자들은 속도는 일정하게 유지되면서 개방형 도로를 운전해나가야 했으며, 그들은 가끔 네 가지 조건으로 7자리 수의 전화번호를 눌러 전화를 걸었다: 완전-손, 여기서는 운전자가 각 숫자를 눌렀고; 단축번호-손, 여기서는 운전자가 그 전화번화와 연관된 하나의 “단축번호”를 눌렀으며; 완전-음성, 여기서는 운전자가 일곱 개 숫자를 모두 부르고, 확인으로 반복되는 것을 들었고,; 그리고 단축-음성, 여기서는 운전자가 그 번호와 연관된 한 음절 어구(예, “사무실”)를 부르고 확인으로 반복되는 소리를 들었다. 모든 조건에서 전화 걸기 전에, 운전자들은 전화기를 활성화 하기 위한 특정한 power 버튼을 누르게 되어 있었고, 손으로 전화를 건 후에는, 운전자들은 다이얼을 완성하는 send 키를 누르게 되어 있었다. 다이얼 모델은 본래의 다이얼링 모형들을 가져와 최신 버전의 ACT-R 로 업데이트 했으며 다이얼링 모형을 위한 유일한 변수 가정들은 모든 음성 숫자는 한 음절 단어이고 모든 단축-음성 어구 조건들은 세 음절로 한 것이다. 각각은 운전하지 않는 동안 16번의 다이얼링을 시도했고, 운전 중에 16번의 다이얼링을 시도했다 그림 15는 세 숫자와 네 숫자의 두 블록으로 나뉜 7개의 숫자를 다이얼링 한 것에 대한 시간대별 처리과정을 보여준다(세 숫자와 네 숫자로 나누는 북미의 관습에 따라서). 새로운 블록의 숫자에 대해, 다이얼링 맥락은 먼저 그 블록을 나타내는 선언 덩어리를 회수하고, 다음 그 블록의 첫 번째 숫자를 회수한다. (이러한 형태의 선언 표현은 이전의 Anderson 등(1998)의 모형과 Salvucci 와 Anderson( 2001)의 유사 모형에서 공인되어 독립적으로 이용되었다.) 한편, 운전 맥락은 그 처리를 수행하며, 차량의 안정성을 점검하는 것으로 끝난다. 만일 차량이 충분히 안정상태가 아니라면, 운전 맥락이 안정될 때까지 통제를 유지하며 반복한다; 만일 차량이 안정적이라면, 다이얼링 맥락이 주도한다. 다음, 다이얼링 맥락은 입력한 원하는 숫자를 찾고, 사물을 시각적으로 암호화하면서 손을 움직여 이 위치로 간다. 버튼 누르기와 병행하여, 맥락은 입력할 다음 숫자를 회수한다. 블록에 숫자가 안 남게 될 때, 다이얼링 맥락은 블록 회수를 반복하고, 이 시점에 운전 맥락은 다시 시각 자원을 획득하고 안정될 때까지 차량을 통제한다. 그러므로, 운전 맥락은 블록들 사이에서 통제권을 가지며 블록 내에서는 통제권을 갖지 않는다; 전화번호에서 각 숫자들의 반응 시간에 관한 상세한 연구(Salvucci, 2005)는 사람들도 정말로 이것과 같은 패턴을 보여준다는 것을 암시한다.

21 Driving_Transfer and Integration in a Real-World Domain
그림 16은 모형 시뮬레이션과 인간의 자료에서 나온 두 가지 결과를 보여준다: (a) 다이얼링 작업을 완성하는데 필요한 총 시간, 다이얼링만 할 때와 운전 중에 다이얼링 할 때(R2 = .99, RMSE = .49), 그리고 (b) 차량의 측면(좌우 간격) 속도, 차량 안정성의 지표이며 일반적인 운전 수행 측정자료(R2 = .96, RMSE = .02). 그림 16a의 다이얼링 시간은, 다이얼링만 할 때와 운전 중에 다이얼링 할 때의 두 경우 모두에서, 단축번호-손 조건이 가장 빠르며 완전-음성 조건이 가장 느리다는 것을 보여준다. 그림 16b에서 보여주는 측면속도(좌우거리)는 이미 말한 바와 같이 인간은 손으로 다이얼링 하는 조건에서 심각한 주의산만을 보여주었고(운전만 하는 것과 이 경우를 비교하여), 음성 조건에서는 전혀 심각한 영향이 없었다. 모형은 또한 이 효과를, 주로 손으로 하는 다이얼링 작업은 시각적 집중을 요하므로 이 시각자원을 운전작업과 공유해야만 한다는 이유 때문에, 충돌을 일으키고 운전수행의 저하를 가져온다고 확인했다.

22 Driving_Transfer and Integration in a Real-World Domain
운전과 문장 말하기 작업 이 모형은 이 자료에 대한 일반화와 초기 모형의 맥락 버전을 나타낸다(Salvucci, 2002). 이 작업을 모형화 함으로써, 우리는 맥락인지가 (앞에서 본 모형에서처럼) 인식자원과 운동자원의 자원충돌의 영향을 설명할 뿐만 아니라, 또한 인지 프로세스 충돌 – 즉, 다중적 맥락을 수행할 때 나타나는 충돌 - 의 영향도 역시 설명한다는 것을 보여주는 것을 목표로 하고 있다. Alm 과 Nilsson (1995) 연구의 운전 작업은 앞서 가는 차가 때때로 갑자기 브레이크를 밟아서 운전자가 그에 반응하여 브레이크를 밟도록 되어 있는 차량-따라가기 작업이었다. 2차적 인지 작업인 문장-말하기 작업은 진지한 대화로 인지를 채우는 실험의 대용으로서 수행되었다(실생활의 대화는 개인들 간에 인지적 처리로 통제하기 힘들다는 것을 고려함). 문장-말하기 작업은 (또한 Daneman & Carpenter, 1980 참조) 문장을 처리하는 과정과 이 문장 속의 단어들을 회상하는 과정을 가진 두 개의 단계로 구성되었다. 첫 번째 단계에서, 운전자는 “X 가 Y 한다”는 구조의 문장 5개를 듣는데, - 예를 들면, The boy brushed his teeth(그 소년이 이를 닦았다) 또는 The train bought a newspaper(그 기차가 신문을 샀다) 등의 문장들이다. 각각의 문장이 끝난 후, 운전자는 그 문장이 일반적으로 이치에 맞는 말인지 아닌지를 말했다. 두 번째 단계에서는, 운전자가 문장들이 나온 순서대로 각 문장의 마지막 단어를 말하도록 요청 받았다. 예를 들면, The boy brushed his teeth(그 소년이 이를 닦았다) 또는 The train bought a newspaper(그 기차가 신문을 샀다)의 문장에 대해, 운전자는 각 문장이 나온 후 “예” 그리고 “아니오” 로 답했고(각각 대답함), 다음에는 기억했던 “teeth,” “newspaper,” 그리고 등등을 말했다. 문장-말하기 작업은 자체로 두 개의 서로 다른 행동을 가지고 있었는데, 즉 문장에 관한 감성을 판단하기와 마지막 단어를 기억하기(그리고 말하기)였다. 운전 작업과 결합될 때, 이 작업은 사실상 그들이 작업을 결합하고자 의도하는 것만큼 운전자에게 인지적 처리과제를 부과한다. 본질적으로 운전하며 선택하기 영역의 작업과 동일했기 때문에(예, 차 따라가다가 앞 차에 맞추어 브레이크 밟기), 우리는 그 모형을 규칙이나 변수의 변경 없이 바로 이 모형에서 사용하기 위해 도입했다. 모형은 각 문장요소(주어, 동사, 목적어)가 요소 간에 한 음절의 무음(150 ms)를 가지며 1 초의 발음시간이 요구된다는 것을 받아들인다. 대략 5분 동안의 운전 중에 각각 4번씩의 시도를 한 3번의 시뮬레이션 결과가 취합된다. 그림 17은 모형이 운전 작업과 인지 작업을 함께 수행하는 동안 이루어진 시간대별 처리과정의 표본 조각을 보여준다. 시간대를 통틀어, 모형은 운전 맥락에 문장-말하기 맥락을 끼워 넣는다. 특히, 시작 시간대에, 문장-말하기 맥락은 항목 리스트의 반복적 회수를 수행하고 나서 새로운 청각 자극의 존재를 점검한다(예, 말로 하는 문장 흐름이 들어옴). 새로운 자극이 들릴 때(그림 17의 별 표시), 문장-말하기 맥락은 자극을 암호화하고, 그것을 현재 문장의 선언 구조에 알린다. 이 경우, 그 자극은 문장의 끝임을 나타내므로, 맥락은 문장이 요구하는 발음 반응을 개시한다(예, 문장사리 여부판단). 음성 자원이 이 반응을 생성할 때, 마침내 회수는 완성되고 – 상대적으로 적은 반복을 가진 새로운 선언 덩어리를 나타내는 긴 지연시간 – 그리고 맥락은 다음 반복회수를 위한 준비 완료를 표시한다. 그러는 동안, 운전 맥락은 자신의 처리를 지속한다. 그러나 문장-말하기 맥락이 요구하는 많은 규칙 작동들은 결과적으로 운전 업데이트들 사이에 더 긴 간격들을 만든다(대략 보통 간격의 두 배정도). 그림 17에서 증명된 바와 같이, 이 처리과정의 주요한 병목현상은 절차자원인데, 이는 각 맥락들이 빈번한 절차규칙 작동을 요구하고 그리하여 이 자원들에 대한 충돌이 전체 과정 동안에 매우 많기 때문이다. Alm 과 Nilsson (1995)의 연구는 문장-말하기 작업으로 인한 인지 주의산만 분석으로부터 두 가지 중요한 발견을 보고했다. 첫째, 그들은 앞서가는 차량이 브레이크를 밟는 사건에 대한 반응시간을 측정함으로써, 브레이크 작업 수행에 미치는 인지작업의 중요한 영향을 발견했는데, 특히, 인지작업이 있는 경우에 브레이크 반응시간이 0.56 초만큼 증가한다는 것을 발견했다. 이 결합작업의 맥락인지 모형도 거의 비슷하게 0.54 초의 증가를 보였다. 또한 브레이크의 반응시간은 실제실험과 모델실험의 결과에 차이가있었는데 그 차이 점에 대하여서는 본 논문에는 설명하지 않았다. 그럼에도 불구하고, 그 모형은 그들 자료의 가장 중요한 국면을 포착하는데, 즉 인지 작업을 수행하며 운전할 때의 수행능력 감소가 막대하다는 사실이다. 또 운전-전화걸기 실험과 비교하여서 운전하며 다이얼링 영역에서 음성 다이얼링 시 측면 효과가 심각하지 않았다는 사실에서와 매우 흡사하며, 정말로 심각한 측면 영향을 미치는 손으로 다이얼링 하기에서의 큰 작업 충돌과 대조적이다. 우리는 인지 처리 자원에 대한 충돌 예측과 관련하여, 이 시뮬레이션들의 중요성을 다시 한번 강조해야만 한다. 그러므로 우리가 지금까지 보아온 모든 모형화된 작업들과는 달리, 운전하며 문장-말하기 작업은 본질적으로 인식자원 및 운동자원에 대한 충돌은 없으나, 인지에 고 부하를 주는 2차적 작업이 있다는 것이다. 그리하여, 2차적 작업의 결과로 발생하는 인지 주의산만은 주로 인지 처리과정에 대한 충돌 때문에 생긴다. 몇몇 인지 아키텍처는, 가장 두드러지는 것은 EPIC (Meyer & Kieras, 1997a)인데, 자원 처리에 대한 제한이 없는 완전한 병렬 인지 프로세서를 받아들인다. 그래서 그러한 아키텍처는 이 작업에서 다중작업 수행 영향이 없다고 예측하는데, 이는 두 작업들이 그들을 제한할 인식충돌이나 운동충돌이 없이 원만하게 병렬로 수행될 수 있기 때문이다. 대조적으로, 맥락인지와 ACT-R 인지 아키텍처는 인지 주의산만 작업 시에 발생하는 수행능력 쇠퇴를 정확하게 확인해주는 자원-한정 인지 프로세서를 탑재한다.

23 General Discussion Threaded cognition provides a theoretical and computational framework for reasoning about and predicting multitasking behavior. In this discussion, we expound on the broader theoretical implications of threaded cognition for concurrent multitasking and related types of multitasking behavior Theoretical Implications for Concurrent Multitasking concurrent multitasking does not require supervisory or executive processes to manage and schedule multiple task processes. both procedural and declarative processes can be sources of dual-task interference and that declarative processes are an especially prevalent source of interference in the early stages of learning. the representation of component task skills is simple and parsimonious, free from task-specific knowledge that dictates when and how task switching should occur. because of the absence of task-specific executive knowledge, practicing two tasks concurrently results in the same performance as practicing the two tasks independently. Threaded cognition은 추론에 관한 것과 멀티테스킹 행동을 예측하기 위한 컴퓨터 프레임워크와 이론을 제공한다. 본 Discussion에서는 Threaded cognition의 더 광범위한 이론적 결과에 대하여 설명하고자 한다. 동시에 일어나는 멀티테스킹을 위한 이론적 영향 1st 동시에 일어나는 멀티테스킹은 멀티테스크를 관리하는 프로세스를 요구하지 않는다. 2nd procedural 프로세스와 declarative프로세스가 dual task 방해에 원인이며 task의 초기에는 declarative가 주요 원인이다. 3rd 언제 어떻게 task의 전환이 일어나는지 지시하는 task의 지식이 없어서 task skill의 표현이 단순하다 4th task특유의 지식이 없어서 독립적인 두 개의 task실행이 같은 performance를 낸다. 멀티테스킹의 확장. Threaded cognition 의 확장에 대하여 discussion 하고있습니다. 마지막 드라이빙 실험에서 나타났듯이 실생활에서의 동시적 멀티테스킹을 확장 할 수 있고 또한 논문에 나와있는 예상하고 있는 task가 나올때 반응시간이 더 빨라 진다는 De jong이나, task의 성격이 비슷한 것들끼리 묶여 있으면 역시 performance가 좋아진다는 logan 과 burkell의 연구도 threaded cognition의 확장에 도움을 줄 수 있다고 합니다.


Download ppt "Threaded Cognition: An Integrated Theory of Concurrent Multitasking"

Similar presentations


Ads by Google