Human-Machine Teaming through Stochastic Structural Equation Modeling in SMR Control Rooms
Notice bibliographique
Résumé
Small Modular Reactor (SMR) control rooms present novel human-machine teaming challenges due to high automation, multi-unit monitoring, and reduced staffing levels. Understanding how operators' cognitive states and trust in automation relate to interface design preferences is crucial for safe and efficient SMR operations. This paper applies a stochastic structural equation modeling (SEM) approach to survey data from 30 nuclear control-room operators to quantify latent factors of Situational Awareness (SA), Workload (WL), and Trust in Automation (TR). A confirmatory measurement model validates these latent constructs from multi-item questionnaire scales. The structural model then examines how trust in the automated system influences operators' situational awareness, and how SA in turn affects perceived workload. To capture individual differences and evolving preferences, we extend the model with a latent class (mixture) component, revealing potential operator subgroups with distinct cognitive-trust profiles. Results indicate that higher trust in automation is associated with significantly better situational awareness (0.4, p<0.01), which correlates with lower selfreported workload (-0.5, p<0.01). The stochastic extension identified two latent operator classes: one "high-trust" group showing strong TR→SA effects and corresponding lower workload, and another "low-trust" group with attenuated TR→SA linkage and generally elevated workload. These findings underscore the importance of designing SMR interfaces and training programs that foster appropriate trust and support operators' situational awareness, thereby managing cognitive workload. The study demonstrates the value of stochastic SEM in human-machine systems research, offering a rigorous quantitative tool to inform adaptive interface design and personalized operator support in next-generation nuclear power plants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».