Abstract
近幾年來已有很多文獻探討心智負荷的相關理論與量測方法，但大部份為 靜態量測方面，亦即靜態心智負荷量測之發展已漸趨成熟；若能以心智負 荷為配置工作之指標，發展心智負荷之動態預測模式，必能控制人的心智 負荷在合理範圍內，以確保工作之最佳績效。本研究是利用階層式分析程 序技術建構心智負荷量測模式，並發展一負荷高低預測指標，然後模擬一 個ＦＭＳ的動態工作配置為實驗來驗證此指標，最後提出一個心智負荷動 態預測模式，以為動態工作配置之依據。在「人機系統中動態工作配置之 研究」中，利用類神經網路做負荷高低之預測，已驗證所發展之心智負荷 迴歸式為有效之量測方法，故本研究擬以相對強度指標（ＲＳＩ）值與其 心智負荷值作相關性分析，以驗證其為有效指標。實驗結果顯示ＲＳＩ值 與「人機系統中動態工作配置之研究」中之心智負荷值的確有顯著之相關 性，表示ＲＳＩ為有效之預測指標。再依據差異之顯著性檢定：負荷高低 值之相關係數高於ＲＳＩ值與心智負荷值之相關係數，說明了在預測負荷 高低方面，ＲＳＩ更能發揮其預測功能。一般情況下，只有在高負荷工作 時才須採取動態工作配置，而ＲＳＩ值與心智負荷值在動態工作配置時較 靜態工作配置時有較高之相關性，表示ＲＳＩ較適用於高負荷工作時之負 荷高低預測。本研究所提出之模式不需相關之分配假設，且結合了主觀與 客觀因素之心智負荷量測模式，可因應個人差異作心智負荷之預測，所發 展出來之ＲＳＩ預測指標亦有相當高之敏感度，彌補了過去預測模式之缺 憾。本研究不僅提出了一個預測心智負荷高低之指標，亦提供了一個研究 動態預測心智負荷之模式，未來可根據預測間距、更複雜的工作（多元素 工作）、其他影響因子作更深入的研究，最後希望本研究對日後之相關研 究能有所貢獻。