Wetenschappers hebben een innovatieve methode ontwikkeld om de mentale belasting van mensen tijdens het gebruik van technologie te voorspellen voordat een taak daadwerkelijk wordt uitgevoerd. Het systeem, dat bekendstaat als 'Synthetic TLX', maakt gebruik van simulaties met AI-agenten om de traditionele manier van meten, waarbij men pas achteraf reflecteert op de inspanning, te vervangen of aan te vullen.
Het nauwkeurig bepalen van de menselijke werkdruk is essentieel om ontwerpstoringen en fouten in technologische systemen te voorkomen. Tot nu toe was de gangbare praktijk retrospectief: gebruikers vulden na een opdracht de NASA Task Load Index (TLX) in om aan te geven hoeveel fysieke en mentale energie de taak kostte. Volgens een wetenschappelijk rapport op arxiv.org biedt de nieuwe benadering echter een manier om deze scores proactief te schatten.
Van reflectie naar simulatie
De kern van Synthetic TLX ligt in het gebruik van kunstmatige agenten die menselijk gedrag simuleren. In plaats van menselijke proefpersonen in te zetten voor elke testfase, probeert het systeem de verwachte NASA TLX-scores te genereren. Deze aanpak is gebaseerd op het concept van thefreedictionary.com processen, waarbij men kunstmatige alternatieven creëert voor natuurlijke of menselijke interacties.
Om de effectiviteit van deze methode te valideren, hebben onderzoekers, waaronder Michael Terry, Meredith Ringel Morris, Carrie J. Cai en Tzu-Sheng Kuo, drie experimenten uitgevoerd. Hierbij werden de resultaten van de AI-simulaties direct vergeleken met de werkelijke scores die door mensen waren gegeven. Het doel was om vast te stellen in welke scenario's de simulaties een betrouwbare weerspiegeling boden van de menselijke ervaring.
Bevindingen en beperkingen
Uit de resultaten blijkt dat de AI-agenten in bepaalde situaties scores produceerden die nauw aansloten bij die van mensen. De precisie van de voorspellingen nam aanzienlijk toe wanneer de agenten werden uitgerust met een specifiek menselijk persona en wanneer er sprake was van actieve simulatie van de taak. Dit wijst erop dat de AI beter in staat is de menselijke beleving te imiteren als de rol en de context van de gebruiker strikt zijn gedefinieerd.
Desondanks concludeert het onderzoek dat er fundamentele verschillen blijven bestaan tussen mens en machine. De bronnen van werkdruk worden anders ervaren; waar een menselijke gebruiker bijvoorbeeld gestrest raakt door een onhandige interface of cognitieve overbelasting, kan een AI-agent deze factoren anders prioriteren of zelfs volledig negeren. Deze nuance is cruciaal voor de verdere ontwikkeling van evaluatiemethoden.
Toekomstige toepassingen
In de publicatie op worden drie concrete toepassingen beschreven om het potentieel van het systeem aan te tonen. De focus ligt hierbij op het creëren van 'werkdruk-bewuste' systemen. Door vooraf te kunnen inschatten welke interacties een hoge mentale belasting veroorzaken, kunnen ontwerpers hun interfaces optimaliseren voordat de software in gebruik wordt genomen.
Dit kan in de toekomst leiden tot dynamische systemen die automatisch extra ondersteuning bieden op het moment dat de voorspelde werkdruk een kritiek niveau bereikt. Het onderzoek, dat op 10 september 2026 werd ingediend bij de sectie Human-Computer Interaction van , legt hiermee een fundament voor snellere iteraties in het ontwerp van mens-machine-interacties, ondanks dat de simulaties de menselijke ervaring nog niet volledig kunnen vervangen.