综述:神经多样性在人类表现中的统计过程与方差考量

《Theoretical Issues in Ergonomics Science》:Statistical process and variance considerations of neurodiversity in human performance

【字体: 大 中 小 】 时间:2026年04月29日 来源:Theoretical Issues in Ergonomics Science 2

编辑推荐:

  摘要:本文作者探讨了神经多样性以及具有神经多样性个体在各种环境、社会和任务情境下的能力问题。文章基于工程过程变异的视角,对描述组件属性和生产过程结果的参数变化进行了定量分析,以提高工程系统的性能。作者结合自身作为神经多样性工程师的经验,考虑了感官/社会适应对任务表现的影响,并将其

  摘要:本文作者探讨了神经多样性以及具有神经多样性个体在各种环境、社会和任务情境下的能力问题。文章基于工程过程变异的视角,对描述组件属性和生产过程结果的参数变化进行了定量分析,以提高工程系统的性能。作者结合自身作为神经多样性工程师的经验,考虑了感官/社会适应对任务表现的影响,并将其视为一种可行的方法,用于重新框架化对神经多样性人群的经验和评估,而不是将他们视为有缺陷或残疾的“他者”。

关键词:神经多样性;统计过程控制;任务表现;专家维度;情境化行为

主题分类代码:根据期刊要求添加相应的分类代码

引言:如何识别那些与众不同的工程师?——他们往往是那些会留意你鞋子的人。这个轶事不仅代表了一个关于专业群体性格特征和特点的(看似幽默的)刻板印象,还暗示了某种工作类型与神经多样性特征之间的关联。本文由两位处于不同职业发展阶段和个人经历的工程师共同撰写。两位作者都属于工程领域中代表性不足的群体。本文的目标是描述一套特定的工业和系统工程概念及工具在神经多样性定义、应用和适应方面的应用。或许最重要的是,作者们还从内部视角出发,分析了专业工作场所中神经多样性问题的考虑与有效设计。

两位作者都承认并部分拒绝将“社会残疾模型”(Buder和Perry,2023年引用)应用于“自闭症谱系个体”(ASI,参见Caldwell,2011年引用)的观点。至少有一位作者被专业诊断出患有自闭症;这对个人的日常生活和活动确实产生了影响。然而,正如一些研究者所指出的,也可以从人格表达的角度来理解ASI,而不仅仅将其视为需要治愈、预防或康复的残疾(Hill,2023年引用)。这种观点也让我们认识到,在个人和职业生活中,个体在适应能力、能力甚至某些领域的有效性(甚至卓越表现)方面都具有潜力。

人类绩效工程和工作设计的一个基本原则是,净能力并不仅仅存在于个体内部,而是个体在特定环境中执行任务时,其(不断发展的)各方面与环境之间的重要动态互动(Bailey,1996年;Proctor和VanZandt,1994年)。在工作情境中分析人类绩效也可以被视为一种过程,旨在使绩效能力与任务要求相匹配,并利用建模、统计和组织过程来最小化绩效下降(Alvero、Bucklin和Austin,2001年;Jagacinski和Flach,2002年;人类绩效建模小组,1990年;Pew,2008年;Pritchard等人,2002年;Stanton,1996年)。

一个简单的例子可以说明这一点:被认定为严重失明或视力受损的人(BVI)在某些活动(如驾驶或在科学研究环境中直接观察仪器)中确实受到限制。然而,如果这种人在家中遇到停电导致灯光无法使用,他们之前为便于导航或阅读(通过盲文书籍)所做的准备可能会使他们在停电期间比视力正常的邻居处于更有利的地位。然而,由于停电,两位邻居可能都无法完成其他任务(例如打开收音机听天气预报)。

关于人格、环境和任务在个体行为表达中的互动的描述并不新鲜。事实上,对情境化行为的全面考虑可以追溯到人格理论家Murray和Lewin的工作(Lewin,1938年,1943年;Murray,1938年)。需要注意的是,作者并非旨在系统回顾人格理论的历史,也不是要比较各种发展性、经验性或社会建构人格或社会行为理论的优势。然而,寻求更好地理解人、环境和任务互动的动态,是一种比简单的、单一维度的人格或残疾标签更为稳健的行为分析方法。此外,作为工程师的作者们将情境化分析聚焦于通过工程方法来检查和理解系统性能的过程变异和操作范围。

本文的其余部分将采用这种工程方法,即通常被称为统计过程分析(SPC)的方法。SPC的一个重要元素可以追溯到20世纪20年代(Shewhart,1925年),它认识到“良品”和“废品”是对更广泛操作结果的简化(且常常无效)描述。此外,在复杂的工程过程中消除所有变异源既不可取也不可能。这对人类神经多样性的影响既简单又复杂:我们都在能力和表现的多个维度上处于一个谱系上。以下章节将从类比和分析的角度解释这一点。

属性分布和过程控制/成本函数:本文的主要统计方法基于William Shewhart一个世纪前的工作(Shewhart,1925年,1926年),现在被称为统计过程控制(SPC,Caldwell,2013年,2014年)。Shewhart致力于理解变异性(及其来源)对组件生产和性能的影响(例如Western Electric公司的继电器或手机),这也催生了“Western Electric规则”等概念,用于理解过程控制和质量管理的理念。Shewhart考虑了生产组件测量属性的自然变异的影响。在他的理论中,目标是达到该属性的特定标准值(“设计设定点”)。无论变异的原因是什么,输出分布都会在一定程度上偏离设定点规格。一些变异源可以通过生产过程的一致操作得到有效限制或减少。然而,试图消除所有变异源被认为是“无限昂贵”的。此外,任何测量属性本身也受到测量过程不精确性的影响。因此,众多环境、情境和技术因素必然会影响组件测量值的范围。组件(包括设备和工人)需要在动态环境中根据设计预期执行其指定任务功能,以在随时间变化的动态系统中实现给定的性能结果(Caldwell,2014年)。这种对测量分布和统计变量输入及操作条件的评估是工程SPC分析和性能过程管理的核心。

如图1所示,SPC范式考虑了三个组件变异区域及其对性能的影响。围绕设计设定点的初始区域(“区域C”)表示在最小调整下仍能保持有效输出性能的名义变异;该区域由上限控制限(UCL)和下限控制限(LCL)界定,被称为有效性能的“控制范围”。第二个区域(“区域B”)超出控制范围,虽然仍可实现有效性能,但系统成本增加,有效操作条件的范围缩小。由于这些成本效益、操作范围和性能效率的降低,这个区域通常会被避免。该区域由上限设计限(UDL)和下限设计限(LDL)界定,超出这些范围的组件参数变异将无法支持系统的可靠性能。因此,UDL和LDL之外的区域(“区域A”)被描述为“失控”状态。导致区域A输出的 Production 应该停止,并修改生产过程,以重置并恢复到区域C的性能能力。

图1. 统计过程控制(SPC)图表,显示了根据偏离平均设计值的变异程度划分的生产输出范围。

SPC范式的应用在设计和操作复杂系统时,需要综合考虑能力、情境、控制和成本等多个因素(这一概念已应用于社会互动过程,例如对社会隔离的容忍度和人际接触调节:参见Caldwell,1993年;Harrison等人,1988年)。要求严格遵循基于假设的“最佳”性能结果的单一设计设定点的系统设计实际上代表了更“脆弱”的系统运行能力。随着UCL-LCL范围的缩小,整体系统成本显著增加。较小的UCL-LCL范围还会降低系统的适应性,尤其是在环境条件变化需要更“灵活”运行能力的情况下(Caldwell,2014年,2015年)。相比之下,即使在某些其他性能设置或任务要求下设计并在区域C中运行的组件,如果其参数测量值位于区域B,也会在功能性能上付出代价(表现为输出效率略低、使用寿命缩短或对环境变化的响应减弱)。通过将图1中的SPC图表垂直放置(如图2所示),可以将这些性能成本视为“等效效能曲线”。在图2中,垂直轴代表实际表现能力,而水平轴代表偏离设计设定点的程度(水平轴最好进行标准化处理,其中零值代表设定点参数值)。SPC分析师倾向于根据参数的统计分布来考虑水平轴的增量,例如标准z分数。

图2. SPC变异及其对不同变异程度下实际表现能力影响的概念应用。图表展示了实际表现能力与设定点偏差之间的关系,x轴值标记为“2σ”和“4σ”。y轴表示性能水平,分别用粗虚线、粗实线和细虚线表示高、中和低性能能力。背景中有三个垂直区域,标记为区域C(浅灰色虚线图案)、区域B(垂直线)和区域A(对角线条纹),右侧标有“适应边界”,以突出不同变异下的性能趋势。

当应用于整个系统性能时,SPC范式的多个方面需要考虑能力、情境、控制和成本。(这一概念已应用于社会互动过程,例如对社会隔离的容忍度和人际接触调节:参见Caldwell,1993年;Harrison等人,1988年)。要求严格遵守基于假设的“最佳”性能结果的单一设计设定点的系统设计实际上代表了更脆弱的系统运行能力。随着UCL-LCL范围的缩小,整体系统成本急剧增加。较小的UCL-LCL范围还会降低系统的适应性,特别是在环境条件变化需要更灵活运行能力的情况下(Caldwell,2014年,2015年)。相反,即使在某些其他性能设置或任务要求下设计并在区域C中运行的组件,如果其参数测量值位于区域B,也会在功能性能上付出代价(表现为输出效率略低、使用寿命缩短或对环境变化的响应减弱)。通过将图1中的SPC图表垂直放置(如图2所示),可以将这些性能成本视为“等效效能曲线”。在图2中,垂直轴表示实际表现能力,而水平轴表示偏离设计设定点的程度(水平轴最好进行标准化处理,其中零值代表设定点参数值)。

这种SPC分析范式在考虑人类变异性和多样性范围时有几个重要影响。首先,必须指出,并没有一种单一的组件参数或测量设计设定点在所有条件下都绝对更好;设定点和控制限是由性能情境、参数定义和测量以及期望的任务结果共同决定的。其次,并没有共识认为人类变异可以或应该像工厂生产过程那样被工程化。因此,尽管分布变异的概念仍然存在,但为所有人在所有任务设置和所有环境条件下制定“最佳”的预定设计设定点的定义违背了系统鲁棒性、韧性和有效适应变化的基本原则(Ashby,1956年)。第三,人类任务和任务执行情境的多样性表明,没有单一的测量参数能够适用于所有人类努力或技能发展过程。假设存在单一的测量参数与个体、团队和组织层面的认知或物理任务所需的专长和最佳任务表现的认识相矛盾(Caldwell,1997年;Garrett等人,2009年)。换句话说,我们所有人都位于一个分布谱上,这个谱上有大量的测量参数,这些参数在各种环境和情境下对我们的表现有着显著的影响和变化,以满足不同的专业技能或情境表现标准。让我们从神经多样性以及自闭症谱系人士(或其他神经多样性个体)所需的调整角度来考虑这些SPC范围和表现成本曲线。设定点和C区范围可以被视为环境、情境和任务表现操作范围之间的设计范围和控制限制,以提供更加“神经典型”的个人体验。需要注意的是,这种考虑消除了“神经典型”和“神经多样性”人群之间的二元对立概念,以及隐含的或规范性的偏见,即认为神经典型是优越的类型,而所有神经多样性都可以被简单地归类为另一种缺陷类型。相反,SPC方法明确地将人群中的所有成员视为在社交、任务和环境适应需求方面的连续分布的一部分。与设定点的偏差越大,位于B区或A区的个体在达到设定点时所需付出的成本就越高,从而导致净表现评估降低。基于物理的分析和测量可以指出沿着等效效果曲线移动或跨越一系列曲线的工作函数的影响。根据环境和情境的不同,不同路径选择的工作函数会有很大差异,这也可能影响任何试图在该环境中执行任务的组件可用的调整或适应选项范围。

在本文的剩余部分,我们以管弦乐队中演奏各种乐器的音乐家为例进行描述性说明。这些音乐家的水平从普通的中学演奏者到世界顶级乐团中的大师级演奏者不等,他们演奏的乐器从入门级到具有独特传承价值的都有。表演场地也从简单的体育馆(用于现场演出)或带有嘈杂广播或录音播放的低质量录音室,到宽敞且精心建造的音乐厅,或者通过参考扬声器播放的无损高保真音频录音不等。(从数学角度来看,表演者、乐器和表演场地之间的这种相互作用,所有这些因素都影响着特定音乐作品的质量,可以被视为这些功能元素的卷积。然而,对这一卷积过程的完整分析超出了本文的范围。)

描述聆听音乐表演的过程当然始于听觉输入的信号检测。这一系统设计标准在许多人类表现情境中已经被广泛研究和了解,包括信噪比、频率响应特性以及针对特定人群标准化的敏感度阈值(称为韦伯定律分数)(Bailey Citation1996;Proctor和VanZandt Citation1994;Sanders和McCormick Citation1993)。然而,正是多种功能的相互作用使人们能够听到并欣赏到高质量的表现。初学者和经验丰富的单簧管演奏者在不同环境中演奏同一首曲子时会产生不同的音色反应。不同的作品需要根据音乐风格或类型采用不同的演奏方式。高质量的乐器具有共鸣和其他音质特性,这是廉价乐器所无法实现的。不过,初学者可能不会注意到这种差异,因为他们的大部分精力都集中在演奏正确的音符上,而不是追求特定的音色特征。我们预计,经验丰富的单簧管演奏者在熟练演奏一首曲子时,其表现水平会高于第一次尝试演奏同一首曲子时的表现。此外,他们也可能更擅长从长期合作的音乐家中捕捉微妙的节奏线索。然而,在任何情况下,我们都不会因为一位首席单簧管演奏者第一次尝试演奏中提琴时不如该乐团的首席中提琴演奏者而认为他们不是一位称职的音乐家。同样,我们也不期望熟练的单簧管演奏者或大师级中提琴演奏者能够完全复制单簧管与中提琴的声音质量,即使它们演奏的是相同的音符。

上述关于音乐表演的比喻可以用来定义测量参数的变化对个体能力、适应性和任务表现效果的影响。正如所解释的,SPC范式的应用重点在于系统设计和适应的成本及工作函数,这与单个参数的值和控制范围有关。但是,我们如何考虑和操作性地描述那些捕捉相关任务设置、环境条件和表现标准范围的参数数量呢?这些参数有助于描述动态的人类任务表现以及由人类神经多样性引起的变化?

通过分析一个管弦乐队演奏著名音乐作品(如安东尼奥·维瓦尔第的《四季》)的表现,可以展示出适当分析和表示复杂任务表现中涉及的各种参数的挑战。这部作品的各个部分由不同技能水平的乐团演奏(从高中乐团到与世界知名乐团合作的大师级演奏者),并且使用不同的编曲(从四重奏到完整的乐器编曲)。对音乐家表现的人体工程学分析可以捕捉随时间变化的多个测量声音参数,包括:
- 乐器频率范围
- 演奏者使用特定乐器的技能
- 使用的乐器种类
- 选定的演奏速度
- 音乐厅的动态特性(例如混响和回声)
- 背景噪音(例如观众移动)
- 录音本身的质量(包括编码和播放质量)

由于录音设备和媒介的特性,录音中也可能包含一些伪影,例如观众移动椅子或唱片刮擦产生的噪音。这些伪影可能会被某些降噪工具识别或消除,也可能不会被识别。

让我们描述一个“平均”水平的《四季》表演,由技术尚可的音乐家用中等质量的乐器在质量一般的表演场地中演奏——这可以被视为该作品的设计参考设定点。糟糕的聆听体验可能是由于这些因素中的任何一个不匹配造成的。我们不期望大师级演奏者使用质量较低的乐器就能提供出色的表现。实际上,即使是大师级演奏者,如果乐器调音不当或场地声学条件差,也会受到限制,表现能力也会下降。然而,能力的提升也可能导致UCL(上限限制)的约束,即大师级演奏者(或熟练的录音工程师)对音乐家技巧或录音质量的微小错误非常敏感,以至于原本中等的表现变得难以忍受。(类似的感觉敏感性经常被自闭症社区的一些成员报告为输入过载的特征。)这些表现敏感性约束以及有效的LCL(下限限制)和UCL(上限限制)在图3中有所体现。

图3展示了基于表现能力区域或环境敏感性假设/过度敏感性的预期表现能力的概念性呈现。该图包含一个黑色S形曲线,横轴表示“参数偏离设定点的程度”,纵轴表示“表现能力”。曲线从左下角开始上升,在B区附近趋于平稳,然后在C区略有下降,分为三个明确的区域:A区、B区和C区,分别由±2σ和±4σ的虚线垂直线标识。适应边界由水平虚线标出,突出了每个区域内关键的性能阈值。

请注意,简单的查询无法通过直接观察轻松区分这些人体工程学分析输出中的参数;每个参数的实际变化在分析录音的单一部分时也会混淆在一起,难以区分。某个特定点的不和谐声音是由于第二小提琴手的技能不足、首席长笛手的调音错误、观众的咳嗽,还是音频工程师根据厅堂声学条件错误放置麦克风造成的?

这个例子有助于理解影响个体技能和团队协调以实现特定任务表现结果的潜在因素数量。每个主要组成部分(乐器、演奏者、演奏的作品)都会影响预期的听觉频率范围(听众体验),这些频率范围代表了随时间变化的“高质量”表现。这些组成部分与其他演奏者的组合形成了特定的表演设置,包括乐器、速度和其他每个作品的表现动态。作品的体验还受到音乐厅、背景噪音以及(对于录音体验)录音质量的影响。任务执行者、执行的任务、环境条件和评估都代表了随时间变化的听觉频率的功能(而不仅仅是作为测量参数的单一频率);如上所述,结果可以定义为影响整体体验的各种因素的卷积。

在其他工作场所、环境和表现条件下对人类表现任务的评估、测量和分析也面临着类似的挑战,需要解析这些与表现相关的因素(也称为“表现塑造因素”)的影响(参见Boring Citation2010;Park Citation2024;Walters, Archer, and Yow Citation2000)。即使是“专家”这一概念,如大师级音乐家,也代表了多个认知和身体表现领域的组合,无论是否借助技术支持,在个人或团队任务情境中根据不同的标准进行表现(Caldwell Citation1997;Ericsson and Smith Citation1991;Garrett等人Citation2009;McGrath and Hollingshead Citation1994)。即使没有详细规定或评估不同的个体和交互能力,捕捉和比较协调任务执行者的不同能力也是一项具有挑战性的工作(Nyre-Yu and Caldwell Citation2018a)。

另一方面,统计过程框架(以及作者使用的音乐家类比)在描述神经多样性分布中的个体属性方面具有相当大的能力。任何个体在任务环境和情境中实现目标时的能力都会表现出高度的相对优势和劣势。传统的学者综合症描述(Health 2023;Treffert Citation2009)将那些在大多数其他能力方面处于或低于功能基线的个体描述为具有相对较少但非常高的能力,因此他们在许多日常功能方面的表现可能与环境和任务要求不匹配,可能被视为“低于LCL”。而传统定义的“博学者”(在多个高度认可的领域具有专长的人)则表现为在多个领域具有高能力,在各种任务表现和环境情境中都有体现。然而,这种对控制范围和评估的描述旨在描述性,而非规定性:作者并不支持或建议使用特定的控制限制阈值或缺陷差距作为诊断个体神经多样性障碍程度或需要适应服务的标准。

音乐表演的比喻突出了个人在特定环境背景下实现特定任务的复杂互动。来自不同家族的乐器具有独特的频率响应,这些响应贡献了它们的音色,同时演奏者的技能也使得他们能够很好地演奏音符,从而在听众中引发体验。同样,处于不同人体工程学环境中的个体可以根据他们对当前任务的熟悉程度和既定技能表现出不同的行为、能力和结果。

或许采用这种方法的第一步并不是重新定义自闭症与社会残疾模型的关系,而是重新定义一般意义上的“专家”概念。尝试构建一个全面的“专家知识通用理论”(Ericsson和Smith,引用1991年)已被证明是具有挑战性的(即使没有被直接反驳),因为需要考虑一个人可以在多少不同的技能和表现领域中被视为专家。在一个领域的专业知识并不需要或要求在其他领域也具备同等水平的专业知识。人类专家表现的决定和展示涵盖了个体、团队以及多团队或组织层面的广泛物理、认知、操作和战略行为(Caldwell,引用1997年)。此外,对专家团队的分析表明,专业知识除了包括事实性领域知识(这一知识本身也是多样化的,因为一个图书馆目录或大学专业列表中代表了众多不同的知识领域)之外,还涉及到工具和界面的熟练程度、情境识别,或者有效的信息共享和团队支持角色(Caldwell,引用2005a,引用2008b;Garrett等人,引用2009年;Nyre-Yu和Caldwell,引用2018a)。这种适应性类似于音乐家(例如Wynton Marsalis或Yo-Yo Ma),他们能够无缝地在不同风格、节奏甚至表演方式之间切换,展示出他们在不同音乐领域的精湛技艺。在不同专业背景下执行工作任务的个体可以比作演奏不同乐器的音乐家,演奏不同的音乐作品。每个专业就像一个乐器家族一样,都有一套自己的技能、知识和能力。这些基础属性的差异导致当这些个体处于不同的环境或角色中时,他们的反应和表现也会不同。同样,具有不同水平专业知识的个体在面对新的或具有挑战性的情况时也会有不同的反应(Charness,引用1994年)。例如,具有1年工作经验的人和具有10年工作经验的人在处理企业环境中的复杂且独特的任务时可能会有不同的应对方式,这是因为他们的熟悉程度和技能水平不同。这是研究专家在表现和认知组织方式上与非专家相比有何不同的主要发现,甚至是在他们的专业领域内与他们在非专业领域内的表现相比(Ericsson和Smith,引用1991年;Holyoak,引用1991年)。

关于统计过程和表现变异性的讨论:在工业环境中,统计过程控制(SPC)应被视为一个持续的过程,而不是一个特定的目标:不可能(或者在经济上不可行)消除所有导致生产结果变异的来源。即使质量改进措施能够提高系统运行的稳定性并促进转型,但由于竞争性制造环境和技术创新的特性,随着新产品和材料的加入,也需要频繁地重新评估UCL(上限)和LCL(下限)标准。工人无疑是这一SPC方程的一部分:工人、任务和技能的分布继续影响着生产设施。无论是作为制造现实还是人体工程学的隐喻,自然会引发一个问题:在表示表演者技能、环境和任务在各种情境下的神经多样性分布时,实际上涉及了多少维度。

关于高技能问题解决团队的研究,如NASA任务控制中心的研究,提出了六个不同的专业知识维度;在该研究中,特定领域知识库的普及仅被描述为这六个不同维度中的一个(Caldwell,引用2005b,引用2008b;Garrett等人,引用2009年)。这六个维度代表了个体和交互式的专业知识技能,进一步阐述了之前关于多个分析层次和专家表现类型的讨论(Caldwell,引用1997年)。在分布式任务环境中,每个任务专业化都存在特定的领域知识库,这些知识库在责任和子系统性能方面具有非冗余性。有效的组织层面任务成功需要有效协调这些专业级别的知识库,无论是在常规操作还是紧急情况下。

关于确定特定人格类型清单的辩论不在本文的讨论范围内。然而,值得注意的是,Murray(Murray,引用1938年)所定义的“显性需求”人格特征远远超出了成就、支配性和掌握力这3-4个流行的性格变量。总体而言,Murray描述了超过20种不同的主要和潜在需求,以及类似数量的社会情境设置,称为“环境压力”。(在随后的80年社会和人格心理学研究中,大部分这些维度已经被忽略了,这就是为什么作者引用原始工作而不是后来对具体需求的详细阐述。)

六维专业知识结构的一个子集描述了在不同专业知识技能和领域重点的个体之间进行有效沟通的重要性和挑战性。最近考虑DISC模型或Herrmann全脑库存(Price,引用2015年;Wilson,引用2007年)等人格清单的研究,并不仅仅是从个体倾向的角度来考虑这四种类型模型(Sarikaya和S?ylemez,引用2018年),而是从沟通效果和团队表现的角度(Looi等人,引用2011年;Lykourentzou等人,引用2016年;Sugerman,引用2009年)。

关于不同“沟通效果风格”(用于区分DISC模型或全脑模型,这些模型考察的是团队层面的协调而非个体层面的人格)的自然主义研究在几个方面都存在限制。自然发生的组织不允许随意将人员(及其相关的表现/人格风格)分配到工作类型或专业发展路径中。换句话说,我们不能随意将个人能力与经验和专业知识在情境中匹配。我们也不能在不考虑过去经验对当前互动情境影响的顺序效应的情况下,对团队沟通进行重复测量。最后,现实世界的沟通需要时间和努力,即使消除了其他障碍,对经历多种任务和环境条件的数百个群体进行全面分析也需要数十年的时间。

考虑到这些限制,进行了简单的基于代理的模拟实验,以研究团队表现过程和结果,考察团队成员之间不同沟通风格的影响(Nyre-Yu和Caldwell,引用2018a,引用2018b)。作为代理参数属性,使用了连续分布的个体沟通风格表现特征,类似于角色扮演游戏中的“角色属性”(Caldwell,引用2008a)。即使使用相对简单的四类沟通风格(作为具有相对表现分数估计的个体分组,类似于角色扮演游戏中的分类),在不同团队配置下多次模拟运行中,沟通效果和任务表现结果的影响也是高度不同和多样的。

这些研究领域的总体影响表明,全面评估个人、环境和任务的功能复杂性是一个极具挑战性的任务。无论是计算机模拟还是现实生活中的研究,人格和沟通风格的研究都显示出即使只有4-6个风格参数并使用定量区间尺度,也会导致团队过程和表现结果的显著变化;经典的人格研究则表明,有多达20-25个这样的风格参数作为人格维度在每个维度上起作用。这些是影响团队表现的人际专业技能维度,它们将与数十个个体知识领域维度以及其他物理和认知要素相结合。

即使不考虑神经多样性,这也是一个巨大的任务。然而,试图用简单且带有偏见的“典型”和“异常”表现能力分组来有效理解这种人类能力和经验的做法,在试图解决和改善人类能力的某些方面是根本性的倒退。幸运的是,基于代理和离散事件模拟工具以及计算机模拟程序的持续进步,使得效率比控制论和系统动力学研究早期所做的尝试提高了许多个数量级(Forrester,引用1980年;Gilbert、Pyka和Ahrweiler,引用2001年;Josslyn,引用1999年;Van Zandt,引用1999年)。

在本文中,作者从工程过程变异的角度探讨了神经多样性的定义问题以及神经多样性个体的表现能力。这种立场基于对描述组件属性和生产过程结果的参数正常变异的定量和统计分析。分析分布变异和属性多样性,以及环境情境和任务需求的多样性,是统计理解和改进工程系统性能的基本要素。这些讨论不仅仅是比喻性的偏离;生产过程管理和SPC是一个工业工程师日常工作的一部分,职业安全、生产效率和经济盈利能力是关键的成功指标。

这项分析的一个重要结果是认识到,无论我们是否被正式或非正式地诊断为自闭症或其他形式的神经多样性,我们所有人都是多维分布谱系的一部分,就像演奏多种风格和流派音乐作品的乐器家族一样。作为神经多样性的工程师,作者认为这种分布变异和表现适应的立场是一种可行的描述和洞察,有助于理解他们自己的经验,无论是从表现优势还是相对弱点方面。

从个体知识领域到人际沟通效果的专业知识领域已经在历史研究和现代任务表现环境的背景下进行了描述。自20世纪前三分之一以来的人格理论和生产计划与控制的历史观点,并没有特别否定或排除它们对描述人类或其他组件在复杂和动态系统表现中的多样性的描述。本文提出的定量方法建立在统计过程控制框架之上,使用音乐表演类比来理解人类、技能、工具和环境对表现的复杂相互作用。这一框架为将神经多样性人群的经验和评估重新框定为人类表现多样性的一般谱系提供了一个可行的替代方案,而不是将其视为有缺陷和残疾的“其他群体”。作者还考虑了情境适应和感官/社会适应作为影响净表现能力的努力补充任务。

最后,可以认为,许多人选择评估系统的方式有助于强化他们自己参考群体的地位。换句话说,我们以一种让我们自己脱颖而出的方式来评分。将“神经典型”和“神经多样性”定义为“我们/他们”的二分法,其中“我们”所代表的标准化正常人群将他们的表现视为隐含地优越,这种做法创造了一种对独特且天赋异禀的专家的能力和优势范围的缺陷性框架。作者希望,尽管用这样的简单二分法很难定义,但对人类表现的改进的多维度分析可以作为一种进步,有助于理解和支持对神经多样性和多种专业知识维度的更广泛解释。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号