Уважаемые коллеги, доброго времени суток! Представляем вам американское научное издание IEEE Transactions on Human-Machine Systems. Журнал имеет первый квартиль, издается IEEE Systems, Man, and Cybernetics Society, его SJR за 2018 г. равен 0,842, ISSN - 2168-2291, импакт-фактор - 2,563, предметные области - Эргономика и человеческий фактор, Искусственный интеллект, Разработка систем управления, Компьютерные сети и коммуникации, Разработка систем управления, Прикладная наука о компьютерах, Технология обработки сигналов, Взаимодействие человека и компьютера. Редактором является Дэвид Б. Кабер, контактные данные - dkaber@ise.ufl.edu
Вот так выглядит обложка издания:
Исследовательской областью журнала является человеко-машинные системы. Издание охватывает человеческие системы и организационные взаимодействия, включая когнитивную эргономику, системное тестирование и оценку, а также проблемы обработки человеческой информации в системах и организациях.
Пример статьи, название - Information Constrained Control Analysis of Eye Gaze Distribution Under Workload. Заголовок (Abstract) We describe a novel model of human eye gaze behavior under workload, derived from the basic principle of information constrained control. The model assumes two distributions over the visual field: A saliency distribution, which is nongoal oriented, and a reward task-related distribution. The eye gaze behavior is determined by the tradeoff between these two distributions, where the goal is to preserve the task-related constraints, while remaining as close as possible to the saliency distribution representing a comfort zone. Based on minimum Kullback–Liebler divergence principles, the model gives rise to a family of gaze distributions controlled by a single tradeoff parameter. The model was evaluated experimentally in a driving simulator that consisted of an immersive environment with clear tasks and accurate monitoring capabilities. The findings confirm the theoretical predictions with respect to the low rank manifold and order relations in the data. We show that the model can be used to visualize the unknown reward function associated with a task, and predict human workload based on gaze pattern.
