Вихід людини з контуру автоматизації: як автоматизація послаблює ситуаційну обізнаність і навички
Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 року · Редакційна політика
Вихід людини з контуру автоматизації — це проблема людино-системної взаємодії, за якої автоматизація перебирає настільки значну частину спостереження, аналізу, рішення або керування, що оператор втрачає частину актуальної картини ситуації, практики потрібних навичок і готовності швидко втрутитися саме тоді, коли система цього раптово потребує. У міжнародній літературі це явище відоме як out-of-the-loop performance problem, або OOTL. Класичне експериментальне формулювання пов’язане з роботою Mica Endsley та Esin Kiris, які показали: після роботи з автоматизацією низька ситуаційна обізнаність може супроводжуватися повільнішим поверненням до ручного рішення під час відмови системи.
Головна системна суперечність проста: чим більше система робить сама, тим рідше людина виконує дії, які можуть знадобитися їй у винятковій ситуації. Автоматизація при цьому здатна підвищувати рутинну продуктивність і зменшувати частину навантаження. Саме тому вихід з контуру не є аргументом проти автоматизації. Це вимога проєктувати автоматизацію так, щоб її нормальна ефективність не купувалася ціною втрати здатності людини зрозуміти відмову, відновити контекст і перебрати керування.
У межах людських факторів та ергономіки проблема розглядається як властивість цілісної системи «людина — автоматизація — інтерфейс — процедура — організація — середовище». Тому пояснення на кшталт «оператор перестав уважно стежити» є лише описом поведінки. Справжній аналіз має встановити, чому роль оператора стала пасивною, яку інформацію система приховала або стиснула, як часто людина практикувала ручні дії, скільки часу мала на повернення і чи взагалі була спроєктована реалістична можливість втрутитися.
Коротка відповідь: у чому полягає проблема виходу з контуру
Коли автоматизована система тривалий час працює правильно, людина часто переходить від безпосереднього виконання до нагляду. Це змінює не лише кількість ручних дій, а сам спосіб отримання інформації. Активний оператор постійно створює команди, бачить наслідки, порівнює очікуване з фактичним і коригує поведінку. Наглядач отримує набагато менше причинно-наслідкового зворотного зв’язку. Якщо автоматизація раптово відмовляє, йому доводиться спочатку відновити картину того, що система робила, чому вона це робила і в якому стані перебуває об’єкт, а вже потім діяти.
Метааналіз 18 експериментів Onnasch та співавторів показав характерний компроміс: вищі рівні автоматизації покращували рутинну продуктивність і певною мірою знижували навантаження, коли автоматизація працювала правильно, але погіршували ситуаційну обізнаність і виконання під час відмов. Негативні наслідки були особливо помітними, коли автоматизація переходила від підтримки аналізу інформації до вибору дії. Це один із найсильніших узагальнених доказів того, що «більше автоматизації» не є одновимірною шкалою користі.
Отже, OOTL найкраще розуміти як деградацію готовності до ефективного повернення. Її компонентами можуть бути слабша ситуаційна обізнаність, менша частота моніторингу, втрата практики, повільніше розпізнавання аномалії, труднощі з діагностикою стану та невдала передача керування. Ці компоненти пов’язані, але не є синонімами.
Out-of-the-loop performance problem і «людина поза контуром» — не одне й те саме
У технічній та регуляторній мові вислів human-out-of-the-loop інколи позначає архітектуру, у якій система діє автономно без поточного людського втручання. У дослідженнях людських факторів поняття out-of-the-loop performance problem має інший фокус: воно описує погіршення людської спроможності стежити, розуміти й перебирати керування після того, як автоматизація відсунула людину від активної участі.
Це розрізнення принципове. Оператор може формально залишатися «над контуром», спостерігати за дисплеєм і мати кнопку втручання, але функціонально вже бути поза контуром: він не знає достатньо про поточний стан, не підтримує потрібні навички або отримує сигнал надто пізно. Саме тому сусідня стаття «Людина в контурі керування» визначає реальний людський контроль через інформацію, час, навички, повноваження та можливість дії, а не через сам факт присутності людини біля системи.
OOTL також не є медичним або психіатричним діагнозом і не є сталою рисою особистості. Це прикладна модель ризику у взаємодії людини з автоматизованою системою. Її прояви залежать від конкретної задачі, рівня автоматизації, інтерфейсу, надійності, навчання, режиму роботи й характеру переходу між автоматичним і ручним керуванням.
Чому автоматизація може послаблювати ситуаційну обізнаність
Від активного опрацювання до пасивного спостереження
У дослідженні Endsley і Kiris одним із найпереконливіших пояснень втрати ситуаційної обізнаності був перехід від активного до пасивного опрацювання інформації. Людина, яка сама керує процесом, формує очікування, здійснює дію й перевіряє її наслідки. Коли ті самі кроки виконує автоматика, оператор може бачити лише підсумковий стан. Частина проміжних сигналів, які раніше підтримували розуміння причин і динаміки, зникає.
Тому проблема полягає не в тому, що оператор «недостатньо старається бути уважним». Увага розподіляється відповідно до структури завдання. Якщо система роками потребує від людини лише спостереження за стабільними індикаторами, сама роль створює слабкі умови для глибокої побудови ситуаційної моделі. Це один із проявів ширшої когнітивної ергономіки: психічні процеси змінюються разом із тим, як спроєктовано діяльність.
Автоматизація змінює зворотний зв’язок
Безпосереднє керування створює щільний цикл: дія → зміна системи → сприйняття наслідку → наступна дія. Автоматизація може розірвати або стиснути цей цикл. Людина бачить, що система «працює», але не обов’язково бачить її внутрішню логіку, поточні обмеження, ступінь невизначеності або причину переходу в інший режим. У результаті зовнішньо спокійний період роботи може накопичувати інформаційний борг: у момент відмови оператору доводиться швидко відновлювати те, що не було потрібно підтримувати протягом автоматичного режиму.
Рідкісні відмови важко моніторити
Високонадійна автоматика створює парадокс моніторингу. Чим рідше вона помиляється, тим менше подій підтверджують практичну цінність безперервної перевірки. Огляд Parasuraman і Manzey показує, що недостатній моніторинг автоматизації особливо виникає у багатозадачних умовах, коли ручні задачі конкурують за увагу з автоматизованою. Перенесення уваги на інші корисні задачі часто є раціональною відповіддю на надійну систему, але воно може збільшити час до виявлення рідкісної помилки.
Тому термін «самозаспокоєність» не слід використовувати як моральну характеристику людини. У дослідженнях самозаспокоєності під час роботи з автоматизацією це модель розподілу уваги в певній системній ситуації. Якщо безпека залежить від того, що людина годинами дивитиметься на майже незмінний екран і миттєво помітить аномалію, вимоги до системи мають включати підтримку моніторингу, а не лише вимогу до оператора «бути пильним».
Навички: що саме може послаблюватися
Фраза «автоматизація руйнує навички» занадто широка. Дані показують більш складну картину. Навички різняться за типом, частотою використання, можливістю тренування та тим, наскільки вони підтримуються суміжною діяльністю. Частина моторних умінь може зберігатися довше, тоді як рідко виконувані когнітивні процедури — навігація, діагностика, планування, оцінка відмови — можуть втрачати доступність швидше.
У симуляторному дослідженні 16 лінійних пілотів Casner та співавтори виявили, що базове сканування приладів і ручне керування переважно зберігалися, навіть коли пілоти повідомляли про рідку практику. Водночас проблеми частіше виникали в когнітивних завданнях ручного польоту: відстеженні положення без картографічного дисплея, визначенні наступних навігаційних кроків і розпізнаванні відмов приладів. Це важливе заперечення проти спрощеної моделі, за якою всі навички згасають однаково.
Інше дослідження льотного складу Haslbeck і співавторів показало зв’язок між недавньою практикою ручного польоту й точністю тонкого моторного керування, особливо у пілотів далекомагістральних флотів. Отже, і моторні компоненти можуть погіршуватися за браку практики, але величина та форма ефекту залежать від задачі й досвіду.
У процесному керуванні експериментальні роботи з утримання навичок також показують, що перерви без практики спричиняють вимірюване згасання навичок, а різні формати відновлювального тренування можуть по-різному підтримувати знання й процедури. Дослідження Kluge і Frank нагадує про ще одну межу доказів: швидкість згасання не можна переносити з однієї професійної задачі на іншу як універсальну константу.
Чому повернення керування є окремим когнітивним завданням
Передавання керування часто уявляють як просту дію: автоматика вимикається, людина продовжує роботу. Насправді між цими станами є перехід. Оператору потрібно помітити запит або відмову, переключити увагу, визначити активний режим, зрозуміти поточний стан об’єкта й середовища, відновити цілі, оцінити ризики, вибрати дію і тільки потім виконати її. Якщо система передає керування в момент, коли ситуація вже близька до межі безпечного часу, проблема закладена в архітектуру переходу.
У дослідженнях автоматизованого водіння це видно особливо чітко. Метааналіз Zhang та співавторів охопив 129 досліджень і показав, що час перебирання керування залежить від контексту: він змінювався з терміновістю, участю в побічній візуальній задачі, використанням ручного пристрою, попереднім досвідом перебирання та модальністю запиту. Це означає, що «час реакції водія» не є фіксованою людською властивістю; він формується дизайном задачі й переходу.
Метааналіз Weaver і DeLucia 51 експерименту з умовно автоматизованого водіння так само виявив погіршення якості перебирання під час виконання неводійських задач, особливо коли вони конкурували за ті самі ресурси. Автори також знайшли слабші докази користі більшого запасу часу. Ці результати не можна механічно переносити на авіацію або промисловість, але вони добре демонструють загальний принцип: повернення керування має власні інформаційні й часові вимоги.
Для автомобільної автоматизації група Merat та співавторів запропонувала окремо визначати out-of-the-loop через зміни у фізичному контролі та моніторингу, а також вимірювати наслідки під час повернення. Це корисний приклад того, як загальну концепцію потрібно операціоналізувати всередині конкретного домену, а не вимірювати одним універсальним тестом.
Рівень автоматизації має значення, але «середній рівень» не є універсальною відповіддю
Класична модель Parasuraman, Sheridan і Wickens розрізняє щонайменше чотири функціональні етапи: отримання інформації, аналіз інформації, вибір рішення та реалізацію дії. Автоматизація може підтримувати або замінювати людину на кожному з них у різному ступені. Тому дві системи з однаковим маркетинговим ярликом «автоматизована» можуть створювати зовсім різні людські ролі.
Наприклад, система може автоматично збирати й об’єднувати дані, але залишати рішення людині; інша — сама обирає й виконує дію, а людина бачить лише результат. У другому випадку оператор отримує менше можливостей підтримувати причинну модель процесу. Саме тому метааналіз Onnasch та співавторів виявив особливо несприятливий компроміс після переходу автоматизації до стадії вибору дії.
Ранні експерименти Kaber і Endsley показували, що деякі проміжні рівні спільного контролю можуть зменшувати типові OOTL-наслідки порівняно з повним усуненням людини від операцій. Це емпірично підтримувана прикладна модель, а не правило «завжди автоматизуйте наполовину». Оптимальна функціональна алокація залежить від швидкості системи, наслідків помилки, стабільності середовища, людських можливостей, надійності автоматизації й того, чи реально людина може втрутитися.
Довіра, недостатній моніторинг і автоматизаційне упередження
Вихід з контуру часто сусідить із проблемами довіри, але не зводиться до них. Довіра до автоматизації описує очікування людини щодо спроможності системи й впливає на те, наскільки вона на неї покладається. Якщо система довго демонструє високу надійність, оператор може закономірно зменшувати частоту перевірок. За зміни умов ця стратегія здатна стати невідповідною, особливо якщо погіршення системи не видно.
Автоматизаційне упередження — окремий канонічний пошуковий намір: тенденція надмірно покладатися на автоматизовані підказки або рішення, що може сприяти помилкам дії й пропуску. OOTL ширший у іншому напрямі: людина може не мати актуальної картини ситуації або відпрацьованої здатності перебрати керування навіть без конкретної автоматизованої рекомендації, якій вона «повірила».
Самозаспокоєність під час роботи з автоматизацією у дослідницькій традиції частіше стосується недостатнього моніторингу автоматизації. Вона може бути одним із механізмів виходу з контуру, але не вичерпує його. Практично корисне питання звучить не «чи довіряє оператор машині?», а «яка інформація й практика залишаються в оператора, коли система працює нормально, і що він реально зможе зробити після зміни режиму або відмови?».
Плутанина режимів — споріднений, але окремий механізм
Автоматизована система може мати кілька режимів, умов переходу й обмежень. Якщо оператор неправильно розуміє, який режим активний, що система контролює зараз або що зробить наступним, виникає плутанина режимів. Вона здатна посилювати OOTL, тому що відновлення контролю починається з хибної моделі стану автоматики. Водночас це окрема проблема дизайну й ментальної моделі, а не синонім виходу з контуру.
У цьому матеріалі плутанина режимів розглядається лише як один із можливих механізмів втрати контролю. Її власний канонічний пошуковий намір включає причини помилкового розуміння режиму, позначення станів, переходи й дизайн запобігання. Таке розведення важливе, щоб не перетворювати всі проблеми автоматизації на одну загальну категорію.
Що показує авіація: автоматизація допомагає, але ручна й когнітивна готовність залишаються потрібними
Авіація є одним із найкраще документованих доменів, тому що тут автоматизація давно поєднується з формальним навчанням, сертифікацією, розслідуванням подій і системним аналізом людських факторів. Знакова робота Bainbridge «Ironies of automation» ще 1983 року описала фундаментальну іронію: автоматизуючи те, що система вміє робити у штатному режимі, можна залишити людині рідкісні, складні й погано треновані аномальні ситуації.
Звіт FAA Flight Deck Automation Working Group 2013 року, побудований на даних про експлуатацію, події, інтерв’ю з виробниками, операторами й тренувальними організаціями, зафіксував занепокоєння щодо підтримання ручних навичок. Робоча група наголошувала, що потреба повертатися до ручних операцій зберігається навіть за подальшого розвитку автоматизації, а тому підтримання відповідних знань і навичок є окремим завданням системи підготовки.
Чинний консультативний циркуляр FAA AC 120-123 Flightpath Management об’єднує ручні польотні операції, керування автоматизованими системами, моніторинг і керування енергією в єдину рамку керування траєкторією польоту. У Європі актуальні правила EASA прямо вимагають тренувати знання про можливості й людські обмеження автоматизації, усвідомлення режиму, несподівану поведінку автоматизації, надмірне покладання, моніторинг і своєчасне втручання. Це професійна регуляторна практика, а не доказ того, що будь-яка автоматизація неминуче погіршує навички.
Раніша Automation Policy EASA окремо відзначала ризик зниження базових ручних і когнітивних льотних навичок через брак практики, труднощі переходу до деградованих режимів і різке зростання навантаження під час несподіваного ручного перебирання. Ці положення добре узгоджуються з експериментальною літературою про OOTL, хоча залишаються галузевими рекомендаціями для авіації.
Автоматизоване водіння: вихід з контуру видно в самому переході
У транспорті OOTL став особливо помітним через системи, які дозволяють водію тимчасово зменшити участь, але за певних умов повертають йому відповідальність за динамічне керування. Тут критичним стає не лише те, чи водій «уважний», а те, скільки часу й інформації система залишає для відновлення ситуаційної картини.
Результати метааналізів досліджень перебирання керування показують, що якість повернення залежить від побічної діяльності, часу, способу подання запиту та контексту. Це підтримує системний висновок: якщо людина під час автоматичного режиму законно займається іншою діяльністю або не зобов’язана безперервно дивитися на дорогу, система не може одночасно проєктувати передачу так, ніби повна ситуаційна обізнаність уже існує.
Промислові й операторські системи: пасивний нагляд не гарантує готовності до аномалії
У процесному керуванні, енергетиці, диспетчерських і роботизованих системах автоматизація часто переводить людину з ролі постійного регулятора в роль супервізора. У нормальній роботі це може бути дуже ефективно: автоматика швидко підтримує параметри й звільняє ресурси оператора для інших задач. Ризик з’являється, коли рідкісна аномалія вимагає глибокого знання процесу, яке не підтримувалося щоденною діяльністю.
Тут особливо важлива людино-машинна взаємодія: які параметри доступні, як показано причинні зв’язки, чи видно межі й деградацію автоматики, чи може оператор безпечно симулювати або тренувати ручні дії, чи не створюють процедури ситуацію, де людина юридично відповідальна, але фактично отримує контроль надто пізно. OOTL тому є властивістю архітектури участі людини, а не «психологічною слабкістю оператора».
Як вимірюють вихід з контуру автоматизації
Єдиного «тесту OOTL» немає. Конструкт оцінюють через набір показників, релевантних конкретній системі. Найчастіше дослідників цікавить, що сталося з ситуаційною обізнаністю, моніторингом, ручною або когнітивною майстерністю та поведінкою після відмови чи запиту на втручання.
Ситуаційна обізнаність
Для ситуаційної обізнаності застосовують прямі запити про стан системи, методи на кшталт SAGAT, оцінки SPAM та інші доменні підходи. Систематичний огляд і метааналіз Endsley порівняв прямі об’єктивні методи SAGAT і SPAM та показав, що вибір методу має власні методологічні наслідки. Тому одне суб’єктивне питання «наскільки ви розуміли ситуацію?» не є повною оцінкою.
Якість повернення до ручного режиму
Вимірюють час до першої релевантної дії, точність діагностики, помилки, стабільність керування, порушення меж безпеки, якість рішення та здатність завершити відновлення. У транспорті час перебирання керування є лише одним із показників: швидке перебирання може бути небезпечним, якщо людина схопила керування до того, як зрозуміла ситуацію.
Моніторинг і пошук інформації
Оцінюють, які джерела інформації людина перевіряє, як часто повертається до стану автоматики, чи помічає деградацію, як розподіляє погляд і увагу між задачами. Такі показники допомагають відрізнити проблему недостатнього моніторингу від ситуації, де оператор дивився на потрібний індикатор, але інтерфейс не дозволяв зрозуміти його значення.
Утримання навичок
Для навичок потрібні окремі перевірки саме тих дій і когнітивних процедур, які система очікує від людини під час деградації. Якщо аварійний сценарій вимагає діагностики, навігації, ручного керування й координації, тестування лише одного моторного параметра створить хибне відчуття готовності.
Як проєктувати автоматизацію, щоб не створити номінального оператора-рятувальника
1. Зберігати спостережуваність стану, режиму й наміру автоматики
Людина повинна бачити не тільки кінцевий результат, а релевантний стан автоматизованої функції: який режим активний, що система контролює, які межі наближаються, які дані ненадійні й що система зробить далі. Обсяг інформації має відповідати задачі; нескінченний потік телеметрії не є прозорістю, якщо він не підтримує рішення.
2. Підтримувати значущу участь, а не декоративне підтвердження
Вимога натискати «ОК» на кожне правильне рішення не обов’язково підтримує навички або ситуаційну обізнаність. Значуща участь виникає тоді, коли людина періодично виконує ті когнітивні або керувальні функції, які справді знадобляться під час винятку, отримує зворотний зв’язок і має реальний вплив на результат.
3. Проєктувати передачу керування як процес
Безпечна передача повинна відповідати на три питання: скільки часу потрібно людині, яку інформацію треба віддати разом із керуванням і що система робить, якщо людина ще не готова. У критичних системах корисною є деградація з проміжним безпечним станом, якщо домен це дозволяє, замість миттєвого скидання складної проблеми на оператора.
4. Планувати регулярну практику рідкісних режимів
Якщо ручна або резервна функція є частиною безпекового бар’єра, її потрібно підтримувати тренуванням. Авіаційні FAA та EASA підходи демонструють професійну логіку періодичного повторного тренування, ручних операцій і керування автоматизацією і сценаріїв несподіваної поведінки автоматики. Частота й формат тренувань мають визначатися доменним аналізом ризику, а не універсальним календарем.
5. Розподіляти функції за вимогами всієї системи
Модель Parasuraman, Sheridan і Wickens пропонує оцінювати автоматизацію за тим, на якому етапі вона працює і як це впливає на людську продуктивність. Функцію не варто автоматизувати лише тому, що технологія здатна це зробити. Потрібно враховувати наслідки для моніторингу, навантаження, помилок, ситуаційної обізнаності, практики й відновлення після відмови.
6. Калібрувати довіру через видиму спроможність і обмеження
Оператору потрібні сигнали, які допомагають зрозуміти, коли на систему доречно покладатися, а коли потрібна перевірка або ручний режим. Стабільно висока точність без видимих меж може формувати надмірне покладання; надмірні й хибні тривоги — протилежну проблему і недовіру. Калібрування довіри тому пов’язане з OOTL, але повинно оцінюватися окремо.
7. Тестувати не тільки штатну продуктивність, а й відмови та повернення
Система, яка показує чудові середні результати під час нормальної автоматичної роботи, може бути погано спроєктована для рідкісної відмови. Оцінювання людських факторів має включати деградовані режими, несподівані переходи, хибні сигнали, часткову втрату даних, перебирання керування і час на відновлення. Саме там проявляється реальна ціна виходу з контуру.
8. Узгоджувати відповідальність зі спроможністю втрутитися
Організаційно небезпечна конструкція виникає, коли людині залишають повну відповідальність за результат, але забирають регулярну практику, доступ до причинної інформації, час і повноваження. Якщо система розраховує на людське втручання як останній бар’єр, підтримання спроможності до втручання є вимогою дизайну, навчання й операційної політики.
Практична рамка: чи є людський нагляд реальним
Для оцінки конкретної автоматизованої системи корисно пройти шість питань. Перше: чи знає людина, який режим і рівень автоматизації активні зараз? Друге: чи бачить вона зміни, які передують небезпечній події? Третє: чи підтримуються навички, потрібні для ручного або резервного режиму? Четверте: чи достатньо часу між сигналом і необхідною дією? П’яте: чи має оператор реальні повноваження зупинити, змінити або обійти автоматизовану дію? Шосте: чи випробувано все це в реалістичній аномальній ситуації, а не лише на схемі або в інструкції?
Негативна відповідь на одне питання ще не доводить небезпечності системи, але показує конкретний канал ризику. Наприклад, система може мати чудову видимість стану, але не давати часу на втручання; інша — мати достатній час, але не підтримувати навички; третя — добре тренувати людей, але приховувати важливий режим. Таке розкладання продуктивніше за загальну вимогу «додати людину в контур».
Що OOTL не означає
Вихід з контуру не означає, що ручне керування завжди безпечніше. Автоматизація може суттєво знижувати навантаження, стабілізувати процес, підвищувати точність і прибирати великий клас рутинних помилок. Питання полягає в тому, які нові задачі й ризики з’являються у людини після зміни її ролі.
OOTL не доводить, що оператор обов’язково втратить усі навички. Дані про льотні навички показують різні траєкторії для моторних і когнітивних компонентів. Так само немає універсального терміну, після якого будь-яка навичка «зникає». Такі твердження потребують доменних даних.
OOTL не є синонімом неуважності, ліні, автоматизаційного упередження або плутанини режимів. У реальній події кілька механізмів можуть діяти разом, але причинний аналіз має розділяти їх. Це дозволяє обирати різні засоби: змінювати інтерфейс, функціональний розподіл, тренування, сигналізацію, часову логіку передачі або організаційні процедури.
Обмеження доказової бази
Значна частина класичної OOTL-літератури походить з авіації, процесного керування та лабораторних динамічних задач. Пізніше великий масив досліджень з’явився в автоматизованому водінні. Ці домени мають різну швидкість подій, різні інтерфейси, рівні підготовки й допустимий ризик. Тому точні величини ефектів не слід переносити між ними без перевірки.
Метааналізи рівнів автоматизації підтримують загальний компроміс між рутинною продуктивністю та частиною показників роботи під час відмов і ситуаційної обізнаності, але не визначають єдиний оптимальний рівень автоматизації для всіх систем. Дослідження навичок також неоднорідні: одні компоненти зберігаються, інші погіршуються, а результати залежать від частоти практики й змісту задачі.
Найнадійніший висновок тому системний: автоматизація змінює людську роль, інформаційний потік і частоту практики. Якщо людину планують залучати під час рідкісної відмови, її спроможність до такого залучення потрібно проєктувати, тренувати й перевіряти так само серйозно, як сам автоматичний режим.
Поширені запитання
Що таке вихід людини з контуру автоматизації простими словами?
Це ситуація, коли система довго виконує роботу сама, а людина через меншу участь гірше стежить за станом, рідше практикує потрібні дії або повільніше розуміє, що відбувається. Коли автоматика раптом просить втрутитися, оператору спершу треба повернутися «в контекст», а часу може бути мало.
Чи є out-of-the-loop окремим психологічним діагнозом?
Ні. Це концепція людських факторів і когнітивної ергономіки, яка описує ризик продуктивності у людино-автоматизованій системі. Її оцінюють через конкретні показники ситуаційної обізнаності, моніторингу, навичок і повернення до керування.
Чи означає OOTL, що автоматизації має бути менше?
Не обов’язково. Важливі тип і рівень автоматизації, функціональний розподіл, прозорість стану, характер участі людини та дизайн переходу. Вища автоматизація може давати сильні штатні переваги, але для критичних відмов потрібно окремо перевіряти здатність людини повернути контроль.
Чим OOTL відрізняється від автоматизаційного упередження?
Автоматизаційне упередження стосується надмірного покладання на автоматизовану підказку або рішення. OOTL стосується ширшої втрати актуального залучення, ситуаційної картини й готовності діяти. Вони можуть поєднуватися, але один феномен не є доказом іншого.
Чи достатньо навчити оператора уважніше стежити за автоматикою?
Ні. Навчання важливе, але не компенсує інтерфейс, який приховує стан системи, перехід без достатнього часу, рідкісну практику критичних навичок або відсутність повноважень втрутитися. У безпечній системі навчання, дизайн і операційні процедури працюють разом.
Які навички найшвидше втрачаються через автоматизацію?
Універсальної відповіді немає. В авіаційних дослідженнях деякі базові ручні навички зберігалися краще, ніж когнітивні процедури навігації й діагностики, але інші дані показують залежність тонкого ручного керування від недавньої практики. Потрібно оцінювати конкретну навичку в конкретній системі.
Чому раптове перебирання керування небезпечне?
Бо людина має виконати два завдання одночасно: відновити картину ситуації й уже діяти. Якщо автоматика передає керування надто пізно або без пояснення стану, час на розуміння конкурує з часом на дію. Це робить якість переходу окремим об’єктом проєктування.
Чи може формальна «людина в контурі» фактично бути поза контуром?
Так. Якщо людина лише номінально спостерігає, не має актуальної ситуаційної обізнаності, не підтримує потрібні навички, не отримує достатньо часу або не має реального права змінити дію системи, формальна присутність не забезпечує ефективного людського контролю.
Пов’язані статті
Джерела
Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779. https://doi.org/10.1016/0005-1098(83)90046-8.
Casner, S. M., Geven, R. W., Recker, M. P., & Schooler, J. W. (2014). The retention of manual flying skills in the automated cockpit. Human Factors, 56(8), 1506–1516. https://doi.org/10.1177/0018720814535628.
Endsley, M. R., & Kiris, E. O. (1995). The Out-of-the-Loop Performance Problem and Level of Control in Automation. Human Factors, 37(2), 381–394. https://doi.org/10.1518/001872095779064555.
Endsley, M. R. (2021). A Systematic Review and Meta-Analysis of Direct Objective Measures of Situation Awareness: A Comparison of SAGAT and SPAM. Human Factors, 63(1), 124–150. https://doi.org/10.1177/0018720819875376.
European Union Aviation Safety Agency. (2013). Automation Policy: Bridging design and training principles. EASp Action SYS5.6.
European Union Aviation Safety Agency. (2026). Easy Access Rules for Air Operations — Revision 24.
Federal Aviation Administration. (2013). Operational Use of Flight Path Management System: Final Report of the PARC/CAST Flight Deck Automation Working Group.
Federal Aviation Administration. (2022). AC 120-123 — Flightpath Management.
Haslbeck, A., Schubert, E., Gontar, P., & Bengler, K. (2016). Flying the Needles: Flight Deck Automation Erodes Fine-Motor Flying Skills Among Airline Pilots. Human Factors, 58(4), 533–545. https://doi.org/10.1177/0018720816640394.
Kaber, D. B., & Endsley, M. R. (1997). Out-of-the-loop performance problems and the use of intermediate levels of automation for improved control system functioning and safety. Process Safety Progress, 16(3), 126–131. https://doi.org/10.1002/prs.680160304.
Kluge, A., & Frank, B. (2014). Counteracting skill decay: four refresher interventions and their effect on skill and knowledge retention in a simulated process control task. Ergonomics, 57(2), 175–190. https://doi.org/10.1080/00140139.2013.869357.
Merat, N., Seppelt, B., Louw, T., et al. (2019). The ‘Out-of-the-Loop’ concept in automated driving: proposed definition, measures and implications. Cognition, Technology & Work, 21, 87–98. https://doi.org/10.1007/s10111-018-0525-8.
Onnasch, L., Wickens, C. D., Li, H., & Manzey, D. (2014). Human performance consequences of stages and levels of automation: an integrated meta-analysis. Human Factors, 56(3), 476–488. https://doi.org/10.1177/0018720813501549.
Parasuraman, R., & Manzey, D. H. (2010). Complacency and bias in human use of automation: an attentional integration. Human Factors, 52(3), 381–410. https://doi.org/10.1177/0018720810376055.
Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics—Part A, 30(3), 286–297. https://doi.org/10.1109/3468.844354.
Weaver, B. W., & DeLucia, P. R. (2022). A Systematic Review and Meta-Analysis of Takeover Performance During Conditionally Automated Driving. Human Factors, 64(7), 1227–1260. https://doi.org/10.1177/0018720820976476.
Zhang, B., de Winter, J., Varotto, S., Happee, R., & Martens, M. (2019). Determinants of take-over time from automated driving: A meta-analysis of 129 studies. Transportation Research Part F: Traffic Psychology and Behaviour, 64, 285–307. https://doi.org/10.1016/j.trf.2019.04.020.