آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
دوره 11، شماره 4 - ( فصلنامه تخصصی انجمن ارگونومی و مهندسی عوامل انسانی ایران 1402 )
جلد 11 شماره 4 صفحات 250-240 |
برگشت به فهرست نسخه ها
Ethics code: IR.TUMS.SPH.REC.1400.349
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abdi H, Zakerian S A, Azam K, Khanlari Baniyarani P. Determining the Mental Workload and Investigating Its Effect on Changing the Mood Components of Taxi Drivers in the City of Qazvin. Iran J Ergon 2024; 11 (4) :240-250
URL: http://journal.iehfs.ir/article-1-992-fa.html
URL: http://journal.iehfs.ir/article-1-992-fa.html
عبدی حانیه، ذاکریان سید ابوالفضل، اعظم کمال، خانلری بانیارانی پیام. تعیین بار کاری ذهنی و بررسی میزان تأثیر آن در تغییر مؤلفه‌های خلقیات رانندگان تاکسی درون‌شهری شهر قزوین. مجله ارگونومی. 1402; 11 (4) :240-250
1- گروه مهندسی بهداشت حرفه ای، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران
2- گروه مهندسی بهداشت حرفه ای، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران ،zakerian@tums.ac.ir
3- گروه اپیدمیولوژی و آمار زیستی، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران
2- گروه مهندسی بهداشت حرفه ای، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران ،
3- گروه اپیدمیولوژی و آمار زیستی، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران
چکیده: (1182 مشاهده)
اهداف: از جمله نگرانی های مهم جوامع امروزی حوادث جاده ای، خسارات و تلفات مربوط به آن است. بار کاری ذهنی یکی از عوامل اصلی انسانی است که خود میتواند سبب بروز عوامل دیگری نظیر استرس و خشم شود. مطالعه‌ی حاضر با هدف بررسی بار کاری ذهنی و میزان تأثیر آن در تغییر مؤلفه های خلقیات رانندگان انجام شده است.
روش کار: تعداد ۸۸ راننده‌ی تاکسی گردشی شهر قزوین برای بررسی مؤلفه های مدنظر در این مطالعه شرکت کردند. از پرسش‌نامه‌ی بار کاری ذهنی دالی برای ارزیابی بار کاری ذهنی و از پرسش‌نامه‌ی پومز برای سنجش مؤلفه های خلقیات رانندگان استفاده شد. بر اساس سناریو طراحی شده‌ی رانندگی در مسیرهای پرترافیک، متغیرهای مدنظر ارزیابی شدند و به منظور بررسی ارتباط میان آنها، از آزمون t زوجی و آنالیز هم‌بستگی پیرسون در نرم افزار SPSS نسخه‌ی ۲۴ استفاده شد.
یافته‌ها: میانگین سابقه‌ی کار و سن رانندگان برابر با ۴۶/۶۰ و ۱۳/۴۷ سال با انحراف معیار ۱۰/۱۲ و ۹/۳۹ سال بـود. یافته‌های بـه‌دست‌آمده نشان داد کـه با رانندگی در مسیرهـای پرترافیک، بر میزان میانگین بار کاری ذهنی رانندگان به مراتب افزوده شده و این افزایش معنادار است (۰/۰۰۱>P). با افزایش بار کاری ذهنی رانندگان، از برخی مؤلفه های خلقیات که جنبه‌ی مثبتی دارند (مانند شادکامی و سرزندگی) ((۰/۱۵۷=P) (۰/۱۴۳- =r)، (۰/۰۵۰=P) (۰/۶۴۶- =r)) کاسته و بر مؤلفه‌ی خلقی افسردگی رانندگان افزوده شده است (*۰/۲۴۸ =P) (۰/۰۲۰=r).
نتیجه‌گیری: بـر اساس یافته‌هـای حـاصل از مطالعه، با تداوم فعالیت رانندگی، بر میزان بار کاری ذهنی رانندگان افزوده شده است، ولی ارتباطی مبنی بر تأثیر این مؤلفه بر مؤلفه های خلقیات مشاهده نشد.
روش کار: تعداد ۸۸ راننده‌ی تاکسی گردشی شهر قزوین برای بررسی مؤلفه های مدنظر در این مطالعه شرکت کردند. از پرسش‌نامه‌ی بار کاری ذهنی دالی برای ارزیابی بار کاری ذهنی و از پرسش‌نامه‌ی پومز برای سنجش مؤلفه های خلقیات رانندگان استفاده شد. بر اساس سناریو طراحی شده‌ی رانندگی در مسیرهای پرترافیک، متغیرهای مدنظر ارزیابی شدند و به منظور بررسی ارتباط میان آنها، از آزمون t زوجی و آنالیز هم‌بستگی پیرسون در نرم افزار SPSS نسخه‌ی ۲۴ استفاده شد.
یافته‌ها: میانگین سابقه‌ی کار و سن رانندگان برابر با ۴۶/۶۰ و ۱۳/۴۷ سال با انحراف معیار ۱۰/۱۲ و ۹/۳۹ سال بـود. یافته‌های بـه‌دست‌آمده نشان داد کـه با رانندگی در مسیرهـای پرترافیک، بر میزان میانگین بار کاری ذهنی رانندگان به مراتب افزوده شده و این افزایش معنادار است (۰/۰۰۱>P). با افزایش بار کاری ذهنی رانندگان، از برخی مؤلفه های خلقیات که جنبه‌ی مثبتی دارند (مانند شادکامی و سرزندگی) ((۰/۱۵۷=P) (۰/۱۴۳- =r)، (۰/۰۵۰=P) (۰/۶۴۶- =r)) کاسته و بر مؤلفه‌ی خلقی افسردگی رانندگان افزوده شده است (*۰/۲۴۸ =P) (۰/۰۲۰=r).
نتیجه‌گیری: بـر اساس یافته‌هـای حـاصل از مطالعه، با تداوم فعالیت رانندگی، بر میزان بار کاری ذهنی رانندگان افزوده شده است، ولی ارتباطی مبنی بر تأثیر این مؤلفه بر مؤلفه های خلقیات مشاهده نشد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
سایر موارد
دریافت: 1402/9/19 | پذیرش: 1402/11/10 | انتشار الکترونیک: 1402/11/10
دریافت: 1402/9/19 | پذیرش: 1402/11/10 | انتشار الکترونیک: 1402/11/10
فهرست منابع
1. Banister D, Anderton K, Bonilla D, Givoni M, Schwanen T. Transportation and the environment. Annual review of environment and resources. 2011;36:247-70. [DOI: 10.1146/annurev-environ-032310-112100]
2. Khanlari P, Khosravipour M, Abdi H, Rahmani R, Gharagozlou F. Factors Affecting Traffic Accidents in Kermanshah City Taxi Drivers - Focusing on the Role of Fatigue and Sleep Quality. [In Persian] Journal of Occupational Hygiene Engineering. 2022;9(3):143-52. [DOI: 10.52547/johe.9.3.143]
3. Paxion J, Galy E, Berthelon C. Mental workload and driving. Front Psychol. 2014;5:1344. [DOI: 10.3389/fpsyg.2014.01344] [PMID]
4. Yousefi F, Azam K, Zakerian SA. Mental workload and determination of its relationship with situation awareness and work experience among taxi drivers. [In Persian] Journal of Occupational Hygiene Engineering. 2019;6(3):44-53. [DOI: 10.52547/johe.6.3.44]
5. Sahayadhas A, Sundaraj K, Murugappan M. Detecting driver drowsiness based on sensors: a review. Sensors (Basel). 2012;12(12):16937-53. [DOI: 10.3390/s121216937] [PMID]
6. Bahadorimonfared A, Soori H, Mehrabi Y, Delpisheh A, Esmaili A, Salehi M, et al. Trends of fatal road traffic injuries in Iran (2004–2011). PLoS One. 2013;8(5):e65198. [DOI: 10.1371/journal.pone.0065198] [PMID]
7. A MAS. Drivers and the impact of unsafe behavior in accidents and traffic accidents. The first national conference on road and rail accidents and accidents. 2019;1(1):10.
8. Haghshenas H. Relationship between personality traits and drivers' behavior in Shiraz. [In Persian] Hakim Research Journal. 1384;11(3):47-54. [Link]
9. Soori A. Sociological causes of high-risk driving in Mashhad. [In Persian] Ournal of Social Security Studies. 1390;12(4):114. [Link]
10. Razmara A, Aghamolaei T, Madani A, Hosseini Z, Zare S. Prediction of safe driving Behaviours based on health belief model: the case of taxi drivers in Bandar Abbas, Iran. BMC Public Health. 2018;18(1):380. [DOI: 10.1186/s12889-018-5300-5] [PMID]
11. Stanton NA, Hedge A, Brookhuis K, Salas E, Hendrick HW. Handbook of human factors and ergonomics methods. CRC press. 2004. [DOI: 10.1201/9780203489925]
12. Geissler CF, Schneider J, Frings C. Shedding light on the prefrontal correlates of mental workload in simulated driving: A functional near-infrared spectroscopy study. Scientific reports. 2021;11(1):705. [DOI: 10.1038/s41598-020-80477-w]
13. Pauzié A. A method to assess the driver mental workload: The driving activity load index (DALI). IET Intelligent Transport Systems. 2008;2(4):315-22. [DOI: 10.1049/iet-its:20080023]
14. Boulagouas W, García-Herrero S, Chaib R, Febres JD, Mariscal MÁ, Djebabra M. An investigation into unsafe behaviors and traffic accidents involving unlicensed drivers: a perspective for alignment measurement. Int J Environ Res Public Health. 2020;17(18):6743. [DOI: 10.3390/ijerph17186743] [PMID]
15. Blanco M, Biever WJ, Gallagher JP, Dingus TA. The impact of secondary task cognitive processing demand on driving performance. Accid Anal Prev. 2006;38(5):895-906. [DOI: 10.1016/j.aap.2006.02.015] [PMID]
16. Horberry T, Anderson J, Regan MA, Triggs TJ, Brown J. Driver distraction: The effects of concurrent in-vehicle tasks, road environment complexity and age on driving performance. Accid Anal Prev. 2006;38(1):185-91. [DOI: 10.1016/j.aap.2005.09.007] [PMID]
17. McCartt AT, Hellinga LA, Bratiman KA. Cell phones and driving: review of research. Traffic Inj Prev. 2006;7(2):89-106. [DOI: 10.1080/15389580600651103] [PMID]
18. De Winter JC, Happee R, Martens MH, Stanton NA. Effects of adaptive cruise control and highly automated driving on workload and situation awareness: A review of the empirical evidence. Transportation research part F: traffic psychology and behaviour. 2014;27:196-217. [DOI: 10.1016/j.trf.2014.06.016]
19. Oehl M, Becker T, Che M, Brandenburg S. Validation of the cycling anger scale in Singapore. Traffic Inj Prev. 2021;22(1):32-6. [DOI: 10.1080/15389588.2020.1843161] [PMID]
20. Zakerian SA, Zia G, Nasl Seraji G, Azam K, Mortezapour A. Reliability and validity of the driver activity load index for assessing mental workload among drivers in production companies. [In Persian] Journal of Occupational Hygiene Engineering Volume. 2018;5(2):65-71. [DOI: 10.21859/johe.5.2.65]
21. Mackenzie B. Profile of Mood States (POMS). 2001. [Link]
22. Ma J, Wu Y, Rong J, Zhao X. A systematic review on the influence factors, measurement, and effect of driver workload. Accident Analysis and Prevention. 2023;192. [DOI: 10.2139/ssrn.4504187]
23. G Z. the survey of driver mental workload using the driving activity load index(DALI) method. 2015.
24. De Paula Gomes CAF, Politti F, De Souza Bacelar Pereira C, da Silva ACB, Dibai-Filho AV, De Oliveira AR, et al. Exercise program combined with electrophysical modalities in subjects with knee osteoarthritis: a randomised, placebo-controlled clinical trial. BMC Musculoskelet Disord. 2020;21(1):258. [DOI: 10.1186/s12891-020-03293-3] [PMID]
25. Sriranga AK, Lu Q, Birrell S. A systematic review of in-vehicle physiological indices and sensor technology for driver mental workload monitoring. Sensors (Basel). 2023;23(4):2214. [DOI: 10.3390/s23042214] [PMID]
26. Chalmers T, Lal S. Assessing cardiovascular links to depression and anxiety in Australian professional drivers. J Integr Neurosci. 2022;21(1):43. [DOI: 10.31083/j.jin2101043] [PMID]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
