数字管制员加入团队后，为什么对齐心智模型很重要
第二条研究线索关注人类管制员与数字管制员系统之间的协作。在一场有八名空中交通管制员参与的工作坊中，参与者更偏好类似人类的冲突解决方案，即优先保障安全并尽量减少延误，他们还强调直觉决策和习得的扇区模式[4]。研究人员利用这些反馈构建了一个数字态势感知框架，并提出了一种数据驱动的方法来评估交通复杂性和心智网络，还开发了用于分析冲突风险、空域占用和流量模式的工具[4]。
这项工作将共享心智模型视为有效人机协作的前提，并评估了与安全和效率相关的结果[4]。但证据仅来自一场工作坊加上技术可行性演示，并非表明更好对齐的心智模型能带来可测量的安全或效率提升的现场测试。最好将其理解为一种设计论证：如果数字队友不共享人类对扇区及其优先事项的理解，协调就可能受到影响。
工作负荷与安全绩效如何关联
工作负荷似乎是共享心智模型最能发挥作用的条件。泰国塔台研究发现，共享心智模型承载了工作负荷对团队绩效的影响[2]。另外，关于管制团队安全绩效的研究考察了心理安全感和态势感知在心理工作负荷与整体安全绩效之间的中介作用[3]。该研究直接涉及安全结果，但没有考察任务或团队互动心智模型，因此无法确认共享心智模型就是安全背后的机制。
综合来看，这些发现与一个实用观点一致：共享理解有助于团队承受工作负荷而不失去协调。但由于安全研究和共享心智模型研究测量的内容不同，共享心智模型与安全之间的联系仍是一种合理推断，而非已证明的因果链[2][3]。
自动化与心理状态监测在其中扮演什么角色
自动化和工业物联网技术被描述为能够通过降低管制员工作负荷、增强态势感知，并整合飞机位置、天气和跑道状态的实时数据，来提升空中交通管制的效率与安全[1]。该论文没有涉及任务或团队互动心智模型，因此它支持了问题中结果的一面——效率与安全——但没有检验心智模型这一面。
一项相关工作开发了管制员心理状态的认知预测模型，包括工作负荷、疲劳、压力和注意力投入，目标是让支持系统自适应调整，并加强人机协调以提升安全与效率[5]。这关注的是监测个体心理状态，而不是共享的团队心智模型，而且其参数仅得到部分验证[5]。这为团队可能如何获得支持提供了有用的背景，但并未回答一致的心智模型能否预测安全或效率。
本文引用的文献
利用自动化和工业物联网提升空中交通管制的效率与安全
自动化和工业物联网被描述为能够通过降低管制员工作负荷和增强态势感知来提升空中交通管制的效率与安全，但该论文没有涉及任务或团队互动心智模型。
工作负荷与团队绩效的关系：泰国素万那普管制塔台空中交通管制员共享心智模型的中介作用
在泰国一座管制塔台的126名空中交通管制员中，工作负荷与团队绩效之间的关系被感知到的共享心智模型完全中介。
应对空中交通管制中的心理工作负荷与安全绩效：心理安全感和态势感知的中介作用
该研究考察了心理安全感和态势感知在管制团队心理工作负荷与安全绩效之间的中介作用，但没有考察任务或团队互动心智模型。
协作式空中交通管制：通过共享心智模型整合数字管制员与人类伙伴
一场有八名空中交通管制员参与的工作坊发现，参与者偏好优先保障安全并尽量减少延误的类人冲突解决方案，作者还提出了一个面向人机管制员协作的数字态势感知框架。
空中交通管制员心理状态的认知预测模型
一个认知预测模型旨在预测管制员的工作负荷、疲劳、压力和注意力投入，以便调整支持系统，其初始参数仅得到部分验证。