PUB - Publikationen an der Universität Bielefeld

Fragestellung: Seit der Einführung von Robotern in der Industrie hat sich ihre Anzahl in Organisationen vervielfacht. Dabei treten sie in verschiedenen Formen auf, sie variieren beispielsweise in ihrer Adaptivität, Autonomie oder im Anthropomorphismus. Diese Variationen verändern die Interaktion vom sozialen und technischen System und haben Auswirkungen auf die Zufriedenheit, Leistung oder Arbeitsbelastung. Das Ziel dieser Studie ist es, die Forschung zu Mensch-Roboter-Interaktion (MRI) am Arbeitsplatz metaanalytisch zu überprüfen und einen Überblick über die Robotereigenschaften zu vermitteln, die mit effektiver MRI zusammenhängen. Vorgehen: Es wurde eine systematische Literaturrecherche in Psychologie- und Ingenieursdatenbanken (PsycINFO, Web of Science, IEEE Xplore und ACM Digital Library) durchgeführt und 2325 nicht redundante Artikel gefunden. Es konnten lediglich 30 empirische Studien eingeschlossen werden, die die untersuchte Technologie als „Roboter“ bezeichneten, an einem Arbeitsplatz durchgeführt wurden oder eine Arbeitsplatzaufgabe darstellen, eine Interaktion zwischen Mensch und Roboter berichten und Einflussgrößen für die Effektivität von MRI angeben (z. B. Leistung, Zufriedenheit, Arbeitsbelastung oder Vertrauen). Ergebnisse: Ergebnisse der 3-Level Metaanalyse für das Ausmaß der Assistenz bei der Interaktion (basierend auf einer Subgruppe von 41 Effektstärken in 11 Studien) zeigen einen mittleren Einfluss auf die MRI-Effektivität (d = 0,54). τ²-Werte zeigen eine starke Heterogenität zwischen den Effektstärken, nicht aber zwischen den Studien. Limitationen: Die ermittelten metaanalytischen Effektstärken könnten verzerrt sein, da in Originalstudien oft nur statistische Kennwerte für signifikante Ergebnisse angegeben werden. Implikationen/ Relevanz: Diese Studie gibt einen systematischen Überblick über empirische Forschung aus dem Bereich der Robotik, um sich der Frage „Wie kann MRI möglichst effektiv gestaltet werden?“ zu nähern. Sie soll die interdisziplinäre MRI-Forschung fördern und Forschern und Roboterentwicklern Einblick geben, was die MRI erfolgreich macht.