Vor dem Hintergrund des Klimawandels ist die Senkung der von Menschen hervorgerufenen CO2-Emissionen in den letzten Jahren zu einem der weltweit zentralen Themenfelder geworden. In diesem Kontext werden Elektrofahrzeuge als ein vielversprechender Lösungsansatz zur Verringerung der CO2-Emissionen im Transportsektor diskutiert und ihr Einsatz im Straßenverkehr im Rahmen zahlreicher nationaler Initiativen vorangetrieben. Elektrofahrzeuge weisen eine Reihe von Spezifika gegenüber konventionellen Fahrzeugen auf, aus denen verschiedene Herausforderungen für den Fahrer entstehen. Eine in diesem Zusammenhang zentrale Eigenschaft ist die vor dem Hintergrund von vergleichsweise langen Ladedauern und einer eingeschränkten Verfügbarkeit von Lademöglichkeiten begrenzte Reichweite. Zudem wird mit der Elektrifizierung des Verkehrs auch das im Fahrkontext bisher ungewohnte Konzept der Elektrizität mit seinen elektrischen Einheiten wie Watt und Ampere eingeführt. Zusätzlich steht mit der Rekuperationsfunktion ein neues System zur Verfügung, das dem Fahrer eine aktive Energierückgewinnung während Verzögerungsvorgängen ermöglicht. Die Aufgabe der Verkehrspsychologie ist es dabei, die aus diesen spezifischen Eigenschaften und neuen Systemen entstehenden Bedürfnisse und Anforderungen der Fahrer im Zusammenspiel mit dem Fahrzeug und der Fahrumgebung in den Mittelpunkt zu stellen. Aus den gewonnenen Erkenntnissen können entsprechende Empfehlungen und Maßnahmen abgeleitet werden, die der Verbreitung sowie der sicheren und effizienten Nutzung dieser Technologie dienlich sind. In diesem Sinne leistet auch die vorliegende Arbeit einen Beitrag, indem vor dem Hintergrund der spezifischen Eigenschaften und neuen Systeme von Elektrofahrzeugen Implikationen für die Nutzerschnittstelle, die veränderte Fahraufgabe sowie motivationale Aspekte abgeleitet werden. Dies geschieht vor allem im Hinblick auf die Energieeffizienz, die im Elektrofahrzeug einen besonderen Stellenwert besitzt. Das erste Forschungsziel der Dissertation bestand in der nutzerzentrierten Untersuchung der Nutzerschnittstelle im Elektrofahrzeug sowohl generell vor dem Hintergrund der besonderen Merkmale dieses neuen Transportmittels als auch spezifisch basierend auf der Interaktion der Fahrer mit der begrenzten Reichweite dieser Fahrzeuge. Aus den Ergebnissen wurden konkrete Informationsbedarfe der Nutzer jenseits eines gewissen Informationsstandards deutlich, die in einem Anforderungskatalog zusammengefasst wurden, dessen Inhalte vor allem die Bedeutsamkeit der energieeffizienten Interaktion mit dem Elektrofahrzeug unterstreichen. Zudem zeigten sich Probleme der Nutzer hinsichtlich der Verständlichkeit des Konzepts von Elektrizität im Fahrkontext, besonders im Hinblick auf elektrische Einheiten, die eine Darstellung des Energieverbrauchs in der vertrauten und handlungsrelevanten Einheit Kilometer nahelegen. Ausgehend von den Ergebnissen der Evaluation der Anzeigen durch die Nutzer wurden diejenigen Prinzipien der Schnittstellengestaltung (Wickens, Lee, Liu, & Gordon-Becker, 2004) identifiziert, die im Kontext von Elektrofahrzeugen besondere Relevanz besitzen. Eine transparente und zuverlässige Darstellung der Wirkfaktoren auf den Energieverbrauch sowie konkreter Handlungsmöglichkeiten des Fahrers zur Senkung des Energieverbrauchs kann helfen, Nutzer in ihrem Anpassungsprozess an das elektrische Fahren zu unterstützen und Unsicherheitsgefühle in der Interaktion mit der begrenzten Reichweite zu reduzieren. Die Untersuchung der Kompetenz zum energieeffizienten Fahren und assoziierter Lern- und Transferprozesse beim Fahren eines Elektrofahrzeugs waren Gegenstand des zweiten Forschungsziels. Aufeinander aufbauende Untersuchungen zeigten, dass unerfahrene Elektrofahrzeugnutzer ihr Wissen über energieeffiziente Fahrstrategien beim Wechsel vom Verbrenner- zum Elektrofahrzeug anpassen und dieses Wissen mit zunehmender Elektrofahrzeugerfahrung weiter zunimmt. Sowohl unerfahrene als auch erfahrene Elektrofahrzeugnutzer waren in der Lage, durch die Anwendung effektiver Verhaltensstrategien, wie etwa einer moderaten Beschleunigung und einer effizienten Nutzung der Rekuperationsfunktion, den Energieverbrauch des Elektrofahrzeugs zu senken. Dies weist auf die Übertragung von Fertigkeiten im Umgang mit dem Verbrenner- auf das Elektrofahrzeug im Sinne eines positiven Transfers (Fitts & Posner, 1967) hin. Die Wirksamkeit einer wissensbasierten Intervention blieb auf einen positiven Effekt hinsichtlich des Wissens über energieeffiziente Strategien sowie positivere Einschätzungen der Kompetenz zum energieeffizienten Fahren beschränkt. Um die Kompetenz zum energieeffizienten Fahren auch hinsichtlich einer verbesserten Umsetzung energiesparender Verhaltensstrategien und einer daraus resultierenden besseren Perfomanz, also einem niedrigeren Energieverbrauch, zu unterstützen, kann die zusätzliche Implementierung von fertigkeitsbasierten, praktischen Komponenten hilfreich sein. Neben der Kompetenz eines Fahrers, energieeffizient zu fahren, sind für das tatsächliche Fahrverhalten vor allem auch motivationale Faktoren relevant (Hatakka, Keskinen, Gregersen, Glad, & Hernetkoski, 2002; Rothengatter, 1997; Summala, 2007). Diese motivationalen Aspekte energieeffizienten Fahrens mit dem Elektrofahrzeug wurden im Rahmen des dritten Forschungsziels näher beleuchtet. Dabei unterstreichen die gefundenen mittleren bis starken Zusammenhänge zwischen den untersuchten rationalen (Ajzen, 1991) und hedonischen, also spaßbetonten, Motiven und dem beobachteten Fahrerverhalten die Bedeutung der motivationalen Komponente im Kontext energieeffizienten Fahrens. Zudem implizieren die Ergebnisse eine teilweise höhere Motivation zum energieeffizienten Fahren mit dem Elektro- im Vergleich zum Verbrennerfahrzeug; ein Potenzial, das möglichst voll ausgeschöpft werden sollte. Neben wichtigen rationalen Motivatoren kann hier vor allem das hedonische Motiv, also die Betonung von Spaß und Freude, beispielsweise bei der Gestaltung von Nutzerschnittstellen genutzt werden, um energieeffizientes Fahren nicht nur als zweckdienlich hinsichtlich der potenziellen Verlängerung der Reichweite, sondern auch als für den Nutzer positiv erlebbar zu machen. Die Ergebnisse der Dissertation verdeutlichen aus verkehrspsychologischer Sicht eine zentrale Bedeutung der Monitoringebene der Fahraufgabe (Hollnagel & Woods, 2005) im Elektrofahrzeug, also eine hohe Relevanz des Abgleichs von Informationen aus der Umwelt mit dem aktuellen Betriebszustand des Fahrzeugs. Hier kommt der Gestaltung der Nutzerschnittstelle als einem zentralen Stellglied zur Vermittlung situationsspezifischer, transparenter sowie handlungsrelevanter Informationen für den Fahrer eine besondere Bedeutung zu. Zusammenfassend unterstreichen die Befunde der Dissertation die zentrale Bedeutung einer energieeffizienten Interaktion mit dem Elektrofahrzeug. Unter diesem Fokus weisen die Ergebnisse konkrete Möglichkeiten auf, wie der Fahrer durch eine geeignete Gestaltung der Nutzerschnittstelle beim energieeffizienten Fahren unterstützt und die Verständlichkeit der Darstellung von Informationen zum Energieverbrauch erhöht werden kann. Zudem zeigen die Ergebnisse, dass Anpassungsprozesse hinsichtlich der Kompetenz zum energieeffizienten Fahren notwendig sind und wie sich diese zu Beginn der Elektrofahrzeugnutzung sowie mit zunehmender Elektrofahrzeugerfahrung entwickeln. Gleichzeitig weisen die Untersuchungen zur motivationalen Komponente energieeffizienten Fahrens auf ein erhöhtes Potenzial von Elektrofahrzeugen hin und betonen sowohl rationale und hedonische Motive als wichtige Faktoren im Zusammenhang mit energieeffizientem Fahren, die zugleich auch vielversprechende Ansatzpunkte für eine weitere Steigerung der Nachhaltigkeit dieser „grünen“ Technologie darstellen.:I Synopse 1 1 Einleitung 3 2 Die Nutzerschnittstelle im Elektrofahrzeug 7 2.1 Spezifika von Elektrofahrzeugen und ihre Bedeutung für die Gestaltung der Nutzerschnittstelle 7 2.2 Designprinzipien für die Gestaltung von Nutzerschnittstellen 9 2.3 Nutzerzentriertes Design 10 3 Energieeffizientes Fahren im Elektrofahrzeug als Fahrerkompetenz 11 3.1 Energieeffizientes Fahren – Definition und theoretische Überlegungen 11 3.2 Die Kompetenz zum energieeffizienten Fahren – Einordnung in psychologische Modelle des Fahrerverhaltens 12 3.3 Besondere Eigenschaften von Elektrofahrzeugen und ihre Relevanz für energieeffizientes Fahren 15 3.4 Die Wirksamkeit von Interventionen zur Steigerung der Kompetenz zum energieeffizienten Fahren 16 4 Energieeffizientes Fahren im Elektrofahrzeug - die motivationale Komponente 18 4.1 Motivationale Faktoren des Fahrerverhaltens 18 4.2 Motivationale Faktoren und ihre Eingliederung in psychologische Modelle des Fahrerverhaltens 18 5 Forschungsziele der Dissertation 21 5.1 Forschungsziel 1: Evaluation der Nutzerschnittstelle vor dem Hintergrund spezifischer Eigenschaften von Elektrofahrzeugen 21 5.2 Forschungsziel 2: Untersuchung der Kompetenz zum energieeffizienten Fahren mit dem Elektrofahrzeug 22 5.3 Forschungsziel 3: Untersuchung motivationaler Aspekte energieeffizienten Fahrens mit dem Elektrofahrzeug 23 6 Überblick über die Methodik der Dissertation 24 6.1 Der MINI E-Feldversuch 24 6.2 Studie im Realverkehr im Rahmen des Projekts EVERSAFE 25 7 Diskussion und kritische Reflexion der Ergebnisse 26 7.1 Forschungsziel 1: Evaluation der Nutzerschnittstelle vor dem Hintergrund spezifischer Eigenschaften von Elektrofahrzeugen 28 7.2 Forschungsziel 2: Untersuchung der Kompetenz zum energieeffizienten Fahren bei der Nutzung von Elektrofahrzeugen 31 7.3 Forschungsziel 3: Untersuchung motivationaler Aspekte energieeffizienten Fahrens mit dem Elektrofahrzeug 36 8 Implikationen und Schlussfolgerungen 37 8.1 Implikationen für die Gestaltung der Nutzerschnittstelle im Elektrofahrzeug 37 8.2 Implikationen für die Kompetenz zum energieeffizienten Fahren bei der Nutzung von Elektrofahrzeugen 38 8.3 Implikationen für die motivationale Komponente energieeffizienten Fahrens 39 9 Literatur 41 II Artikel 1: Battery Electric Vehicles – Implications for the Driver Interface 53 III Artikel 2: Eco-Driving Strategies in Battery Electric Vehicle Use – How Do Drivers Adapt over Time? 85 IV Artikel 3: Experiencing Range in an Electric Vehicle – Understanding Psychological Barriers 109 V Artikel 4: BEV Eco-Driving – Competence, Motivational Aspects, and the Effectiveness of Eco-Instructions 137 VI Lebenslauf 179 VII Publikationen 181 / Against the background of climate change, the reduction of human-induced CO2 emissions has become one of the key issues world-wide during the last years. In this context, battery electric vehicles are discussed as a promising solution for the reduction of CO2 emissions in the transportation sector and their use in road traffic is expedited through numerous national initiatives. Battery electric vehicles exhibit a number of specific features compared to conventional vehicles which pose new challenges to the driver. In this connection, the most specific feature of battery electric vehicles is the limited range, which is specifically important given the limited availability of charging stations and currently long charging durations. Moreover, with the electrification of transportation the concept of electricity with its unfamiliar units like Watt and Ampere is introduced in the driving context. Additionally, the regenerative braking system offers the possibility to actively regain energy during deceleration manoeuvers. One task of traffic psychology is to focus on and investigate the drivers’ needs and requirements related to these specific features and the interaction with the vehicle and the environment. Based on the acquired knowledge, recommendations and measures can be derived, which could facilitate the adoption of battery electric vehicles as well as the efficient and safe usage of this technology. In that sense the contribution of the present dissertation is to derive implications for the design of the user interface, the changed driving task, and regarding motivational aspects based on the specific features and new systems incorporated in battery electric vehicles. These issues are specifically considered in the light of energy efficiency which is of particular importance in the context of battery electric vehicles. The first research objective of the present dissertation was the user-centred evaluation of a driver interface generally against the background of the specific characteristics of battery electric vehicles as well as specifically based on drivers‘ interaction with the limited range. Based on the results, users’ needs for additional information became apparent, which were compiled in a taxonomy of user requirements and further highlight the relevance of energy-efficient interaction with battery electric vehicles. Furthermore, the results revealed difficulties for users’ in comprehending the concept of electricity in the driving context, specifically regarding electric units of measurement. Hence a presentation of energy consumption using the familiar unit kilometres, which has also practical relevance for the driving task, is recommended. Based on the evaluation results of the displayed information, design principles (Wickens, Lee, Liu, & Gordon-Becker, 2004) which are specifically important in the context of battery electric vehicles are derived. A transparent and trustworthy presentation of influencing factors on energy efficiency as well as drivers’ concrete opportunities for actions may support users in the adaptation process initiated when starting to use an electric vehicle and reduce feelings of uncertainty when interacting with the limited range. The eco-driving competence and associated processes of learning and transfer when driving a battery electric vehicle were examined within the scope of the second research objective. Investigations revealed an adaptation of eco-driving knowledge when starting to use a battery electric vehicle instead of a conventional vehicle. Additionally, the eco-driving knowledge increased with battery electric vehicle use. Both inexperienced and experienced battery electric vehicle drivers were able to reduce the energy consumption of the battery electric vehicle by applying effective eco-driving strategies, such as accelerating moderately or using regenerative braking for deceleration manoeuvers. That implies the transfer of drivers’ eco-driving skills from conventional to battery electric vehicles in terms of a positive transfer (Fitts & Posner, 1967). The effectiveness of an implemented knowledge-based intervention to enhance the eco-driving competence of inexperienced battery electric vehicle users was limited to an increase in drivers’ eco-driving knowledge and more positive subjective assessments of their eco-driving competence. In order to enhance users’ eco-driving competence also regarding eco-driving behaviour and performance (i.e. reduced energy consumption) the implementation of supplemental skill-based components might be effective. Beside a driver’s eco-driving competence, motivational aspects are important determinants of driving behaviour (Hatakka, Keskinen, Gregersen, Glad, & Hernetkoski, 2002; Rothengatter, 1997; Summala, 2007). The third research objective aimed to shed light on motivational aspects of battery electric vehicle eco-driving. In this regard the obtained medium-sized to strong correlations between rational (Ajzen, 1991) and hedonic (i.e. fun-oriented) motives and normal driving behaviour underline the relevance of motivational components in the context of eco-driving. Moreover, results indicate a to some extent higher motivation to drive efficiently with battery electric compared to conventional vehicles – a potential which should be fully exploited. Beside important rational motivators, hedonic values – i.e. feelings of pleasure or joy – could be used to experience eco-driving positively in terms of enjoying to efficiently interact with battery electric vehicles rather than merely prolonging the vehicle‘s range. From the perspective of traffic psychology the results of the dissertation emphasise the relevance of the monitoring layer of the driving task (Hollnagel & Woods, 2005) in battery electric vehicle use, which is characterised by a permanent comparison of the environment and the vehicle state. In this connection the design of the user interface is of specific relevance in terms of providing transparent, situation-specific, and action-oriented information to the driver. In sum, findings of the dissertation highlight the specific relevance of an energy-efficient interaction with battery electric vehicles. Focussing on this issue, results show concete possibilities to design the user interface of battery electric vehicles in a way to support the driver in eco-driving and to improve the comprehensibility of associated energy consumption information. Moreover, results reveal that adapation processes in terms of eco driving competence from internal combustine engine vehicles to battery electric vehicles occur and shed light on the deveopment of eco-driving competence with battery electric vehicle experience. Additionally, investigations concerning motivational aspects of eco-driving imply an increased potential of battery electric compared to conventional vehicles. Both rational and hedonic motives are important factors that are linked to battery electric vehicle eco-driving, which supplementary represent promising possibilities to further enhance the sustainability of this inherently „green“ technology.:I Synopse 1 1 Einleitung 3 2 Die Nutzerschnittstelle im Elektrofahrzeug 7 2.1 Spezifika von Elektrofahrzeugen und ihre Bedeutung für die Gestaltung der Nutzerschnittstelle 7 2.2 Designprinzipien für die Gestaltung von Nutzerschnittstellen 9 2.3 Nutzerzentriertes Design 10 3 Energieeffizientes Fahren im Elektrofahrzeug als Fahrerkompetenz 11 3.1 Energieeffizientes Fahren – Definition und theoretische Überlegungen 11 3.2 Die Kompetenz zum energieeffizienten Fahren – Einordnung in psychologische Modelle des Fahrerverhaltens 12 3.3 Besondere Eigenschaften von Elektrofahrzeugen und ihre Relevanz für energieeffizientes Fahren 15 3.4 Die Wirksamkeit von Interventionen zur Steigerung der Kompetenz zum energieeffizienten Fahren 16 4 Energieeffizientes Fahren im Elektrofahrzeug - die motivationale Komponente 18 4.1 Motivationale Faktoren des Fahrerverhaltens 18 4.2 Motivationale Faktoren und ihre Eingliederung in psychologische Modelle des Fahrerverhaltens 18 5 Forschungsziele der Dissertation 21 5.1 Forschungsziel 1: Evaluation der Nutzerschnittstelle vor dem Hintergrund spezifischer Eigenschaften von Elektrofahrzeugen 21 5.2 Forschungsziel 2: Untersuchung der Kompetenz zum energieeffizienten Fahren mit dem Elektrofahrzeug 22 5.3 Forschungsziel 3: Untersuchung motivationaler Aspekte energieeffizienten Fahrens mit dem Elektrofahrzeug 23 6 Überblick über die Methodik der Dissertation 24 6.1 Der MINI E-Feldversuch 24 6.2 Studie im Realverkehr im Rahmen des Projekts EVERSAFE 25 7 Diskussion und kritische Reflexion der Ergebnisse 26 7.1 Forschungsziel 1: Evaluation der Nutzerschnittstelle vor dem Hintergrund spezifischer Eigenschaften von Elektrofahrzeugen 28 7.2 Forschungsziel 2: Untersuchung der Kompetenz zum energieeffizienten Fahren bei der Nutzung von Elektrofahrzeugen 31 7.3 Forschungsziel 3: Untersuchung motivationaler Aspekte energieeffizienten Fahrens mit dem Elektrofahrzeug 36 8 Implikationen und Schlussfolgerungen 37 8.1 Implikationen für die Gestaltung der Nutzerschnittstelle im Elektrofahrzeug 37 8.2 Implikationen für die Kompetenz zum energieeffizienten Fahren bei der Nutzung von Elektrofahrzeugen 38 8.3 Implikationen für die motivationale Komponente energieeffizienten Fahrens 39 9 Literatur 41 II Artikel 1: Battery Electric Vehicles – Implications for the Driver Interface 53 III Artikel 2: Eco-Driving Strategies in Battery Electric Vehicle Use – How Do Drivers Adapt over Time? 85 IV Artikel 3: Experiencing Range in an Electric Vehicle – Understanding Psychological Barriers 109 V Artikel 4: BEV Eco-Driving – Competence, Motivational Aspects, and the Effectiveness of Eco-Instructions 137 VI Lebenslauf 179 VII Publikationen 181

Many functions that at one time could only be performed by humans can nowadays be carried out by machines. Automation impacts many areas of life including work, home, communication and mobility. In the driving context, in-vehicle automation is considered to provide solutions for environmental, economic, safety and societal challenges. However, automation changes the driving task and the human-machine interaction. Thus, the expected benefit of in-vehicle automation can be undermined by changes in drivers’ behaviour, i.e. behavioural adaptation. This PhD project focuses on motivational as well as higher cognitive processes underlying behavioural adaptation when interacting with in-vehicle automation. Motivational processes include the development of trust and acceptance, whereas higher cognitive processes comprise the learning process as well as the development of mental models and Situation Awareness (SA). As an example for in-vehicle automation, the advanced driver assistance system Adaptive Cruise Control (ACC) was investigated. ACC automates speed and distance control by maintaining a constant set cruising speed and automatically adjusting vehicle’s velocity in order to provide a specified distance to the preceding vehicle. However, due to sensor limitations, not every situation can be handled by the system and therefore driver intervention is required. Trust, acceptance and an appropriate mental model of the system functionality are considered key variables for adequate use and appropriate SA. To systematically investigate changes in motivational and higher cognitive processes, a driving simulator as well as an on-road study were carried out. Both of the studies were conducted using a repeated-measures design, taking into account the process character, i.e. changes over time. The main focus was on the development of trust, acceptance and the mental model of novice users when interacting with ACC. By now, only few studies have attempted to assess changes in higher level cognitive processes, due to methodological difficulties posed by the dynamic task of driving. Therefore, this PhD project aimed at the elaboration and validation of innovative methods for assessing higher cognitive processes, with an emphasis on SA and mental models. In addition, a new approach for analyzing big and heterogeneous data in social science was developed, based on the use of relational databases. The driving simulator study investigated the effect of divergent initial mental models of ACC (i.e., varying according to correctness) on trust, acceptance and mental model evolvement. A longitudinal study design was applied, using a two-way (3×3) repeated measures mixed design with a matched sample of 51 subjects. Three experimental groups received (1) a correct ACC description, (2) an incomplete and idealised account omitting potential problems, and (3) an incorrect description including non-occurring problems. All subjects drove a 56-km track of highway with an identical ACC system, three times, and within a period of 6 weeks. Results showed that after using the system, participants’ mental model of ACC converged towards the profile of the correct group. Non-experienced problems tended to disappear from the mental model network when they were not activated by experience. Trust and acceptance grew steadily for the correct condition. The same trend was observed for the group with non-occurring problems, starting from a lower initial level. Omitted problems in the incomplete group led to a constant decrease in trust and acceptance without recovery. This indicates that automation failures do not negatively affect trust and acceptance if they are known beforehand. During each drive, participants continuously completed a visual secondary task, the Surrogate Reference Task (SURT). The frequency of task completion was used as objective online-measure for SA, based on the principle that situationally aware driver would reduce the engagement in the secondary task if they expect potentially critical situations. Results showed that correctly informed drivers were aware of potential system limitations and reduced their engagement in the secondary task when such situations arose. Participants with no information about limitations became only aware after first encounter and reduced secondary task engagement in corresponding situations during subsequent trials. However, trust and acceptance in the system declined over time due to the unexpected failures. Non occurring limitations tended to drop from the mental model and resulted in reduced SA already in the second trial. The on-road study investigated the learning process, as well as the development of trust, acceptance and the mental model for interacting with ACC in real conditions. Research questions aimed to model the learning process in mathematical/statistical terms, examine moments and conditions when these processes stabilize, and assess how experience changes the mental model of the system. A sample of fifteen drivers without ACC experience drove a test vehicle with ACC ten consecutive times on the same route within a 2-month period. In contrast to the driving simulator study, all participants were fully trained in ACC functionality by reading the owner’s manual in the beginning. Results showed that learning, as well as the development of acceptance and trust in ACC follows the power law of learning, in case of comprehensive prior information on system limitations. Thus, the major part of the learning process occurred during the first interaction with the system and support in explaining the systems abilities (e.g. by tutoring systems) should therefore primarily be given during this first stage. All processes stabilized at a relatively high level after the fifth session, which corresponds to 185 km or 3.5 hours of driving. No decline was observable with ongoing system experience. However, in line with the findings from the simulator study, limitations that are not experienced tended to disappear from the mental model if they were not activated by experience. With regard to the validation of the developed methods for assessing mental models and SA, results are encouraging. The studies show that the mental model questionnaire is able to provide insights into the construction of mental models and the development over time. Likewise, the implicit measurement approach to assess SA online in the driving simulator is sensitive to user’s awareness of potentially critical situations. In terms of content, the results of the studies prove the enduring relevance of the initial mental model for the learning process, SA, as well as the development of trust, acceptance and a realistic mental model about automation capabilities and limitations. Given the importance of the initial mental model it is recommended that studies on system trust and acceptance should include, and attempt to control, users’ initial mental model of system functionality. Although the results showed that also incorrect and incomplete initial mental models converged by experience towards a realistic appreciation of system functionality, the more cognitive effort needed to update the mental model, the lower trust and acceptance. Providing an idealised description, which omits potential problems, only leads to temporarily higher trust and acceptance in the beginning. The experience of unexpected limitations results in a steady decrease in trust and acceptance over time. A trial-and-error strategy for in-vehicle automation use, without accompanying information, is therefore considered insufficient for developing stable trust and acceptance. If the mental model matches experience, trust and acceptance grow steadily following the power law of learning – regardless of the experience of system limitations. Provided that such events are known in advance, they will not cause a decrease in trust and acceptance over time. Even over-information about potential problems lowers trust and acceptance only in the beginning, and not in the long run. Potential problems should therefore not be concealed in over-idealised system descriptions; the more information given, the better, in the long run. However, limitations that are not experienced tend to disappear from the mental model. Therefore, it is recommended that users be periodically reminded of system limitations to make sure that corresponding knowledge becomes re-activated. Intelligent tutoring systems incorporated in automated systems could provide a solution. In the driving context, periodic reminders about system limitations could be shown via the multifunction displays integrated in most modern cars. Tutoring systems could also be used to remind the driver of the presence of specific in-vehicle automation systems and reveal their benefits. / Viele Aufgaben, die ehemals von Menschen ausgeführt wurden, werden heute von Maschinen übernommen. Dieser Prozess der Automatisierung betrifft viele Lebensbereiche von Arbeit, Wohnen, Kommunikation bis hin zur Mobilität. Im Bereich des Individualverkehrs wird die Automatisierung von Fahrzeugen als Möglichkeit gesehen, zukünftigen Herausforderungen wirtschaftlicher, gesellschaftlicher und umweltpolitischer Art zu begegnen. Allerdings verändert Automatisierung die Fahraufgabe und die Mensch-Technik Interaktion im Fahrzeug. Daher können beispielsweise erwartete Sicherheitsgewinne automatisch agierender Assistenzsysteme durch Veränderungen im Verhalten des Fahrers geschmälert werden, was als Verhaltensanpassung (behavioural adaptation) bezeichnet wird. Dieses Dissertationsprojekt untersucht motivationale und höhere kognitive Prozesse, die Verhaltensanpassungen im Umgang mit automatisierten Fahrerassistenzsystemen zugrunde liegen. Motivationale Prozesse beinhalten die Entwicklung von Akzeptanz und Vertrauen in das System, unter höheren kognitiven Prozessen werden Lernprozesse sowie die Entwicklung von mentalen Modellen des Systems und Situationsbewusstsein (Situation Awareness) verstanden. Im Fokus der Untersuchungen steht das Fahrerassistenzsystem Adaptive Cruise Control (ACC) als ein Beispiel für Automatisierung im Fahrzeug. ACC regelt automatisch die Geschwindigkeit des Fahrzeugs, indem bei freier Fahrbahn eine eingestellte Wunschgeschwindigkeit und bei einem Vorausfahrer automatisch ein eingestellter Abstand eingehalten wird. Allerdings kann ACC aufgrund von Einschränkungen der Sensorik nicht jede Situation bewältigen, weshalb der Fahrer übernehmen muss. Für diesen Interaktionsprozess spielen Vertrauen, Akzeptanz und das mentale Modell der Systemfunktionalität eine Schlüsselrolle, um einen sicheren Umgang mit dem System und ein adäquates Situationsbewusstsein zu entwickeln. Zur systematischen Erforschung dieser motivationalen und kognitiven Prozesse wurden eine Fahrsimulatorstudie und ein Versuch im Realverkehr durchgeführt. Beide Studien wurden im Messwiederholungsdesign angelegt, um dem Prozesscharakter gerecht werden und Veränderungen über die Zeit erfassen zu können. Die Entwicklung von Vertrauen, Akzeptanz und mentalem Modell in der Interaktion mit ACC war zentraler Forschungsgegenstand beider Studien. Bislang gibt es wenige Studien, die kognitive Prozesse im Kontext der Fahrzeugführung untersucht haben, unter anderem auch wegen methodischer Schwierigkeiten in diesem dynamischen Umfeld. Daher war es ebenfalls Teil dieses Dissertationsprojekts, neue Methoden zur Erfassung höherer kognitiver Prozesse in dieser Domäne zu entwickeln, mit Fokus auf mentalen Modellen und Situationsbewusstsein. Darüber hinaus wurde auch ein neuer Ansatz für die Analyse großer und heterogener Datenmengen im sozialwissenschaftlichen Bereich entwickelt, basierend auf dem Einsatz relationaler Datenbanken. Ziel der der Fahrsimulatorstudie war die systematische Erforschung des Effekts von unterschiedlich korrekten initialen mentalen Modellen von ACC auf die weitere Entwicklung des mentalen Modells, Vertrauen und Akzeptanz des Systems. Eine Stichprobe von insgesamt 51 Probanden nahm an der Studie teil; der Versuch wurde als zweifaktorielles (3x3) gemischtes Messwiederholungsdesign konzipiert. Die 3 parallelisierten Versuchsgruppen zu je 17 Personen erhielten (1) eine korrekte Beschreibung des ACC, (2) eine idealisierte Beschreibung unter Auslassung auftretender Systemprobleme und (3) eine überkritische Beschreibung mit zusätzlichen Hinweisen auf Systemprobleme, die nie auftraten. Alle Teilnehmer befuhren insgesamt dreimal im Zeitraum von sechs Wochen dieselbe 56 km lange Autobahnstrecke im Fahrsimulator mit identischem ACC-System. Mit zunehmendem Einsatz des ACC zeigte sich im anfänglich divergierenden mentalen Modell zwischen den Gruppen eine Entwicklung hin zum mentalen Modell der korrekt informierten Gruppe. Nicht erfahrene Systemprobleme tendierten dazu, im mentalen Modell zu verblassen, wenn sie nicht durch Erfahrung reaktiviert wurden. Vertrauen und Akzeptanz stiegen stetig in der korrekt informierten Gruppe. Dieselbe Entwicklung zeigte sich auch in der überkritisch informierten Gruppe, wobei Vertrauen und Akzeptanz anfänglich niedriger waren als in der Bedingung mit korrekter Information. Verschwiegene Systemprobleme führten zu einer konstanten Abnahme von Akzeptanz und Vertrauen ohne Erholung in der Gruppe mit idealisierter Beschreibung. Diese Resultate lassen darauf schließen, dass Probleme automatisierter Systeme sich nicht zwingend negativ auf Vertrauen und Akzeptanz auswirken, sofern sie vorab bekannt sind. Bei jeder Fahrt führten die Versuchsteilnehmer zudem kontinuierlich eine visuell beanspruchende Zweitaufgabe aus, die Surrogate Reference Task (SURT). Die Frequenz der Zweitaufgabenbearbeitung diente als objektives Echtzeitmaß für das Situationsbewusstsein, basierend auf dem Ansatz, dass situationsbewusste Fahrer die Zuwendung zur Zweitaufgabe reduzieren wenn sie potentiell kritische Situationen erwarten. Die Ergebnisse zeigten, dass die korrekt informierten Fahrer sich potentiell kritischer Situationen mit möglichen Systemproblemen bewusst waren und schon im Vorfeld der Entstehung die Zweitaufgabenbearbeitung reduzierten. Teilnehmer ohne Informationen zu auftretenden Systemproblemen wurden sich solcher Situationen erst nach dem ersten Auftreten bewusst und reduzierten in entsprechenden Szenarien der Folgefahrten die Zweitaufgabenbearbeitung. Allerdings sanken Vertrauen und Akzeptanz des Systems aufgrund der unerwarteten Probleme. Erwartete, aber nicht auftretende Systemprobleme tendierten dazu, im mentalen Modell des Systems zu verblassen und resultierten in vermindertem Situationsbewusstsein bereits in der zweiten Fahrt. Im Versuch unter Realbedingungen wurden der Lernprozesses sowie die Entwicklung des mentalen Modells, Vertrauen und Akzeptanz von ACC im Realverkehr erforscht. Ziele waren die statistisch/mathematische Modellierung des Lernprozesses, die Bestimmung von Zeitpunkten der Stabilisierung dieser Prozesse und wie sich reale Systemerfahrung auf das mentale Modell von ACC auswirkt. 15 Versuchsteilnehmer ohne ACC-Erfahrung fuhren ein Serienfahrzeug mit ACC insgesamt 10-mal auf der gleichen Strecke in einem Zeitraum von 2 Monaten. Im Unterschied zur Fahrsimulatorstudie waren alle Teilnehmer korrekt über die ACC-Funktionen und Funktionsgrenzen informiert durch Lesen der entsprechenden Abschnitte im Fahrzeughandbuch am Beginn der Studie. Die Ergebnisse zeigten, dass der Lernprozess sowie die Entwicklung von Akzeptanz und Vertrauen einer klassischen Lernkurve folgen – unter der Bedingung umfassender vorheriger Information zu Systemgrenzen. Der größte Lernfortschritt ist am Beginn der Interaktion mit dem System sichtbar und daher sollten Hilfen (z.B. durch intelligente Tutorsysteme) in erster Linie zu diesem Zeitpunkt gegeben werden. Eine Stabilisierung aller Prozesse zeigte sich nach der fünften Fahrt, was einer Fahrstrecke von rund 185 km oder 3,5 Stunden Fahrzeit entspricht. Es zeigten sich keine Einbrüche in Akzeptanz, Vertrauen bzw. dem Lernprozess durch die gemachten Erfahrungen im Straßenverkehr. Allerdings zeigte sich – analog zur Fahrsimulatorstudie – auch in der Realfahrstudie ein Verblassen von nicht erfahrenen Systemgrenzen im mentalen Modell, wenn diese nicht durch Erfahrungen aktiviert wurden. Im Hinblick auf die Validierung der neu entwickelten Methoden zur Erfassung von mentalen Modellen und Situationsbewusstsein sind die Resultate vielversprechend. Die Studien zeigen, dass mit dem entwickelten Fragebogenansatz zur Quantifizierung des mentalen Modells Einblicke in Aufbau und Entwicklung mentaler Modelle gegeben werden können. Der implizite Echtzeit-Messansatz für Situationsbewusstsein im Fahrsimulator zeigt sich ebenfalls sensitiv in der Erfassung des Bewusstseins von Fahrern für potentiell kritische Situationen. Inhaltlich zeigen die Studien die nachhaltige Relevanz des initialen mentalen Modells für den Lernprozess sowie die Entwicklung von Situationsbewusstsein, Akzeptanz, Vertrauen und die weitere Ausformung eines realistischen mentalen Modells der Möglichkeiten und Grenzen automatisierter Systeme. Aufgrund dieser Relevanz wird die Einbindung und Kontrolle des initialen mentalen Modells in Studien zu automatisierten Systemen unbedingt empfohlen. Die Ergebnisse zeigen zwar, dass sich auch unvollständige bzw. falsche mentale Modelle durch Erfahrungslernen hin zu einer realistischen Einschätzung der Systemmöglichkeiten und -grenzen verändern, allerdings um den Preis sinkenden Vertrauens und abnehmender Akzeptanz. Idealisierte Systembeschreibungen ohne Hinweise auf mögliche Systemprobleme bringen nur anfänglich etwas höheres Vertrauen und Akzeptanz. Das Erleben unerwarteter Probleme führt zu einem stetigen Abfall dieser motivationalen Faktoren über die Zeit. Ein alleiniges Versuchs-Irrtums-Lernen für den Umgang mit automatisierter Assistenz im Fahrzeug ohne zusätzliche Information wird daher als nicht ausreichend für die Entwicklung stabilen Vertrauens und stabiler Akzeptanz betrachtet. Wenn das initiale mentale Modell den Erfahrungen entspricht, entwickeln sich Akzeptanz und Vertrauen gemäß einer klassischen Lernkurve – trotz erlebter Systemgrenzen. Sind diese potentiellen Probleme vorher bekannt, führen sie nicht zwingend zu einer Reduktion von Vertrauen und Akzeptanz. Auch zusätzliche überkritische Information vermindert Vertrauen und Akzeptanz nur am Beginn, aber nicht langfristig. Daher sollen potentielle Probleme in automatisierten Systemen nicht in idealisierten Beschreibungen verschwiegen werden – je präzisere Information gegeben wird, desto besser im langfristigen Verlauf. Allerdings tendieren nicht erfahrene Systemgrenzen zum Verblassen im mentalen Modell. Daher wird empfohlen, Nutzer regelmäßig an diese Systemgrenzen zu erinnern um die entsprechenden Facetten des mentalen Modells zu reaktivieren. In automatisierten Systemen integrierte intelligente Tutorsysteme könnten dafür eine Lösung bieten. Im Fahrzeugbereich könnten solche periodischen Erinnerungen an Systemgrenzen in Multifunktionsdisplays angezeigt werden, die mittlerweile in vielen modernen Fahrzeugen integriert sind. Diese Tutorsysteme können darüber hinaus auch auf die Präsenz eingebauter automatisierter Systeme hinweisen und deren Vorteile aufzeigen.

Von Beginn der flexiblen Automatisierung mit numerisch gesteuerten Werkzeugmaschinen und der zugehörigen Programmier-Software bis zum gegenwärtigen Entwicklungsstand (Industrie 4.0) wird die historische Entwicklung von 1960 bis 2020 aus der Position eines aktiven Mitgestalters dargestellt. Interessanterweise vollzogen sich die wesentlichen Entwicklungsetappen für die ersten dreißig Jahre parallel in beiden deutschen Staaten. Aus den Lehren des Zweiten Weltkrieges wurden im Rahmen der UNESCO zum friedlichen Informationsaustausch geeignete wissenschaftliche Organisationen gegründet: • IFIP (Internationale Föderation für Informationsprozesse, speziell Arbeitsgrupp CAM • CIRP (Internationale Akademie der Fertigungstechniker) Mit der Berufung und aktiven Mitarbeit in diesen Organisationen war eine Plattform für die deutsch-deutsche und darüber hinaus internationale Kooperation gegeben. Ein besonderer Schwerpunkt für den geordneten Informationsaustausch im Rahmen der gesamten dynamischen Entwicklung im Gebiet der Produktionsautomatisierung war dabei die im 3-Jahres-Rhythmus durchgeführte Konferenzserie PROLAMAT (Programming Languages for Machine Tools), gestartet 1969 in Rom. Im weiteren Verlauf wurde dieser Begriff viel breiter für das gesamte Gebiet der automatisierten Informationsverarbeitung und Fertigung erweitert. Ein besonderer Höhepunkt war dabei die erfolgreichste PROLAMAT-Konferenz 1988 in Dresden. Parallel dazu erfolgten an der TU Dresden Entwicklungen in Richtung CAD/CAM-Labor und später CIM-TT (CIM-Technologietransferzentrum). Damit war an der TU Dresden 1989/90 ein Entwicklungsstand gegeben, der unmittelbar zu gemeinsamen deutsch-deutschen und internationalen EU-Projekten genutzt werden konnte. Dieses hohe Entwicklungsniveau wurde zur offiziellen Eröffnung des CIM-TT-Zentrums in den Eröffnungsreferaten durch den damaligen Wissenschaftsminister Dr. Riesenhuber und Ministerpräsident Prof. Biedenkopf gewürdigt. Durch die zum gleichen Zeitpunkt verfügte veränderte Nutzung des für das CIM-TT im Aufbau befindliche Gebäude durch die neugegründete Juristische Fakultät wurde der erfolgreich vorbereitete Weg verhindert. Unabhängig davon blieb meine fachliche Orientierung mit den gravierenden Weiterentwicklungen eng verbunden. Dazu trug das Sabbatical-Jahr in Norwegen und den USA 1992 maßgeblich bei. Mit dem Forschungsaufenthalt war die Entscheidungsvorbereitung für die vorgesehene Groß-Investition für das neueste generative Verfahren verbunden. Gleichzeitig mit dem fundierten Nachweis der bestgeeigneten sog. Rapid-Prototyping-Anlage vom deutschen Anbieter EOS München war die TU Dresden auf diesem neuen High-Tech-Gebiet 1992 in einer anerkannten Spitzenposition. Mit meiner Publikation eines der ersten Fachbücher im Gebiet Advanced Prototyping (jetzt Additiv Manufacturing) war darüber hinaus eine gute Basis für weitere innovative Aktivitäten gegeben Dazu gehört die Gründung einer High-Tech-Firma (SFM - Schnelle Fertigung von Modellen) mit bemerkenswerten beispielgebenden Ergebnissen. Hervorgehoben soll die zwanzigjährige aktive Kooperation mit der Universität Stellenbosch (RSA - Republik Südafrika), die unter anderem mit meiner Berufung zum Extraordinary Professor im Jahr 2003 verbunden ist. Mit der Eröffnung eines Technologie-Zentrums nach dem Vorbild des ursprünglichen CIM TT -Zentrums der TU Dresden konnte für Südafrika ein wertvoller Beitrag geleistet werden. Das gesamte Lebenswerk ist gekennzeichnet durch die Entwicklungsschritte von der Mathematisierung über die Algorithmierung bis hin zur Programmierung vielfältiger technologischer Sachverhalte. Die Ergebnisse sind in einer Anzahl von persönlichen Fachbüchern (z.T. übersetzt in das Russische und Ungarische) wie auch Konferenzberichten und mehr als 200 Veröffentlichungen (deutsch und englisch) dokumentiert.

Der lagerlose reluktante Rotations-Linear-Motor (BRLRM) ermöglicht die aktive Kontrolle eines schwebenden ferromagnetischen Rotors in allen 6 Bewegungs-Freiheitsgraden. Durch eine zweidimensionale Rotorverzahnung sind axiale Verschiebungen und Verdrehungen über beliebig lange Verfahrwege möglich. Es lassen sich zwei Verzahnungsarten unterscheiden, deren Krafterzeugung theoretisch modelliert und analysiert wird. Für eine Grundbauform aus zwei Statoren, deren gegenüberliegende Pole gleichartigen Versatz zur Rotorverzahnung aufweisen, erfolgt für beide Verzahnungsarten der Nachweis der Steuerbarkeit. Für den jeweiligen Fall ist eine Mindestanzahl an Polpaaren nötig. Die Versetzungen der Verzahnungen müssen Steuerbarkeitsbedingungen erfüllen. Die optimalen Versetzungsanordnungen, welche diese erfüllen, werden mit Hilfe eines speziell entwickelten Algorithmus ermittelt. Für ausgewählte Motorbauformen erfolgt eine Analyse der theoretisch erreichbaren Gesamtkräfte des Motors. Der Betrieb des BRLRM erfordert ein 6-Achs-Lagemesssystem, wofür eine differenzielle kapazitive Sensoranordnung und Auswerteelektronik entwickelt werden. Ein messtechnischer Nachweis zeigt, dass damit eine wirksame Unterdrückung von elektromagnetischen Störungen möglich ist. Für die Lageregelung wird eine einfache Struktur vorgestellt sowie ein effizienter Algorithmus zur Ermittlung der Sollströme entwickelt. Zu einer ausgewählten Motorbauform wird ein Versuchsstand entwickelt und aufgebaut. Durch analytische Betrachtungen, numerische Simulationen und Messungen erfolgt der Nachweis der Stabilität des Gesamtsystems. Mittels Simulationen sowie mit Messungen am Versuchsaufbau werden das dynamische Verhalten des BRLRM charakterisiert sowie einige theoretische Aspekte verifiziert. Ein Schwerpunkt ist die Betrachtung von Verkopplungseffekten aufgrund von Nichtlinearitäten und parasitären Effekten des Lagemesssystems. / The bearingless rotary linear reluctance motor (BRLRM) enables active control of a levitating ferromagnetic rotor in all 6 degrees of freedom of movement. Two-dimensional rotor toothing allows axial translation and rotation over any length of travel. Two types of toothing can be distinguished, and their force generation is theoretically modelled and analysed. For a basic design consisting of two stators, where the opposite poles have the same offset with respect to the rotor toothing, the controllability is verified for both types of toothing. A minimum number of pole pairs is required for each case. The offsets of the toothings must fulfil controllability conditions. The optimal offset arrangements that fulfil these conditions are determined using a specially developed algorithm. For several motor designs, an analysis of the theoretically achievable total forces of the motor is carried out. The operation of the BRLRM requires a 6-axis position measurement system, for which a differential capacitive sensor configuration and evaluation electronics are developed. A metrological proof shows that an effective suppression of electromagnetic disturbances is achieved. A simplified structure is presented for the position control and an efficient algorithm is developed for determining the setpoint currents. An experimental setup is constructed and built for a selected motor design. Analytical considerations, numerical simulations as well as measurements are used to prove the stability of the overall system. The dynamic behaviour of the BRLRM is characterised and some theoretical aspects are verified using simulations and measurements on the experimental setup. One focus is on the consideration of coupling effects due to non-linearities and parasitic effects of the position measurement system.

This contributed book contains the short papers presented at the 1st International Conference on Hybrid Societies 2023. Organized by the DFG-funded Collaborative Research Centre 'Hybrid Societies' at Chemnitz University of Technology.:Flourishing from, for, and with Social Machines: Considering the Eudaimonics of Hybrid Societies - Banks J. How do vehicle size, speed, TTC, age and sex affect cyclists’ gap acceptance when interacting with (automated) vehicles? - Springer-Teumer S., Trommler D., Krems J.F. Assessing Driver Uncertainty Respecting Response Actions in Lane Change Maneuvers - Yan F., Eilers M., Baumann M. Using Functionally Anthropomorphic Eyes to Indicate Robotic Motion - Schweidler P. & Onnasch L. Living Labs as Third Spaces: Low-threshold participation, empowering hospitality, and the social infrastructures of continuous presence - Pentzold C., Rothe I., Bischof A. Artificial Morality - Armbruster D., Mandl S., Strobel A. Reducing Prejudice via Virtual Reality: A Meta-Analysis of Experimental Evidence - Stein J.-P., Gnambs T., Appel M. Policy Learning with Spiking Neural Network for Robot Manipulation Tasks - Abdelaal O. M. & Röhrbein F. / Dieser Konferenzband enthält die Kurzbeiträge, die auf der 1st International Conference on Hybrid Societies 2023 vorgestellt wurden. Veranstaltet vom DFG-geförderten Sonderforschungsbereich 'Hybrid Societies' der Technischen Universität Chemnitz.:Flourishing from, for, and with Social Machines: Considering the Eudaimonics of Hybrid Societies - Banks J. How do vehicle size, speed, TTC, age and sex affect cyclists’ gap acceptance when interacting with (automated) vehicles? - Springer-Teumer S., Trommler D., Krems J.F. Assessing Driver Uncertainty Respecting Response Actions in Lane Change Maneuvers - Yan F., Eilers M., Baumann M. Using Functionally Anthropomorphic Eyes to Indicate Robotic Motion - Schweidler P. & Onnasch L. Living Labs as Third Spaces: Low-threshold participation, empowering hospitality, and the social infrastructures of continuous presence - Pentzold C., Rothe I., Bischof A. Artificial Morality - Armbruster D., Mandl S., Strobel A. Reducing Prejudice via Virtual Reality: A Meta-Analysis of Experimental Evidence - Stein J.-P., Gnambs T., Appel M. Policy Learning with Spiking Neural Network for Robot Manipulation Tasks - Abdelaal O. M. & Röhrbein F.

"Maschinenphilologie" – das heißt: Fahndung nach dem Subjekt der Philologie. Literaturarchive, Textkritiken und Digital Humanities sind heute Schauplätze digitaler Medien, die nicht nur den passiven Gegenstand, sondern das methodische Werkzeug von Philologie abgeben. Ihre Wirkmacht nötigt zur Frage, wie eine bestimmte Maschinengattung die Prämissen, Praktiken und Institutionen dieses seit 1800 humanistisch geprägten Wissenschaftsfeldes affiziert. Und damit auch seinen geschichtsträchtigen Subjektbegriff: Denn wo nicht mehr nur oder primär Menschen, sondern auch ihr maschinelles Andere schreibt, liest, archiviert und ediert, ist die Logosliebe, mit N. Katherine Hayles zu sprechen, längst posthumanistisch geworden. Grund genug, dieses Beziehungsgeflecht von Menschen und Medien noch einmal abseits von allen Humanexzeptionalismen zu denken: Philologie am heutigen Tag ist immer auch Maschinenphilologie. / This dissertation is in pursuit of the elusive agent of philology. Be it literary archives which curate digital remains, textual criticism which processes computer software, or the Digital Humanities as an alleged new paradigm of humanities, digital media poses particular challenges for philology today—not only as an object of study, but also as a methodological tool. "Machine Philology" confronts these challenges, asking more generally how a particular type of machinery affects the premises, practices, and institutions of a scientific field informed by traditional humanism. Central to the project is an inquiry into the notion of subjectivity. For, where not only human beings, but also their machinic Other, reads, writes, archives, and edits, it is to be argued that philology has—following N. Katherine Hayles—become posthumanistic. The dissertation uses this as an opportunity for a fundamental reconsideration of the entangled network of human beings and media that philology can be described as, evacuated of any human-exceptionalism: Philology today is machine philology.

Many functions that at one time could only be performed by humans can nowadays be carried out by machines. Automation impacts many areas of life including work, home, communication and mobility. In the driving context, in-vehicle automation is considered to provide solutions for environmental, economic, safety and societal challenges. However, automation changes the driving task and the human-machine interaction. Thus, the expected benefit of in-vehicle automation can be undermined by changes in drivers’ behaviour, i.e. behavioural adaptation. This PhD project focuses on motivational as well as higher cognitive processes underlying behavioural adaptation when interacting with in-vehicle automation. Motivational processes include the development of trust and acceptance, whereas higher cognitive processes comprise the learning process as well as the development of mental models and Situation Awareness (SA). As an example for in-vehicle automation, the advanced driver assistance system Adaptive Cruise Control (ACC) was investigated. ACC automates speed and distance control by maintaining a constant set cruising speed and automatically adjusting vehicle’s velocity in order to provide a specified distance to the preceding vehicle. However, due to sensor limitations, not every situation can be handled by the system and therefore driver intervention is required. Trust, acceptance and an appropriate mental model of the system functionality are considered key variables for adequate use and appropriate SA. To systematically investigate changes in motivational and higher cognitive processes, a driving simulator as well as an on-road study were carried out. Both of the studies were conducted using a repeated-measures design, taking into account the process character, i.e. changes over time. The main focus was on the development of trust, acceptance and the mental model of novice users when interacting with ACC. By now, only few studies have attempted to assess changes in higher level cognitive processes, due to methodological difficulties posed by the dynamic task of driving. Therefore, this PhD project aimed at the elaboration and validation of innovative methods for assessing higher cognitive processes, with an emphasis on SA and mental models. In addition, a new approach for analyzing big and heterogeneous data in social science was developed, based on the use of relational databases. The driving simulator study investigated the effect of divergent initial mental models of ACC (i.e., varying according to correctness) on trust, acceptance and mental model evolvement. A longitudinal study design was applied, using a two-way (3×3) repeated measures mixed design with a matched sample of 51 subjects. Three experimental groups received (1) a correct ACC description, (2) an incomplete and idealised account omitting potential problems, and (3) an incorrect description including non-occurring problems. All subjects drove a 56-km track of highway with an identical ACC system, three times, and within a period of 6 weeks. Results showed that after using the system, participants’ mental model of ACC converged towards the profile of the correct group. Non-experienced problems tended to disappear from the mental model network when they were not activated by experience. Trust and acceptance grew steadily for the correct condition. The same trend was observed for the group with non-occurring problems, starting from a lower initial level. Omitted problems in the incomplete group led to a constant decrease in trust and acceptance without recovery. This indicates that automation failures do not negatively affect trust and acceptance if they are known beforehand. During each drive, participants continuously completed a visual secondary task, the Surrogate Reference Task (SURT). The frequency of task completion was used as objective online-measure for SA, based on the principle that situationally aware driver would reduce the engagement in the secondary task if they expect potentially critical situations. Results showed that correctly informed drivers were aware of potential system limitations and reduced their engagement in the secondary task when such situations arose. Participants with no information about limitations became only aware after first encounter and reduced secondary task engagement in corresponding situations during subsequent trials. However, trust and acceptance in the system declined over time due to the unexpected failures. Non occurring limitations tended to drop from the mental model and resulted in reduced SA already in the second trial. The on-road study investigated the learning process, as well as the development of trust, acceptance and the mental model for interacting with ACC in real conditions. Research questions aimed to model the learning process in mathematical/statistical terms, examine moments and conditions when these processes stabilize, and assess how experience changes the mental model of the system. A sample of fifteen drivers without ACC experience drove a test vehicle with ACC ten consecutive times on the same route within a 2-month period. In contrast to the driving simulator study, all participants were fully trained in ACC functionality by reading the owner’s manual in the beginning. Results showed that learning, as well as the development of acceptance and trust in ACC follows the power law of learning, in case of comprehensive prior information on system limitations. Thus, the major part of the learning process occurred during the first interaction with the system and support in explaining the systems abilities (e.g. by tutoring systems) should therefore primarily be given during this first stage. All processes stabilized at a relatively high level after the fifth session, which corresponds to 185 km or 3.5 hours of driving. No decline was observable with ongoing system experience. However, in line with the findings from the simulator study, limitations that are not experienced tended to disappear from the mental model if they were not activated by experience. With regard to the validation of the developed methods for assessing mental models and SA, results are encouraging. The studies show that the mental model questionnaire is able to provide insights into the construction of mental models and the development over time. Likewise, the implicit measurement approach to assess SA online in the driving simulator is sensitive to user’s awareness of potentially critical situations. In terms of content, the results of the studies prove the enduring relevance of the initial mental model for the learning process, SA, as well as the development of trust, acceptance and a realistic mental model about automation capabilities and limitations. Given the importance of the initial mental model it is recommended that studies on system trust and acceptance should include, and attempt to control, users’ initial mental model of system functionality. Although the results showed that also incorrect and incomplete initial mental models converged by experience towards a realistic appreciation of system functionality, the more cognitive effort needed to update the mental model, the lower trust and acceptance. Providing an idealised description, which omits potential problems, only leads to temporarily higher trust and acceptance in the beginning. The experience of unexpected limitations results in a steady decrease in trust and acceptance over time. A trial-and-error strategy for in-vehicle automation use, without accompanying information, is therefore considered insufficient for developing stable trust and acceptance. If the mental model matches experience, trust and acceptance grow steadily following the power law of learning – regardless of the experience of system limitations. Provided that such events are known in advance, they will not cause a decrease in trust and acceptance over time. Even over-information about potential problems lowers trust and acceptance only in the beginning, and not in the long run. Potential problems should therefore not be concealed in over-idealised system descriptions; the more information given, the better, in the long run. However, limitations that are not experienced tend to disappear from the mental model. Therefore, it is recommended that users be periodically reminded of system limitations to make sure that corresponding knowledge becomes re-activated. Intelligent tutoring systems incorporated in automated systems could provide a solution. In the driving context, periodic reminders about system limitations could be shown via the multifunction displays integrated in most modern cars. Tutoring systems could also be used to remind the driver of the presence of specific in-vehicle automation systems and reveal their benefits.:Table of contents LIST OF FIGURES I LIST OF TABLES II LIST OF ABBREVIATIONS III ACKNOWLEDGEMENTS IV SUMMARY V ZUSAMMENFASSUNG VIII 1 INTRODUCTION 12 2 THEORETICAL BACKGROUND 14 2.1 BEHAVIOURAL ADAPTATION AND HIGHER COGNITIVE PROCESSES 14 2.2 VEHICLE AUTOMATION AND ADAPTIVE CRUISE CONTROL 17 2.3 MENTAL MODELS 20 2.3.1 Definition 20 2.3.2 Mental model construction and update 20 2.3.3 Discussion of existing measures 21 2.3.4 Development of the mental model questionnaire 23 2.4 SITUATION AWARENESS 24 2.4.1 Definition 24 2.4.2 Relationship between mental models and Situation Awareness 26 2.4.3 Situation Awareness as comprehension process 27 2.4.4 Discussion of existing measures 27 2.4.5 Development of the Situation Awareness measurement technique 29 2.5 LEARNING, ACCEPTANCE AND TRUST IN AUTOMATION 30 2.5.1 Power law of learning 30 2.5.2 Acceptance 31 2.5.3 Trust in automation 31 2.5.4 Related research on learning, acceptance and trust in ACC 32 3 OVERALL RESEARCH QUESTIONS 34 4 OVERALL METHODOLOGICAL CONSIDERATIONS 35 4.1 DRIVING SIMULATOR STUDIES AND ON-ROAD TESTS 35 4.2 DATABASE-FRAMEWORK FOR DATA STORAGE AND ANALYSIS 37 5 DRIVING SIMULATOR STUDY 42 5.1 AIMS AND RESEARCH QUESTIONS 42 5.2 METHOD AND MATERIAL 43 5.2.1 Sampling and participants 43 5.2.2 Research design and procedure 44 5.2.3 Facilities and driving simulator track 45 5.2.4 Secondary task SURT 46 5.2.5 System description 46 5.2.6 Dependent variables trust, acceptance and mental model 47 5.2.7 Contrast analysis 48 5.3 RESULTS 49 5.3.1 Mental model 49 5.3.2 Trust and acceptance 51 5.3.3 Situation Awareness 52 5.4 DISCUSSION 56 6 ON-ROAD STUDY 59 6.1 AIMS AND RESEARCH QUESTIONS 59 6.2 METHOD AND MATERIAL 59 6.2.1 Research design and procedure 59 6.2.2 Sampling and participants 60 6.2.3 Facilities and apparatus 60 6.2.4 Dependent variables mental model, trust, acceptance, learning and ACC usage 62 6.3 RESULTS 63 6.3.1 ACC usage 63 6.3.2 Trust and acceptance 64 6.3.3 Learning 65 6.3.4 Mental model 67 6.4 DISCUSSION 68 7 GENERAL DISCUSSION AND CONCLUSIONS 70 7.1 THEORETICAL AND PRACTICAL CONSIDERATIONS 70 7.2 METHODOLOGICAL CONSIDERATIONS 71 7.3 LIMITATIONS AND DIRECTIONS FOR FUTURE RESEARCH 74 8 REFERENCES 76 9 APPENDIX 88 9.1 QUESTIONNAIRES USED IN THE DRIVING SIMULATOR STUDY 88 9.1.1 Original German version 88 9.1.2 English translation 91 9.2 ACC DESCRIPTIONS USED IN THE DRIVING SIMULATOR STUDY 94 9.2.1 Correct description 94 9.2.2 Incomplete description 95 9.2.3 Incorrect description 96 9.3 SCHEMATIC OVERVIEW OF THE DRIVING SIMULATOR TRACK 97 9.4 QUESTIONNAIRES USED IN THE ON-ROAD STUDY 99 9.4.1 Original German version 99 9.4.2 English translation 103 9.5 SEMINAR PROGRAMME: DATABASES AS ANALYSIS TOOL IN SOCIAL SCIENCE 107 9.6 CURRICULUM VITAE AND PUBLICATIONS 109 / Viele Aufgaben, die ehemals von Menschen ausgeführt wurden, werden heute von Maschinen übernommen. Dieser Prozess der Automatisierung betrifft viele Lebensbereiche von Arbeit, Wohnen, Kommunikation bis hin zur Mobilität. Im Bereich des Individualverkehrs wird die Automatisierung von Fahrzeugen als Möglichkeit gesehen, zukünftigen Herausforderungen wirtschaftlicher, gesellschaftlicher und umweltpolitischer Art zu begegnen. Allerdings verändert Automatisierung die Fahraufgabe und die Mensch-Technik Interaktion im Fahrzeug. Daher können beispielsweise erwartete Sicherheitsgewinne automatisch agierender Assistenzsysteme durch Veränderungen im Verhalten des Fahrers geschmälert werden, was als Verhaltensanpassung (behavioural adaptation) bezeichnet wird. Dieses Dissertationsprojekt untersucht motivationale und höhere kognitive Prozesse, die Verhaltensanpassungen im Umgang mit automatisierten Fahrerassistenzsystemen zugrunde liegen. Motivationale Prozesse beinhalten die Entwicklung von Akzeptanz und Vertrauen in das System, unter höheren kognitiven Prozessen werden Lernprozesse sowie die Entwicklung von mentalen Modellen des Systems und Situationsbewusstsein (Situation Awareness) verstanden. Im Fokus der Untersuchungen steht das Fahrerassistenzsystem Adaptive Cruise Control (ACC) als ein Beispiel für Automatisierung im Fahrzeug. ACC regelt automatisch die Geschwindigkeit des Fahrzeugs, indem bei freier Fahrbahn eine eingestellte Wunschgeschwindigkeit und bei einem Vorausfahrer automatisch ein eingestellter Abstand eingehalten wird. Allerdings kann ACC aufgrund von Einschränkungen der Sensorik nicht jede Situation bewältigen, weshalb der Fahrer übernehmen muss. Für diesen Interaktionsprozess spielen Vertrauen, Akzeptanz und das mentale Modell der Systemfunktionalität eine Schlüsselrolle, um einen sicheren Umgang mit dem System und ein adäquates Situationsbewusstsein zu entwickeln. Zur systematischen Erforschung dieser motivationalen und kognitiven Prozesse wurden eine Fahrsimulatorstudie und ein Versuch im Realverkehr durchgeführt. Beide Studien wurden im Messwiederholungsdesign angelegt, um dem Prozesscharakter gerecht werden und Veränderungen über die Zeit erfassen zu können. Die Entwicklung von Vertrauen, Akzeptanz und mentalem Modell in der Interaktion mit ACC war zentraler Forschungsgegenstand beider Studien. Bislang gibt es wenige Studien, die kognitive Prozesse im Kontext der Fahrzeugführung untersucht haben, unter anderem auch wegen methodischer Schwierigkeiten in diesem dynamischen Umfeld. Daher war es ebenfalls Teil dieses Dissertationsprojekts, neue Methoden zur Erfassung höherer kognitiver Prozesse in dieser Domäne zu entwickeln, mit Fokus auf mentalen Modellen und Situationsbewusstsein. Darüber hinaus wurde auch ein neuer Ansatz für die Analyse großer und heterogener Datenmengen im sozialwissenschaftlichen Bereich entwickelt, basierend auf dem Einsatz relationaler Datenbanken. Ziel der der Fahrsimulatorstudie war die systematische Erforschung des Effekts von unterschiedlich korrekten initialen mentalen Modellen von ACC auf die weitere Entwicklung des mentalen Modells, Vertrauen und Akzeptanz des Systems. Eine Stichprobe von insgesamt 51 Probanden nahm an der Studie teil; der Versuch wurde als zweifaktorielles (3x3) gemischtes Messwiederholungsdesign konzipiert. Die 3 parallelisierten Versuchsgruppen zu je 17 Personen erhielten (1) eine korrekte Beschreibung des ACC, (2) eine idealisierte Beschreibung unter Auslassung auftretender Systemprobleme und (3) eine überkritische Beschreibung mit zusätzlichen Hinweisen auf Systemprobleme, die nie auftraten. Alle Teilnehmer befuhren insgesamt dreimal im Zeitraum von sechs Wochen dieselbe 56 km lange Autobahnstrecke im Fahrsimulator mit identischem ACC-System. Mit zunehmendem Einsatz des ACC zeigte sich im anfänglich divergierenden mentalen Modell zwischen den Gruppen eine Entwicklung hin zum mentalen Modell der korrekt informierten Gruppe. Nicht erfahrene Systemprobleme tendierten dazu, im mentalen Modell zu verblassen, wenn sie nicht durch Erfahrung reaktiviert wurden. Vertrauen und Akzeptanz stiegen stetig in der korrekt informierten Gruppe. Dieselbe Entwicklung zeigte sich auch in der überkritisch informierten Gruppe, wobei Vertrauen und Akzeptanz anfänglich niedriger waren als in der Bedingung mit korrekter Information. Verschwiegene Systemprobleme führten zu einer konstanten Abnahme von Akzeptanz und Vertrauen ohne Erholung in der Gruppe mit idealisierter Beschreibung. Diese Resultate lassen darauf schließen, dass Probleme automatisierter Systeme sich nicht zwingend negativ auf Vertrauen und Akzeptanz auswirken, sofern sie vorab bekannt sind. Bei jeder Fahrt führten die Versuchsteilnehmer zudem kontinuierlich eine visuell beanspruchende Zweitaufgabe aus, die Surrogate Reference Task (SURT). Die Frequenz der Zweitaufgabenbearbeitung diente als objektives Echtzeitmaß für das Situationsbewusstsein, basierend auf dem Ansatz, dass situationsbewusste Fahrer die Zuwendung zur Zweitaufgabe reduzieren wenn sie potentiell kritische Situationen erwarten. Die Ergebnisse zeigten, dass die korrekt informierten Fahrer sich potentiell kritischer Situationen mit möglichen Systemproblemen bewusst waren und schon im Vorfeld der Entstehung die Zweitaufgabenbearbeitung reduzierten. Teilnehmer ohne Informationen zu auftretenden Systemproblemen wurden sich solcher Situationen erst nach dem ersten Auftreten bewusst und reduzierten in entsprechenden Szenarien der Folgefahrten die Zweitaufgabenbearbeitung. Allerdings sanken Vertrauen und Akzeptanz des Systems aufgrund der unerwarteten Probleme. Erwartete, aber nicht auftretende Systemprobleme tendierten dazu, im mentalen Modell des Systems zu verblassen und resultierten in vermindertem Situationsbewusstsein bereits in der zweiten Fahrt. Im Versuch unter Realbedingungen wurden der Lernprozesses sowie die Entwicklung des mentalen Modells, Vertrauen und Akzeptanz von ACC im Realverkehr erforscht. Ziele waren die statistisch/mathematische Modellierung des Lernprozesses, die Bestimmung von Zeitpunkten der Stabilisierung dieser Prozesse und wie sich reale Systemerfahrung auf das mentale Modell von ACC auswirkt. 15 Versuchsteilnehmer ohne ACC-Erfahrung fuhren ein Serienfahrzeug mit ACC insgesamt 10-mal auf der gleichen Strecke in einem Zeitraum von 2 Monaten. Im Unterschied zur Fahrsimulatorstudie waren alle Teilnehmer korrekt über die ACC-Funktionen und Funktionsgrenzen informiert durch Lesen der entsprechenden Abschnitte im Fahrzeughandbuch am Beginn der Studie. Die Ergebnisse zeigten, dass der Lernprozess sowie die Entwicklung von Akzeptanz und Vertrauen einer klassischen Lernkurve folgen – unter der Bedingung umfassender vorheriger Information zu Systemgrenzen. Der größte Lernfortschritt ist am Beginn der Interaktion mit dem System sichtbar und daher sollten Hilfen (z.B. durch intelligente Tutorsysteme) in erster Linie zu diesem Zeitpunkt gegeben werden. Eine Stabilisierung aller Prozesse zeigte sich nach der fünften Fahrt, was einer Fahrstrecke von rund 185 km oder 3,5 Stunden Fahrzeit entspricht. Es zeigten sich keine Einbrüche in Akzeptanz, Vertrauen bzw. dem Lernprozess durch die gemachten Erfahrungen im Straßenverkehr. Allerdings zeigte sich – analog zur Fahrsimulatorstudie – auch in der Realfahrstudie ein Verblassen von nicht erfahrenen Systemgrenzen im mentalen Modell, wenn diese nicht durch Erfahrungen aktiviert wurden. Im Hinblick auf die Validierung der neu entwickelten Methoden zur Erfassung von mentalen Modellen und Situationsbewusstsein sind die Resultate vielversprechend. Die Studien zeigen, dass mit dem entwickelten Fragebogenansatz zur Quantifizierung des mentalen Modells Einblicke in Aufbau und Entwicklung mentaler Modelle gegeben werden können. Der implizite Echtzeit-Messansatz für Situationsbewusstsein im Fahrsimulator zeigt sich ebenfalls sensitiv in der Erfassung des Bewusstseins von Fahrern für potentiell kritische Situationen. Inhaltlich zeigen die Studien die nachhaltige Relevanz des initialen mentalen Modells für den Lernprozess sowie die Entwicklung von Situationsbewusstsein, Akzeptanz, Vertrauen und die weitere Ausformung eines realistischen mentalen Modells der Möglichkeiten und Grenzen automatisierter Systeme. Aufgrund dieser Relevanz wird die Einbindung und Kontrolle des initialen mentalen Modells in Studien zu automatisierten Systemen unbedingt empfohlen. Die Ergebnisse zeigen zwar, dass sich auch unvollständige bzw. falsche mentale Modelle durch Erfahrungslernen hin zu einer realistischen Einschätzung der Systemmöglichkeiten und -grenzen verändern, allerdings um den Preis sinkenden Vertrauens und abnehmender Akzeptanz. Idealisierte Systembeschreibungen ohne Hinweise auf mögliche Systemprobleme bringen nur anfänglich etwas höheres Vertrauen und Akzeptanz. Das Erleben unerwarteter Probleme führt zu einem stetigen Abfall dieser motivationalen Faktoren über die Zeit. Ein alleiniges Versuchs-Irrtums-Lernen für den Umgang mit automatisierter Assistenz im Fahrzeug ohne zusätzliche Information wird daher als nicht ausreichend für die Entwicklung stabilen Vertrauens und stabiler Akzeptanz betrachtet. Wenn das initiale mentale Modell den Erfahrungen entspricht, entwickeln sich Akzeptanz und Vertrauen gemäß einer klassischen Lernkurve – trotz erlebter Systemgrenzen. Sind diese potentiellen Probleme vorher bekannt, führen sie nicht zwingend zu einer Reduktion von Vertrauen und Akzeptanz. Auch zusätzliche überkritische Information vermindert Vertrauen und Akzeptanz nur am Beginn, aber nicht langfristig. Daher sollen potentielle Probleme in automatisierten Systemen nicht in idealisierten Beschreibungen verschwiegen werden – je präzisere Information gegeben wird, desto besser im langfristigen Verlauf. Allerdings tendieren nicht erfahrene Systemgrenzen zum Verblassen im mentalen Modell. Daher wird empfohlen, Nutzer regelmäßig an diese Systemgrenzen zu erinnern um die entsprechenden Facetten des mentalen Modells zu reaktivieren. In automatisierten Systemen integrierte intelligente Tutorsysteme könnten dafür eine Lösung bieten. Im Fahrzeugbereich könnten solche periodischen Erinnerungen an Systemgrenzen in Multifunktionsdisplays angezeigt werden, die mittlerweile in vielen modernen Fahrzeugen integriert sind. Diese Tutorsysteme können darüber hinaus auch auf die Präsenz eingebauter automatisierter Systeme hinweisen und deren Vorteile aufzeigen.:Table of contents LIST OF FIGURES I LIST OF TABLES II LIST OF ABBREVIATIONS III ACKNOWLEDGEMENTS IV SUMMARY V ZUSAMMENFASSUNG VIII 1 INTRODUCTION 12 2 THEORETICAL BACKGROUND 14 2.1 BEHAVIOURAL ADAPTATION AND HIGHER COGNITIVE PROCESSES 14 2.2 VEHICLE AUTOMATION AND ADAPTIVE CRUISE CONTROL 17 2.3 MENTAL MODELS 20 2.3.1 Definition 20 2.3.2 Mental model construction and update 20 2.3.3 Discussion of existing measures 21 2.3.4 Development of the mental model questionnaire 23 2.4 SITUATION AWARENESS 24 2.4.1 Definition 24 2.4.2 Relationship between mental models and Situation Awareness 26 2.4.3 Situation Awareness as comprehension process 27 2.4.4 Discussion of existing measures 27 2.4.5 Development of the Situation Awareness measurement technique 29 2.5 LEARNING, ACCEPTANCE AND TRUST IN AUTOMATION 30 2.5.1 Power law of learning 30 2.5.2 Acceptance 31 2.5.3 Trust in automation 31 2.5.4 Related research on learning, acceptance and trust in ACC 32 3 OVERALL RESEARCH QUESTIONS 34 4 OVERALL METHODOLOGICAL CONSIDERATIONS 35 4.1 DRIVING SIMULATOR STUDIES AND ON-ROAD TESTS 35 4.2 DATABASE-FRAMEWORK FOR DATA STORAGE AND ANALYSIS 37 5 DRIVING SIMULATOR STUDY 42 5.1 AIMS AND RESEARCH QUESTIONS 42 5.2 METHOD AND MATERIAL 43 5.2.1 Sampling and participants 43 5.2.2 Research design and procedure 44 5.2.3 Facilities and driving simulator track 45 5.2.4 Secondary task SURT 46 5.2.5 System description 46 5.2.6 Dependent variables trust, acceptance and mental model 47 5.2.7 Contrast analysis 48 5.3 RESULTS 49 5.3.1 Mental model 49 5.3.2 Trust and acceptance 51 5.3.3 Situation Awareness 52 5.4 DISCUSSION 56 6 ON-ROAD STUDY 59 6.1 AIMS AND RESEARCH QUESTIONS 59 6.2 METHOD AND MATERIAL 59 6.2.1 Research design and procedure 59 6.2.2 Sampling and participants 60 6.2.3 Facilities and apparatus 60 6.2.4 Dependent variables mental model, trust, acceptance, learning and ACC usage 62 6.3 RESULTS 63 6.3.1 ACC usage 63 6.3.2 Trust and acceptance 64 6.3.3 Learning 65 6.3.4 Mental model 67 6.4 DISCUSSION 68 7 GENERAL DISCUSSION AND CONCLUSIONS 70 7.1 THEORETICAL AND PRACTICAL CONSIDERATIONS 70 7.2 METHODOLOGICAL CONSIDERATIONS 71 7.3 LIMITATIONS AND DIRECTIONS FOR FUTURE RESEARCH 74 8 REFERENCES 76 9 APPENDIX 88 9.1 QUESTIONNAIRES USED IN THE DRIVING SIMULATOR STUDY 88 9.1.1 Original German version 88 9.1.2 English translation 91 9.2 ACC DESCRIPTIONS USED IN THE DRIVING SIMULATOR STUDY 94 9.2.1 Correct description 94 9.2.2 Incomplete description 95 9.2.3 Incorrect description 96 9.3 SCHEMATIC OVERVIEW OF THE DRIVING SIMULATOR TRACK 97 9.4 QUESTIONNAIRES USED IN THE ON-ROAD STUDY 99 9.4.1 Original German version 99 9.4.2 English translation 103 9.5 SEMINAR PROGRAMME: DATABASES AS ANALYSIS TOOL IN SOCIAL SCIENCE 107 9.6 CURRICULUM VITAE AND PUBLICATIONS 109