Action regulation in energy-efficient driving
Vorschaubild nicht verfügbar
Datum
2025
Autor:innen
Betreuer:innen
Zeitschriftentitel
ISSN der Zeitschrift
Bandtitel
Verlag
Zusammenfassung
Battery electric vehicles (BEVs) offer substantial potential for reducing emissions but introduce cognitive and behavioural challenges for energy-efficient driving. In contrast to internal combustion engine vehicles (ICEVs), energy flow in BEVs is less tangible, and relevant consumption patterns are more complex to perceive, predict, and interpret. Current ecodriving research often lacks cognitive grounding, a focus on the specific challenges in BEVs, and a profound analysis beyond performance measures.
This dissertation addresses the need for user-centred, cognitively aligned feedback by examining how different feedback approaches affect drivers’ perception, judgements, behaviour, knowledge, and perceived support of action regulation and the mental model of ecodriving. The theoretical foundation integrates adaptive control and action regulation models, cognitive information processing, and the role of mental models and perceived capability in goal-directed behaviour. It posits that energy-efficient driving with BEVs requires continuous situational adaptation and knowledge-based reasoning.
Four empirical studies were conducted using experimental designs combined with qualitative and quantitative methods across diverse settings, including an online experiment, driving simulations, and real-world driving. Each study assessed both subjective and objective indicators of action regulation and knowledge.
Study 1 (N = 55, online experiment) laid the conceptual foundation by exploring how drivers interpret typical consumption feedback derived from simplified acceleration dynamics. Rooted in bounded rationality, results revealed a systematic overestimation of energy use, particularly for high and brief maximum consumption values. There was no significant correlation between the correct energy efficiency ranking and the ranking derived from participants’ estimations. The study also identified interindividual differences in heuristic information processing, showing that both stimulus properties and cognitive predispositions shape perception.
Study 2 (N = 63, driving simulator study) focused on knowledge gaps and their behavioural implications. It contrasted three feedback approaches: a baseline without support, a consumption trace display, and a recommendation system indicating optimal speed. Drivers frequently relied on incomplete or inaccurate conceptions of energy efficiency. While those using the recommendation system felt less uncertain, this confidence did not translate into better performance or more accurate knowledge. However, their tendency to verbalise more vehicle- and environment-related information suggests a more active reasoning process regarding energy-efficient driving.
Study 3 (N = 50, field study) built on these findings and introduced a comprehension-based approach with pre-drive tip lists. When behavioural strategies were paired with technical reasoning, drivers reported higher perceived knowledge, stronger support for action regulation and the mental model, and better driving performance. This highlights the potential of explanation-based feedback to improve effectiveness, knowledge, and user experience.
Study 4 (N = 112, driving simulator study) extended this approach into real-time driving by integrating elaborated auditory ecodriving tips into a recommendation system. This combined approach significantly improved driving performance and strengthened perceived mental model support, although cognitive load, information acquisition, and subjective information processing awareness were negatively influenced.
The dissertation offers novel instruments and methods to evaluate ecodriving feedback. Key contributions include a new experimental paradigm for assessing dynamic magnitude perception, and two new constructs: perceived support of action regulation and perceived support of the mental model, enabling a finer-grained evaluation of action regulation quality beyond conventional usability or satisfaction metrics. Furthermore, existing items for measuring perceived ecodriving knowledge were revised based on theoretical considerations. Finally, an AI-assisted method was employed to systematically analyse verbalised driving strategies and their technical explanations, demonstrating scalable content analysis.
Theoretically, the dissertation integrates psychological frameworks with an emphasis on mental models and information processing, provides a systematic literature review, and links various feedback approaches to cognitive processing and behavioural regulation. Moreover, it extends established cognitive biases by identifying a novel bias specific to dynamic data visualisation. Empirically, it demonstrates that comprehension-oriented feedback can improve energy-efficient behaviour, deepen understanding, and enhance perceived support, especially when it explains behavioural strategies and clarifies causal relationships. The practical implications are synthesised into design guidelines for future feedback systems in BEVs and beyond.
The innovations in this dissertation extend beyond the context of BEVs. Action regulation in complex and dynamic systems—such as aviation, industrial control, or AI-assisted decision-making, especially in light of the growing role of generative, speech-based AI—can benefit from these findings. When users must form accurate mental models or interpret raw data in real-time, feedback should explain mechanisms and facilitate information analysis rather than merely presenting outcomes. This dissertation lays the groundwork for future research on cognitively aligned feedback systems that foster effective action regulation, adequate mental models, and user experience.
Beschreibung
Batterieelektrische Fahrzeuge (BEVs) bieten ein erhebliches Potenzial zur Emissionsreduktion, stellen jedoch auch kognitive und verhaltensbezogene Herausforderungen für Fahrende dar. Im Vergleich zu Fahrzeugen mit Verbrennungsmotor (ICEVs) ist der Energiefluss in BEVs weniger greifbar, und relevante Verbrauchsmuster sind schwieriger wahrzunehmen, vorherzusagen und zu interpretieren. Die aktuelle Forschung zur Unterstützung energieeffizienten Fahrens weist häufig eine unzureichend fundierte Berücksichtigung kognitiver Aspekte auf, berücksichtigt die speziellen Herausforderungen von BEVs nicht ausreichend und bietet selten eine tiefgehende Analyse jenseits von Leistungsmaßen.
Diese Dissertation greift den Bedarf an nutzerzentrierter, kognitiv anschlussfähiger Systemunterstützung in BEVs auf, indem sie untersucht, wie unterschiedliche Feedbackansätze die Wahrnehmung, Urteile, das Verhalten, Wissen sowie die wahrgenommene Unterstützung der Handlungsregulation und des mentalen Modells von Fahrenden beeinflussen. Die theoretische Grundlage integriert Modelle adaptiver Handlungskontrolle bzw. -regulation, kognitiver Informationsverarbeitung sowie die Rolle mentaler Modelle und wahrgenommener Kompetenz im zielgerichteten Verhalten. Es wird postuliert, dass energieeffizientes Fahren in BEVs eine kontinuierliche situative Anpassung und wissensbasiertes Schlussfolgern erfordert.
Es wurden vier empirische Studien mit experimentellen Designs sowie qualitativen und quantitativen Methoden durchgeführt. Die Settings reichten von einem Online-Experiment, Fahrsimulationsstudien bis hin zu einer Feldstudie. Jede Studie erfasste sowohl subjektive als auch objektive Indikatoren der Handlungsregulation und des Wissens.
Studie 1 (N = 55, Onlineexperiment) legte das konzeptionelle Fundament, indem sie untersuchte, wie Fahrende typisches Verbrauchsfeedback interpretieren, das auf vereinfachten Beschleunigungsdynamiken basiert. Auf Grundlage der Theorie begrenzter Rationalität zeigte sich eine systematische Überschätzung des Energieverbrauchs, insbesondere bei kurzen und hohen Maximalwerten. Zwischen der korrekten Energieeffizienz-Rangfolge und der von den Schätzungen abgeleiteten Rangfolge bestand keine signifikante Korrelation. Zudem wurden interindividuelle Unterschiede in der heuristischen Informationsverarbeitung deutlich: Sowohl Reizeigenschaften als auch kognitive Dispositionen beeinflussen die Wahrnehmung.
Studie 2 (N = 63, Fahrsimulatorstudie) richtete den Fokus auf Wissenslücken und deren Auswirkungen auf das Verhalten. Es wurden drei Feedbackansätze untersucht: eine Basisbedingung ohne Systemunterstützung, eine Anzeige des Verbrauchs über die Zeit und ein Empfehlungssystem zur Anzeige optimaler Geschwindigkeit. Viele Fahrende verfügten über inkonsistente oder unvollständige Vorstellungen von energieeffizienten Fahrstrategien. Obwohl das Empfehlungssystem Unsicherheiten verringerte, steigerte es weder die Leistung noch das Wissen signifikant. Die verstärkte Verbalisierung von fahrzeug- und umgebungsbezogenen Informationen deutet jedoch auf einen stärkeren Prozess aktiven Schlussfolgerns hin.
Studie 3 (N = 50, Feldstudie) baute auf den Vorarbeiten auf und führte einen verständnis- orientierten Ansatz ein, bei dem vor der Fahrt Tipplisten zur Verfügung gestellt wurden. Wurden Verhaltensstrategien mit technischer Begründung kombiniert, zeigten Fahrende einen höheren Wissenszuwachs und berichteten eine stärkere Unterstützung der Handlungsregulation und des mentalen Modells. Außerdem zeigten sie eine bessere Fahrleistung. Das unterstreicht das Potenzial erklärungsbasierten Feedbacks zur Verbesserung von Effektivität, Wissen und Nutzererleben.
Studie 4 (N = 112, Fahrsimulatorstudie) übertrug den erklärungsbasierten Ansatz in den Echtzeitkontext, indem elaborierte akustische Tipps in ein Empfehlungssystem integriert wurden. Die Kombination verbesserte signifikant die Fahrleistung und stärkte die wahrgenommene Unterstützung des mentalen Modells. Gleichzeitig kam es zu höherer kognitiver Belastung sowie zu einer negativen Beeinflussung der Informationsaufnahme und des subjektiven Bewusstseins für die Informationsverarbeitung.
Die Dissertation bietet neue Instrumente und Methoden zur Bewertung von Ecodriving-Feedback. Zu den wichtigsten Beiträgen zählen ein neues experimentelles Paradigma zur Beurteilung der Wahrnehmung dynamischer Größen sowie zwei neue Konstrukte: die wahrgenommene Unterstützung der Handlungsregulation und die wahrgenommene Unterstützung des mentalen Modells. Diese ermöglichen eine differenziertere Evaluation der subjektiven Qualität der Handlungsregulation, die über herkömmliche Usability- oder Zufriedenheitsmetriken hinausgeht. Zudem wurden bestehende Items zur Erfassung des wahrgenommenen Ecodriving-Wissens theoriegeleitet überarbeitet. Schließlich wurde eine KI-gestützte Methode eingesetzt, um verbalisierte Fahrstrategien und deren technische Erklärungen systematisch zu analysieren, was eine skalierbare Inhaltsanalyse ermöglicht.
Theoretisch integriert die Dissertation psychologische Modelle mit Schwerpunkt auf mentalen Modellen und Informationsverarbeitung, liefert eine systematische Literaturübersicht und verknüpft verschiedene Feedbackansätze mit kognitiver Verarbeitung und Verhaltensregulation. Darüber hinaus erweitert sie etablierte kognitive Verzerrungen durch die Identifikation eines neuartigen Bias, der speziell bei der Visualisierung dynamischer Daten auftritt. Empirisch zeigt die Arbeit, dass verständnisorientiertes Feedback energieeffizientes Verhalten fördert, das Verständnis vertieft und die wahrgenommene Unterstützung erhöhen kann – insbesondere wenn es Verhaltensstrategien erklärt und kausale Zusammenhänge zwischen Ursache und Wirkung verdeutlicht. Die praktischen Implikationen werden in Form von Gestaltungsrichtlinien für zukünftige Feedbacksysteme in BEVs und darüber hinaus zusammengefasst.
Die Innovationen der Dissertation gehen über den Kontext von BEVs hinaus. Die Handlungsregulation in komplexen und dynamischen Systemen wie Luftfahrt, industrieller Steuerung oder KI-gestützten Entscheidungsprozessen – insbesondere vor dem Hintergrund der wachsenden Bedeutung generativer, sprachbasierter KI – kann von den Ergebnissen profitieren. Wenn Nutzer genaue mentale Modelle bilden oder Rohdaten in Echtzeit interpretieren müssen, sollte Feedback Mechanismen erklären und die Informationsanalyse erleichtern, anstatt nur Ergebnisse zu präsentieren. Diese Dissertation legt die Grundlage für zukünftige Forschung zu kognitiv abgestimmten Feedbacksystemen, die eine effektive Handlungsregulation, adäquate mentale Modelle und ein positives Nutzererlebnis fördern.
Schlagwörter
Ecodriving, Energy efficiency, Action regulation, Information processing, Mental models, User experience, Human-system interaction
Zitierform
Institut/Klinik
Institut für Multimediale und Interaktive Systeme