Abstract: Att identifiera eventuellt säkerhetspåverkande situationer med över- eller underbelastning är avgörande för olika operatörer; med tanke på uppgifterna för en flygledare (ATCO), är detta särskilt sant för flygtrafiktjänstleverantörer (ANSPs) efter konceptuella ändringar av ATCO:s uppgiftsdefinitioner. Men för att identifiera över- eller underbelastning måste vi kunna mäta en operatörs arbetsbelastning (WL). Tyvärr är arbetsbelastningen subjektiv: Den mäter den subjektiva, mentalt upplevda stressen under en uppgift. Att bedöma en operatörs – och särskilt en ATCOs – arbetsbelastning har varit ett långvarigt forskningsämne, och forskare har använt flygledarens självutvärdering med hjälp av numeriska skalor. Dessa metoder lider av olika nackdelar (förhöra ATCOs är påträngande, s.k. ”social bias” kan påverka självbedömningen och små WL-variationer kan inte registreras). Därför strävar vi i detta projekt efter att göra framsteg mot utvecklingen av objektiva, icke-påträngande WL mätningar: vi planerar en studiedesign med vilken vi strävar efter att minska effekten av de numeriska skalorna för WL-bedömning, vi kommer att spela in olika lovande WL indikatorkandidater (t.ex. ögonrörelsemätning) och analyserar sedan giltigheten av dessa objektiva indikatorer.Abstract: Identifying possibly safety-impacting situations of too high or too low workload (overload or underload) is critical for various operators; given the tasks of an air traffic controller (ATCO), this applies in particular to air navigation service providers (ANSPs) following the implementation of changes that alter task definitions. However, to identify overload or underload, we need to be able to measure an operator’s workload (WL). Unfortunately, workload is a subjective measure: it measures the subjective, experienced cognitive demand during a task. Assessing an operator’s—and particularly an ATCO’s—workload has been a longstanding research topic, and researchers have reverted to controller self-assessment using numeric scales. These methods suffer from various drawbacks (the query is intrusive, social bias may impact the self-assessment, and small WL variations cannot be recorded). Hence, in this project, we aim to make progress towards the development of objective, non-intrusive WL measures: we plan a study design with which we aim to reduce the impact of the numeric scales for WL assessment, we will record various promising WL-indicator candidates (e.g., eye-gaze measures) and then analyze the validity of these objective indicators.