stringtranslate.com

ГОМС

GOMS — это специализированная модель процессора информации человека для наблюдения за взаимодействием человека и компьютера , которая описывает когнитивную структуру пользователя по четырем компонентам. В книге «Психология взаимодействия человека и компьютера » [1] , написанной в 1983 году Стюартом К. Кардом , Томасом П. Мораном и Алленом Ньюэллом , авторы вводят: «набор целей , набор операторов , набор методов для достижения целей и набор правил выбора среди конкурирующих методов для достижения целей». [1] GOMS — это широко используемый метод специалистами по юзабилити для проектировщиков компьютерных систем, поскольку он дает количественные и качественные прогнозы того, как люди будут использовать предлагаемую систему.

Обзор

Концепции, лежащие в основе модели GOMS, и их взаимосвязи

Модель GOMS состоит из методов, которые используются для достижения определенных целей. Затем эти методы состоят из операторов на самом низком уровне. Операторы — это определенные шаги, которые выполняет пользователь, и им назначается определенное время выполнения. Если цель может быть достигнута более чем одним методом, то для определения метода используются правила выбора.

Существует несколько различных вариаций GOMS, которые позволяют точно изучать и прогнозировать различные аспекты интерфейса. Для всех вариантов определения основных концепций одинаковы. Существует некоторая гибкость в определении всех сущностей проектировщиком/аналитиком. Например, оператор в одном методе может быть целью в другом методе. Уровень детализации регулируется для охвата того, что изучает конкретный оценщик. Простой прикладной пример см. в CMN-GOMS.

Квалификация

Преимущества

Подход GOMS к моделированию пользователя имеет свои сильные и слабые стороны. Хотя это не обязательно самый точный метод измерения взаимодействия человек-компьютер, он позволяет увидеть все процедурные знания. С помощью GOMS аналитик может легко оценить конкретное взаимодействие и быстро и легко его рассчитать. Это возможно только в том случае, если средние данные Methods-Time Measurement для каждой конкретной задачи были ранее измерены экспериментально с высокой степенью точности. [2]

Недостатки

GOMS применима только к опытным пользователям. Она не работает для новичков или пользователей среднего уровня, поскольку могут возникнуть ошибки, которые могут изменить данные. [3] Также модель не применима к обучению системы или пользователю, использующему систему после длительного периода неиспользования. [3] Еще одним большим недостатком является отсутствие учета ошибок, даже опытные пользователи допускают ошибки, но GOMS не учитывает ошибки. [3] Умственная нагрузка не учитывается в модели, что делает ее непредсказуемой переменной. То же самое относится и к усталости. [3] GOMS учитывает только удобство использования задачи в системе, но не ее функциональность. [3]

Личности пользователей, привычки или физические ограничения (например, инвалидность) не учитываются ни в одной из моделей GOMS. Предполагается, что все пользователи абсолютно одинаковы. Недавно были разработаны некоторые расширения GOMS, которые позволяют формулировать модели GOMS, описывающие поведение взаимодействия пользователей с ограниченными возможностями. [4] [5] [6]

Вариации

В основном существует пять различных моделей GOMS: Keystroke-Level Model , CMN-GOMS , NGOMSL , CPM-GOMS и SGOMS. Каждая модель имеет разную сложность и отличается по видам деятельности.

КЛМ

Модель уровня нажатия клавиш ( KLM ) — это первая и самая простая техника GOMS, созданная Стюартом Кардом , Томасом П. Мораном и Алленом Ньюэллом . [6] Оценка времени выполнения задачи выполняется путем перечисления последовательности операторов и последующего суммирования времени выполнения отдельных операторов. С помощью KLM аналитик должен указать метод, используемый для выполнения каждого конкретного экземпляра задачи. Кроме того, указанные методы ограничены последовательностью и содержат только примитивные операторы уровня нажатия клавиш. Самое большое различие между GOMS и KLM заключается в том, как время назначается когнитивным и перцептивным операторам, когда речь идет о прогнозировании времени выполнения. Еще одним важным отличием является то, что целевая иерархия является явной в GOMS, тогда как в KLM она была неявной . Природа ненаблюдаемых операторов — еще одно важное отличие. В KLM есть один оператор M , который предшествует каждой когнитивной единице действия. Напротив, GOMS не назначает время таким когнитивным накладным расходам. Но обе модели включают операторы типа M для существенных затратных по времени умственных действий, таких как поиск информации на экране и проверка записей. Оба метода отводят примерно одинаковое время ненаблюдаемым перцептивным и когнитивным действиям. Также они делают разные предположения о ненаблюдаемых когнитивных и перцептивных операторах и поэтому распределяют время по-разному. [2] [7]

Исполнительная часть KLM описывается четырьмя физико-моторными операторами:

Один ментальный оператор M , который представляет время, которое пользователь должен мысленно подготовить к выполнению действия, и системный оператор ответа R, в котором пользователь должен ждать систему. Время выполнения представляет собой сумму времени, потраченного на выполнение различных типов операторов:

T выполнить = T K + T P + T H + T D + T M + T R . [1]

Каждый из этих операторов имеет оценку времени выполнения, которая может быть представлена ​​либо отдельным значением, либо параметризованной оценкой.

Модель сенсорного уровня (TLM)

GOMS и его варианты были разработаны для интерфейсов клавиатуры, в настоящее время новый тип интерфейса вездесущ. Это дополнение к семейству GOMS, вместе с обновлениями существующих операторов KLM, называется Touch Level Model (TLM). Эндрю Д. Райс и Джонатан В. Лартиг предлагают эту модель для моделирования производительности человеческих задач на ограниченном устройстве ввода с сенсорным экраном и, при надлежащем бенчмаркинге, точно предсказать фактическую производительность пользователя. [8]

Цель — предоставить инструмент для количественного анализа сенсорных интерфейсов.

Для взаимодействия с сенсорным экраном добавлен ряд операторов:

Отвлечение (X)
мультипликативный оператор, который применяется к другим операторам для моделирования отвлекающих факторов реального мира
Жест (Ж)
Жесты представляют собой специализированные комбинации движений пальцев по экрану устройства.
Ущипнуть (P)
относится к общепринятому жесту двумя пальцами
Масштаб (Z)
обратное применение оператора Pinch. значение в MS = 200 Ms
Начальный акт (I)
KLM предполагает, что пользователь готов начать действие, устройства с сенсорным экраном требуют от пользователя подготовки к использованию (кнопка «Домой» или пароль)
Нажмите (Т)
оператор относится к физическому действию нажатия на область сенсорного экрана устройства с целью инициирования какого-либо изменения или действия
Проведите пальцем (S)
обычно горизонтальное или вертикальное смахивание, как при перелистывании страницы в книге. значение в MS = 70 Ms
Наклон (L(d))
используется при взаимодействии с устройствами, оснащенными акселерометрами.
Поворот (O(d))
жест, при котором два или более пальцев помещаются на экран, а затем вращаются вокруг центральной точки
Перетащить (D)
Подобно свайпу, перетаскивание также подразумевает нажатие на определенное место на экране и последующее перемещение одного или нескольких пальцев в определенном направлении.

CMN-GOMS

CMN-GOMS — это оригинальная модель GOMS, предложенная Стюартом Кардом , Томасом П. Мораном и Алленом Ньюэллом .

CMN означает Card, Moran and Newell и берет KLM за основу и добавляет подцели и правила выбора. Эта модель может предсказывать последовательность операторов, а также время выполнения. Модель CMN-GOMS может быть представлена ​​в виде программы, что делает ее пригодной как для анализа, так и для выполнения. CMN-GOMS использовался для моделирования текстовых процессоров [1] и систем САПР для эргономичного проектирования (см. САПР). [2] Метод CMN может предсказывать последовательность операторов и время выполнения задачи на количественном уровне и может сосредоточить свое внимание на методах достижения целей на качественном уровне.

В примере Бонни Э. Джон и Дэвида Э. Кираса показан простой CMN-GOMS по редактированию рукописи. [2]

ЦЕЛЬ: РЕДАКТИРОВАНИЕ-РУКОПИСЬ. ЦЕЛЬ. ИЗМЕНИТЬ-БЛОК-ЗАДАЧА ...повторять до тех пор, пока не останется задач блока. . ЦЕЛЬ. ПОЛУЧИТЬ ЕДИНИЧНУЮ ЗАДАЧУ ...если задача не запомнена. . . ЦЕЛЬ. ПЕРЕВЕРНУТЬ СТРАНИЦУ ...если в конце рукописи. . . ЦЕЛЬ. ПОЛУЧИТЬ-ИЗ-РУКОПИСИ. . ЦЕЛЬ. ВЫПОЛНИТЬ-ЗАДАЧУ-ЮНИТА ...если задача-юнита найдена. . . ЦЕЛЬ. ИЗМЕНИТЬ-ТЕКСТ. . . . выберите. ЦЕЛЬ. ПЕРЕМЕЩЕНИЕ-ТЕКСТА* ...если текст должен быть перемещен. . . . . . ЦЕЛЬ. УДАЛИТЬ-ФРАЗУ ...если фраза должна быть удалена. . . . . . ЦЕЛЬ. ВСТАВИТЬ-СЛОВО ... если нужно вставить слово. . . . ПРОВЕРКА-РЕДАКТИРОВАТЬ

Ниже показан простой пример копирования и вставки. [9]

ЦЕЛЬ КОПИРОВАТЬ-И-ВСТАВИТЬ-ТЕКСТ  ЦЕЛЬ КОПИРОВАНИЕ ТЕКСТА ЦЕЛЬ ВЫДЕЛЕНИЕ ТЕКСТА Оператор ПЕРЕМЕЩЕНИЕ КУРСОРА В НАЧАЛО Оператор ЩЕЛКНИТЕ КНОПКУ МЫШИ Оператор ПЕРЕМЕЩЕНИЕ КУРСОРА В КОНЕЦ Оператор SHIFT-ЩЕЛКНИТЕ КНОПКУ МЫШИ Оператор ПРОВЕРКА-ВЫДЕЛЕНИЕ ЦЕЛЬ ВЫПУСК -КОПИРОВАТЬ-КОМАНДА Выбрать* ЦЕЛЬ ИСПОЛЬЗОВАНИЕ МЫШИ Оператор ПЕРЕМЕЩЕНИЕ КУРСОРА В МЕНЮ ПРАВКИ Оператор НАЖМИТЕ КНОПКУ МЫШИ Оператор ПЕРЕМЕЩЕНИЕ КУРСОРА НА ЭЛЕМЕНТ КОПИРОВАНИЯ Оператор ПРОВЕРКА - ВЫДЕЛЕНИЕ Оператор ОТПУСКАНИЕ КНОПКИ МЫШИ ЦЕЛЬ ИСПОЛЬЗОВАНИЕ КЛАВИАТУРЫ Оператор НАЖМИТЕ КЛАВИАТУРУ-СТР. Оператор НАЖМИТЕ КЛАВИАТУРУ-КЛАВИАТУРУ-С. Оператор ОТПУСКАНИЕ КЛАВИАТУРЫ ЦЕЛЬ ВСТАВКА-ТЕКСТА[...] * Правило выбора для ЦЕЛИ ВОПРОС-КОПИЯ-КОМАНДА если РУКИ-НА-КЛАВИАТУРЕ , то  выберите ЦЕЛЬ ИСПОЛЬЗОВАНИЕ-КЛАВИАТУРЫ еще  выберите ЦЕЛЬ ИСПОЛЬЗОВАНИЯ МЫШИ

НГОМСЛ

NGOMSL — это структурированная запись естественного языка для представления моделей GOMS и процедуры их построения. Эта форма программы обеспечивает прогнозы последовательностей операторов, времени выполнения и времени на изучение методов. Аналитик создает модель NGOMSL, выполняя сверху вниз, в ширину, расширение целей пользователя верхнего уровня в методы, пока методы не будут содержать только примитивные операторы, как правило, операторы уровня нажатия клавиш. Эта модель явно представляет структуру цели, как и CMN-GOMS, и может таким образом представлять цели высокого уровня. [10]

Ниже показан простой пример. [2]

Заявления NGOMSLМЕТОД ДЛЯ ЦЕЛИ  ПЕРЕМЕЩЕНИЯ ТЕКСТА ШАГ 1.  ДОСТИЖЕНИЕ ЦЕЛИ. ВЫРЕЗАТЬ ТЕКСТ. ШАГ 2.  ДОСТИЖЕНИЕ ЦЕЛИ. ВСТАВИТЬ ТЕКСТ. ШАГ 3.  ВОЗВРАТ С ВЫПОЛНЕННОЙ ЦЕЛЬЮ.МЕТОД ДЛЯ ЦЕЛИ  ВЫРЕЗАТЬ ТЕКСТ ШАГ 1  ДОСТИГНИТЕ ЦЕЛИ ВЫДЕЛИТЕ ТЕКСТ ШАГ 2  СОХРАНИТЕ ЭТУ КОМАНДУ ВЫРЕЗАНО , И ДОСТИГНАТЬ ЦЕЛИ ДАТЬ КОМАНДУ ШАГ 3  ВОЗВРАЩЕНИЕ С ДОСТИГНУТОЙ ЦЕЛЬЮи т. д.

CPM-GOMS

Бонни Э. Джон и Дэвид Кирас описывают четыре различных типа GOMS. CMN-GOMS, KLM и NGOMSL предполагают, что все операторы происходят последовательно и не содержат операторов, которые находятся ниже уровня активности. CPM-GOMS, будучи четвертым методом, использует операторов на уровне Model Human Processor , который предполагает, что операторы когнитивного процессора, перцептивного процессора и двигательного процессора могут работать параллельно друг другу. Самым важным моментом CPM-GOMS является способность предсказывать квалифицированное поведение на основе его способности моделировать перекрывающиеся действия. [11] [12]

СГОМС

SGOMS означает Социотехнический GOMS [13] [14] [15] и был создан, чтобы позволить GOMS моделировать работу в сложных социотехнических системах. GOMS предназначен для моделирования отдельного пользователя, работающего изолированно, без неожиданных прерываний, подобно эксперименту когнитивной психологии. Этот уровень анализа иногда называют микропознанием , чтобы отличить его от макропознания , которое относится к познанию реального мира. SGOMS предназначен для расширения применимости GOMS до макрокогнитивного уровня анализа. Для этого SGOMS добавляет в GOMS высокоуровневую структуру управления, называемую блоком планирования . Это позволяет GOMS справляться с неожиданными прерываниями.

Плановая единица — это список задач единиц. Плановые единицы могут быть упорядочены (задачи единиц должны выполняться по порядку) или расположены (задачи единиц в списке выполняются по мере необходимости). В соответствии с CPM-GOMS , SGOMS предполагает, что агент может параллельно отслеживать ситуацию, чтобы обнаруживать угрозы (нейрофизиологически эта функция связана с миндалевидным телом ). Плановые единицы могут быть прерваны и добавлены в закладки, чтобы их можно было возобновить позже. Когда плановая единица прерывается, агент рассматривает ситуацию и может возобновить ту же плановую единицу или добавить ее в закладки и переключиться на другую плановую единицу. SGOMS не предписывает, как сделать этот выбор, но если решение основано на рутинной экспертизе, его можно включить в модель SGOMS.

Предположения и ошибки

Важность предположений в анализе GOMS

Точные предположения жизненно важны в анализе GOMS. Перед применением среднего времени для подробных функций очень важно, чтобы экспериментатор удостоверился, что он или она учли как можно больше переменных, используя предположения. Экспериментаторы должны разрабатывать свой анализ GOMS для пользователей, которые, скорее всего, будут использовать анализируемую систему. Рассмотрим, например, экспериментатора, желающего определить, сколько времени потребуется пилоту F22 Raptor для взаимодействия с интерфейсом, который он или она использовали в течение многих лет. Вероятно, можно предположить, что у пилота выдающееся зрение и хорошее физическое здоровье. Кроме того, можно предположить, что пилот может быстро взаимодействовать с интерфейсом из-за огромных часов моделирования и предыдущего использования, которые он или она перенесли. Учитывая все обстоятельства, в этой ситуации справедливо использовать время Fastman. Напротив, представьте себе 80-летнего человека без опыта полетов, пытающегося взаимодействовать с тем же интерфейсом F22 Raptor . Справедливо будет сказать, что у двух людей будут сильно различаться наборы навыков, и эти наборы навыков следует учитывать субъективно.

Учет ошибок

Единственный способ учесть ошибки в анализе GOMS — предсказать, где ошибки вероятнее всего произойдут, и измерить время, которое потребуется для исправления предсказанных ошибок. Например, предположим, что экспериментатор считал, что при наборе слова «the» испытуемый, скорее всего, неправильно наберет «teh». Экспериментатор вычислял время, необходимое для набора неправильного слова, время, необходимое для осознания того, что была сделана ошибка, и время, необходимое для исправления распознанной ошибки.

Применение GOMS

Эффективность рабочей станции

Успешное внедрение CPM-GOMS было в проекте Ernestine, проводимом New England Telephone . Новые эргономичные рабочие станции сравнивались со старыми рабочими станциями с точки зрения улучшения производительности телефонных операторов. Анализ CPM-GOMS оценил снижение производительности на 3%. За четыре месяца испытаний было проанализировано 78 240 звонков, и был сделан вывод, что новые рабочие станции дали фактическое снижение производительности на 4%. Поскольку предлагаемая рабочая станция требовала меньше нажатий клавиш, чем оригинал, из временных испытаний было неясно, почему произошло снижение. Однако анализ CPM-GOMS показал, что проблема заключалась в том, что новые рабочие станции не использовали неиспользуемое время работников. CPM-GOMS не только дал близкую оценку, но и предоставил больше информации о ситуации. [16]

САПР

Модели GOMS использовались при перепроектировании системы CAD ( автоматизированного проектирования ) для промышленной эргономики . [17] Прикладная модель GOMS показывает, где интерфейс необходимо перепроектировать, а также обеспечивает оценку концепций и идей дизайна. В примере Ричарда Гонга, когда GOMS выявила частую цель, поддерживаемую очень неэффективным методом, он изменил метод на более эффективный. Если GOMS показала, что были цели, не поддерживаемые ни одним методом вообще, то добавлялись новые методы. GOMS также выявила, где похожие цели поддерживаются непоследовательными методами, ситуация, в которой пользователи, вероятно, будут иметь проблемы с запоминанием того, что делать, и показала, как сделать методы последовательными. [17]

Программные инструменты

Существуют различные инструменты для создания и анализа Goms-моделей. Выборка приведена ниже:

Смотрите также

Ссылки

  1. ^ abcd Кард, Стюарт ; Томас П. Моран ; Аллен Ньюэлл (1983). Психология взаимодействия человека с компьютером . Lawrence Erlbaum Associates. ISBN 0-89859-859-1.
  2. ^ abcde Джон, Бонни Э.; Дэвид Э. Кирас (1996). "Семейство методов анализа пользовательского интерфейса GOMS: сравнение и контраст". ACM Transactions on Computer-Human Interaction . Соединенные Штаты Америки : ACM . doi : 10.1145/235833.236054 . ISSN  1073-0516. S2CID  13514458.
  3. ^ abcde Роджерс, Ивонн; Хелен Шарп; Дженни Прис (2002). Дизайн взаимодействия. Соединенные Штаты Америки : John Wiley & Sons . стр. 454. ISBN 0-471-49278-7.
  4. ^ Тонн-Эйхштедт, Х. (2005). Измерение удобства использования веб-сайта для людей с нарушениями зрения – модифицированный анализ GOMS. В: Конференция ACM SIGACCESS по вспомогательным технологиям . Нью-Йорк : ACM Press . С. 55–62. doi :10.1145/1168987.1168998. S2CID  14257284.
  5. ^ Шрепп, М. (2006). Об эффективности навигации с помощью клавиатуры на веб-сайтах. Универсальный доступ в информационном обществе, т. 5, № 2, стр. 180-188.
  6. ^ ab Card, Stuart ; Thomas P. Moran ; Allen Newell (1980). Модель на уровне нажатия клавиш для времени производительности пользователя в интерактивных системах . Lawrence Erlbaum Associates. doi :10.1145/358886.358895. ISBN 0-13-444910-X. S2CID  5918086.
  7. ^ Джон, Бонни Э.; Дэвид Э. Кирас (1996). «Использование GOMS для проектирования и оценки пользовательского интерфейса: какой метод?». ACM Transactions on Computer-Human Interaction . Соединенные Штаты Америки : ACM . doi :10.1145/235833.236050. ISSN  1073-0516. S2CID  1187310.
  8. ^ Райс, Эндрю Д.; Джонатан В. Лартиг (2014). Модель сенсорного уровня (TLM): развивающаяся KLM-GOMS для сенсорных экранов и мобильных устройств . ACM. doi : 10.1145/2638404.2638532. ISBN 978-1-4503-2923-1. S2CID  25139034.
  9. ^ Восс, Дэвид (2010). Анализ, оценка и оптимизация интраоперационного взаимодействия человека и машины. Эберхард-Карлс-Университет Тюбингена. hdl : 10900/45648.
  10. ^ Kieras, David (1994). "GOMS моделирование пользовательских интерфейсов с использованием NGOMSL". Конференция по человеческим факторам в вычислительных системах - CHI '94 . ACM. стр. 371–372. doi :10.1145/259963.260467. ISBN 0-89791-651-4. S2CID  16999909.
  11. ^ Джон., Бонни Э .; Алонсо Вера; Майкл Маттеса (2002). Автоматизация CPM-GOMS . ACM. doi :10.1145/503376.503404. ISBN 1-58113-453-3. S2CID  675250.
  12. ^ Джон, Бонни Э .; Уэйн Д. Грей (1995). CPM-GOMS: метод анализа задач с параллельными действиями . ACM. ISBN 0-89791-755-3.
  13. ^ Уэст, Р. Л.; Надь, Н. (2007). «Использование GOMS для моделирования рутинных задач в сложных социотехнических системах: подключение макрокогнитивных моделей к микрокогнитивному». Журнал когнитивной инженерии и принятия решений . 1 (2): 186–211. doi :10.1518/155534307X232848. S2CID  62229701.
  14. ^ Уэст, Р. Л.; Провност, С. (2009). «Моделирование SGOMS в ACT-R: связь макро- и микропознания». Журнал когнитивной инженерии и принятия решений . 3 (2): 194–207. doi :10.1518/155534309X441853. S2CID  62563894.
  15. ^ Уэст, Р. Л.; Макдугал, В. (2015). «Гипотеза макроархитектуры: изменение уровней системы Ньюэлла для включения макропознания». Биологически вдохновленные когнитивные архитектуры .
  16. ^ Грей, Уэйн Д.; Джон, Бонни Э.; Этвуд, Майкл Э. (1992). «Краткое изложение проекта Эрнестина или обзор проверки GOMS». Труды конференции SIGCHI по человеческим факторам в вычислительных системах . doi :10.1145/142750.142821. ISBN 0897915135.
  17. ^ ab Gong, Richard; David Kieras (1994). Проверка методологии модели GOMS при разработке специализированного коммерческого программного приложения . ACM. doi :10.1145/191666.191782. ISBN 0-89791-650-6. S2CID  1477759.

Предыдущая версия этой статьи в значительной степени являлась производной работой от GOMS Analysis Techniques - Final Essay (1997).

Дальнейшее чтение