人机交互系统-11-交互模型与理论

背景

汽车上的刹车踏板和油门踏板相距很近，且刹车踏板要比油门踏板大很多：

经验告诉我们，可达到以最快的速度准确制动的目的
但是，依据的原理是什么呢？

设计学科通常借助模型生成新的想法并对其测试：如建筑学领域，有重量分布模型、空气环流模型、流体力学模型和光学模型等

交互设计领域：

计算用户完成任务的时间：KLM
描述交互过程中系统状态的变化：状态转移网
探讨任务的执行方法等：GOMS

预测模型

能够预测用户的执行情况，但不需要对用户做实际测试

特别适合于无法进行用户测试的情形。

举例：为改进对员工使用计算机的支持，设计了许多可行方案。如何判断那一种方法更有效？

不同模型关注用户执行的不同方面：

GOMS：击键层次模型 KLM
Fitts 定律

GOMS 模型

最著名的预测模型，1983 年由 Card, Morgan 和 Newell 提出。

基于人类处理机模型，泛指整个 GOMS 模型体系，是关于人类如何执行认知—动作型任务以及如何与系统交互的理论模型。

采用“分而治之”的思想，将一个任务进行多层次的细化
把每个操作的时间相加就可以得到一项任务的时间：操作指用户的目光从屏幕的一处移到另一处、识别出某个图标、手移到鼠标上

GOMS 全称

Goal-目标：用户要达到什么目的
Operator-操作：任务执行的底层行为，不能分解：为达到目标而使用的认知过程和物理行为。如点击鼠标
Method-方法：如何完成目标的过程，即对应目标的子目标序列和所需操作。如移动鼠标，输入关键字，点击 Go 按钮
Selection-选择规则：确定当有多种方法时选择和方法。GOMS 认为方法的选择不是随机的

举例

使用 GOMS 模型描述在 Word 中删除文本的过程

目标：删除 Word 中的文本
方法 1：使用菜单删除文本
1. 步骤 1：思考，需要选定待删除的文本
2. 步骤 2：思考，应使用“剪裁”命令
3. 步骤 3：思考，“剪裁”命令在“编辑”菜单中
4. 步骤 4：选定待删除文本，执行“剪裁”命令
5. 步骤 5：达到目标，返回

GOMS 方法步骤

选出最高层的用户目标
写出具体的完成目标的方法：即激活子目标
写出子目标的方法：递归过程，一直分解到最底层操作时停止
子目标的关系：
1. 顺序关系
2. 选择关系：以 select：引导

GOMS 模型分析

优点：

能够容易地对不同的界面或系统进行比较分析
美国电话公司 NYNEX：利用 GOMS 分析一套即将被采用的新的计算机系统的应用效果不理想，放弃了使用新系统，为公司节约了数百万的资金。

局限性：

假设用户完全按一种正确的方式进行人机交互，没有清楚地描述错误处理的过程
只针对那些不犯任何错误的专家用户
任务之间的关系描述过于简单
忽略了用户间的个体差异

KLM 击键层次模型

Card 等 1983。对用户执行情况进行量化预测：仅涉及任务性能的一个方面：时间

用途：

预测无错误情况下专家用户在下列输入前提下完成任务的时间
便于比较不同系统
确定何种方案能最有效地支持特定任务

使用

执行时间预测方法：

列出操作次序，累加每一项操作的预计时间
\(T_\text{execute}=T_K+T_P+T_H+T_D+T_M+T_R\)

举例：

DOS 环境下执行“ipconfig”命令：
1. M K[i] K[p] K[c] K[o] K[n] K[f] K[i] K[g] K[回车]
2. 简略表达版本：M9K[ipconfig 回车]
3. \(T_\text{execute}=1.35 + 9 × 0.28 = 3.87\text{s}\)
菜单选择（不一定对，点击鼠标应该用 P₁ 而不是 K）
1. H[鼠标]MP[网络连接图标]K[右键]P[修复]K[左键]
2. \(T_\text{execute}=0.40+1.35+2P+2K=4.35s\)

编码方法

放置 M 操作符的启发规则

问题：如何确定是否需要在具体操作之前引入一个思维过程呢？

答案：

在每一步需要访问长时记忆区的操作前放置一个 M
在所有 K 和 P 之前放置 M：K \(\to\) MK; P \(\to\) MP
删除键入单词或字符串之间的 M：\(MKMKMK \to MKKK\)
删除复合操作之间的 M （如, 选中 P 和点击 P1)：\(MPMP_1 \to MPP_1\)

KLM 分析

建模可以给出执行标准任务的时间

但没有考虑下面的问题：

错误
学习性
功能性
回忆
专注程度
疲劳
可接受性

Fitts 定律

Fitts，1954。用户访问屏幕组件的时间对于系统的使用效率是至关重要的。哪些特性会影响访问效率呢？

能够预测使用某种定位设备指向某个目标的时间
人机交互中，根据目标大小及至目标的距离，计算指向该目标的时间：可指导设计人员设计按钮的位置、大小和密集程度
对图形用户界面设计有明显的意义
“最健壮并被广泛采用的人类运动模型之一”

“轮流轻拍”实验

记录拍中和失误的情况
指令：尽可能准确而不是快速的轮流轻拍两个薄板
以实验数据为依据，得到困难指数如下

\[ ID = \log_2{\frac{2A}{W}} \]

概述

Fitts 定律描述了人类运动系统的信息量

信息论中的 Shannon 定理

\[ C = B \log_2(\frac{S}{N}+1) \]

C 是有效信息量（比特），B 是通道带宽，S 是信号能量，N 是噪声

Fitts 定律：S 映射为运动距离或振幅（A），N 映射为目标的宽度（W）

三个部分

困难指数 ID (Index of Difficulty) = \(\log_2{\frac{2A}{W}}\)
1. 对任务困难程度的量化
2. 与宽度和距离有关
运动时间 MT (Movement Time) = a + b*ID (secs)：在 ID 基础上将完成任务的时间量化
性能指数 IP (Index of Performance) = ID/MT (bits/sec)
1. 基于 MT 和 ID 的关系
2. 也称吞吐量
MacKenzie 改写为
1. ID = log2(2A /W )
2. ID = log2(A /W +1)
3. 更好地符合观察数据
4. 精确地模拟了支撑 Fitts 定律的信息论：C = B log2(S/N+1)
5. 计算出的任务困难指数总是整数
平均时间 MT
1. \(MT = a+b \log_2{(\frac{A}{W} + 1)}\)
2. 常数 a 和 b 来自实验数据的线性回归