【人机交互 复习】第8章 交互设计模型与理论

2024-06-20 14:28

本文主要是介绍【人机交互 复习】第8章 交互设计模型与理论,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、引文

1.模型:

有的人成功了,他把这一路的经验中可以供其他人参考的部分总结了出来,然后让别人套用。

2.本章模型

(1)计算用户完成任务的时间:KLM

(2)描述交互过程中系统状态的变化:动态转移网

(3)探讨任务的执行方法等:GOMS

二、GOMS模型

 最著名的预测模型

1.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。

(1)采用“分而治之”的思想,将一个任务进行多层次的细化

(2)把每个操作的时间相加就可以得到一项任务的时间

2.全称

(1)Goal-目标

(2)Operator-操作

a.任务、方法执行的底层行为,不能分解,如点击鼠标

b.操作时间与上下文无关

c.操作种类:分为外部操作和心理操作

(3)Method-方法

a.是完成目标的过程

b.如使用鼠标单击输入域,输入关键字,再单击“查找”按钮

c.目标对应的方法不唯一

(4)Selection rule-选择规则

a.选择规则是用户要遵守的判定规则,以确定在特定环境下所使用的方法

b.GOMS认为方法的选择不是随机的

c.例如:对用户Sam在一般情况下从不使用ALT+F4来关闭窗口,但在玩游戏时需要使用鼠标,而鼠标不便于关闭窗口,所以就需要使用ALT+F4方法:

3.GOMS方法步骤

(1)选出最高层的用户目标

(2)写出具体的完成目标的方法,即激活子目标

当所有子目标实现以后,对应的最高层的用户目标就得以实现。

(3)写出子目标的方法

(4)举例:使用GOMS模型描述在Word中删除文本的过程

4.优点

能容易地对不同的界面或系统进行比较分析,并已经成功地应用比较。

5.局限性

(1)因为是假设用户完全按正确的方式进行人机交互,缺乏对错误处理过程的清晰描述。只针对那些不犯任何错误的专家用户,没有考虑初学者和偶尔犯错误的中间用户。

(2)忽略了用户间的个体差异

(3)只能预测可预测的行为

(4)对任务之间的关系描述过于简单

(5)把所有的任务都看作是面向目标的。

三、击键层次模型(KLM)

1.属于GOMS模型,但与GOMS模型不同,KLM对用户执行情况进行量化预测。

2.用途:

(1)预测无错误情况下,专家用户在输入前提下完成任务的时间。

(2)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。

3.KLM组成:KLM模型由操作符、编码方式、放置M操作符的启发规则组成。

4.操作符

(1)这个时间是研究总结平均时间,实际上是因人而异,产生误差的。

(2)举例:DOS环境下执行“ipconfig”命令

M K[i] K[p] K[c] K[o] K[n] K[f] K[i] K[g] K[回车]

Texecute=1.35+9*0.20=3.15s

这个K[i]就是敲击键盘上的i一次

四、Fitts定律

1.内容:

(1)描述了人类运动系统的信息量。

(2)如果一个任务的困难程度可等价于“信息”,那么用户完成任务的速率即可等价于人类信息处理系统的“信息量”

(3)即,如果我们知道一个动作的难度和执行该动作的速率,通过计算(难度/速率)来得到表示人类执行能力的值。

(4) 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

2.三个指标(了解即可):

(1)困难指数ID (Index of Difficulty) = log2(A/W +1) (bits)

对任务困难程度的量化,ID与宽度和距离有关

设备当前位置和目标位置的距离(A)。

目标的大小(W)。

(2)运动时间MT (Movement Time) = a + b*ID (secs)

在ID基础上对任务完成时间的量化

(3)性能指数IP (Index of Performance) = ID/MT (bits/sec)

也称吞吐量(TP)

3.Fitts定律应用

(1)缩短当前位置到目标区域的距离,如右键菜单技术。

(2)扩大操作区域的面积,w越大,ID越小。

(3)无限大的四角与四边,由公式可以推导出,屏幕四周是屏幕上用户最容易进行定位的地方,A越小,ID越小

这篇关于【人机交互 复习】第8章 交互设计模型与理论的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1078385

相关文章

MyBatis设计SQL返回布尔值(Boolean)的常见方法

《MyBatis设计SQL返回布尔值(Boolean)的常见方法》这篇文章主要为大家详细介绍了MyBatis设计SQL返回布尔值(Boolean)的几种常见方法,文中的示例代码讲解详细,感兴趣的小伙伴... 目录方案一:使用COUNT查询存在性(推荐)方案二:条件表达式直接返回布尔方案三:存在性检查(EXI

详解如何使用Python从零开始构建文本统计模型

《详解如何使用Python从零开始构建文本统计模型》在自然语言处理领域,词汇表构建是文本预处理的关键环节,本文通过Python代码实践,演示如何从原始文本中提取多尺度特征,并通过动态调整机制构建更精确... 目录一、项目背景与核心思想二、核心代码解析1. 数据加载与预处理2. 多尺度字符统计3. 统计结果可

SpringBoot整合Sa-Token实现RBAC权限模型的过程解析

《SpringBoot整合Sa-Token实现RBAC权限模型的过程解析》:本文主要介绍SpringBoot整合Sa-Token实现RBAC权限模型的过程解析,本文给大家介绍的非常详细,对大家的学... 目录前言一、基础概念1.1 RBAC模型核心概念1.2 Sa-Token核心功能1.3 环境准备二、表结

Python与Java交互出现乱码的问题解决

《Python与Java交互出现乱码的问题解决》在现代软件开发中,跨语言系统的集成已经成为日常工作的一部分,特别是当Python和Java之间进行交互时,编码问题往往会成为导致数据传输错误、乱码以及难... 目录背景:为什么会出现乱码问题产生的场景解决方案:确保统一的UTF-8编码完整代码示例总结在现代软件

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Spring Security基于数据库的ABAC属性权限模型实战开发教程

《SpringSecurity基于数据库的ABAC属性权限模型实战开发教程》:本文主要介绍SpringSecurity基于数据库的ABAC属性权限模型实战开发教程,本文给大家介绍的非常详细,对大... 目录1. 前言2. 权限决策依据RBACABAC综合对比3. 数据库表结构说明4. 实战开始5. MyBA

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot