Lec10-交互设计模型
1. 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
2. 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
2.1. 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
2.1.1. 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
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
2.1.2. 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
步骤1:思考,需要选定待删除的文本
步骤2:思考,应使用“剪裁”命令
步骤3:思考,“剪裁”命令在“编辑”菜单中
步骤4:选定待删除文本,执行“剪裁”命令
步骤5:达到目标,返回
2.1.3. 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
顺序关系
选择关系:以select:引导
2.1.4. 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
2.2. 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
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/3.png)
2.2.1. 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
Texecute=Tk+TP+Th+Td+Tm+TrT_{execute}=T_{k}+T_{P}+T_{h}+Td+Tm+TrTexecute=Tk+TP+Th+Td+Tm+Tr
举例
DOS环境下执行“ipconfig”命令
MK[i] K[p] K[c] K[o] K[n] K[f] K[i] K[g] K[回车]
简略表达版本:M9K[ipconfig回车]
Texecute=1.35+9×0.28=3.87sT_{execute}=1.35 + 9 × 0.28 = 3.87sTexecute=1.35+9×0.28=3.87s
菜单选择
H[鼠标]MP[网络连接图标]K[右键]P[修复]K[左键]
Texecute=0.40+1.35+2P+2K=4.35sT_{execute}=0.40+1.35+2P+2K=4.35sTexecute=0.40+1.35+2P+2K=4.35s
2.2.2. 编码方法
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/1.png)
2.2.3. 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:
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/2.png)
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 -> MK; P -> MP
删除键入单词或字符串之间的M:MKMKMK -> MKKK
删除复合操作之间的M (如, 选中P和点击P1):MPMP1 -> MPP1
2.3. 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
2.4. Fitts定律
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?
Fitts,1954
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”
2.4.1. “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 = log2(2A /W )
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/4.png)
2.4.2. 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 log2(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)
2.4.3. 三个部分
困难指数ID (Index of Difficulty) = log2(2A/W) (bits)
对任务困难程度的量化
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)
基于MT和ID的关系
也称吞吐量
MacKenzie改写为
ID = log2(2A /W )
ID = log2(A /W +1)
更好地符合观察数据
精确地模拟了支撑Fitts定律的信息论:C = B log2(S/N+1)
计算出的任务困难指数总是整数
平均时间MT
MT = a+b log2(A /W +1)
常数a和b来自实验数据的线性回归
2.4.4. 说明
如果MT的计算单位是秒,则a的测量单位是秒,b的测量单位是秒/比特(ID的测量单位是比特)
系数a(截距)和b(斜率)由经验数据确定,且与设备相关
对于一般性计算,可使用a=50,b=150(单位是毫秒)
A和W在距离测量单位上必须一致,但是不需要说明使用的具体单位
2.4.5. Fitts’ Law
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/5.png)
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/6.png)
![](https://spricoder.oss-cn-shanghai.aliyuncs.com/2021-human-computer-interaction/img/lec10/7.png)
2.4.6. Fitts定律建议
大目标、小距离具有优势
对选择任务而言,其移动时间随到目标距离的增加而增加,随目标的大小减小而增加
屏幕元素应该尽可能多的占据屏幕空间
最好的像素是光标所处的像素
屏幕元素应尽可能利用屏幕边缘的优势
大菜单,如饼型菜单,比其他类型的菜单使用简单:ID = log2(A /W +1)
2.4.7. Fitts定律应用
首先被Card等人应用在HCI领域
鼠标的定位时间和错误率都优于其他设备
鼠标速率接近最快速率
使用鼠标完成运动任务比使用其他设备更加协调,这在交互设计中非常重要
策略一:缩短当前位置到目标区域的距离,如右键菜单技术
策略二:增大目标大小以缩短定位时间:Windows操作系统和Macintosh操作系统中的应用程序菜单区域位置的设计
2.4.8. 应用实例
Mac OS和Windows XP的比较(苹果专利)
Mac OS的菜单是沿着屏幕边缘排列的
Windows OS的菜单位于标题栏下面
2.4.9. Jeff Raskin
用户往往在距离屏幕边缘50毫米处停下来:50毫米作为Mac OS的菜单宽度
对于Mac OS:ID = 50 + 150 log2(80/50+1) = 256微妙
对于Windows OS:ID = 50 + 150 log2(80/5+1) = 663微妙
2.4.10. Mac OS “dock”
工具栏组件大小可以动态改变
为用户提供了一个放大的目标区域
可显示更多图标
新版Mac操作系统中都实现了扩展工具栏
思考:该工具栏存在何种优缺点?
2.4.11. Fitts定律测验一
微软工具栏允许用户在图标下方显示图标标签
列举一条原因,解释为什么显示标签后工具条的访问速度更快?
假设用户明确每个图标的用途
参考答案
加大了图标面积。根据Fitts定律,在其他条件不变的情况下,目标越大,访问越快
改变了工具栏图标过于拥挤的情况
2.4.12. Fitts定律测验二
图形应用工具中的调色板如左图
每个图标的大小为16X16像素
以2列X8行排列在屏幕左侧
问题:不改变图标大小,且保持图标阵列位于屏幕左侧,采取何种方式可减少访问每个图标所需的时间?
|