Kognitiv modellering inom MDI mekanismer för att kunna förutspå användarens uppträdande härstammar från experimentell psykologi, AI och lingvistik 1 mekanismer för att kunna förutspå användarens uppträdande härstammar från experimentell psykologi, AI och lingvistik 1
Långsiktiga mål med kognitiv modellering teoretiskt att öka våra kunskaper om mänsklig problemlösnings- och inlärningsförmåga praktiskt att hjälpa gränsytedesigners göra bättre gränsytor 2 teoretiskt praktiskt att öka våra kunskaper om mänsklig problemlösnings- och inlärningsförmåga att hjälpa gränsytedesigners göra bättre gränsytor 2
Beskrivningsnivåer inom kognitiv modellering beteende kunskaps representation och algoritm lärande kognitiv arkitektur 3 beteende baseras ofta på experimentresultat snarare än teori kunskaps vilken kunskap som används när i interaktonen representation och algoritm hur kunskapen representeras och plockas fram lärande hur input blir kunskap kognitiv arkitektur kunskap + representation + lärande = kognitiv arkitektur 3
Beteende-nivån [1] består av en lista med beteendeegenskaper brukar fokusera på dator-artefakters inlärningsbarhet användbarhet 4 ofta fokus på dator-artefakters inlärningsbarhet användbarhet 4
Beteende-nivån [2] beteendeegenskaper (BP) exempel på beteende-egenskaper (behavioural properties, BP): användare utför uppgifter på förutsägbar tid konsistenta gränssnitt är lättare att lära sig och att använda GUIs är lättare att lära sig än kommando-gränssnitt expertanvändare kan ej komma ihåg kommandon i GUIs GUI-användares beteende blir positionsberoende 5 exempel på beteende-egenskaper (behavioural properties, BP): användare utför uppgifter på förutsägbar tid Ex: den genomsnittliga tiden det tar att hitta och trycka ned en tangentbordsknapp är 0.28 s konsistenta gränssnitt är lättare att lära sig och att använda (exvis konsistent mappning mellan arbetsuppgift och handlingar) GUIs är lättare att lära sig än kommandogränssnitt expertanvändare kan ej komma ihåg kommandon i GUIs när de inte har gränssnittet framför sig GUI-användares beteende blir positionsberoende (man vet var knappen sitter) 5
Beteende-nivån [3] beteendeegenskaper exempel på beteende-egenskaper (fortsättning): nybörjare vill helst följa instruktioner bokstavligt precist när man helt enkelt inte vet hur - utforskning av lösningsrymden expertanvändare gör slips, dvs. oönskade/oplanerade handlingar användare behöver återkoppling för att få handlingar bekräftade användare hittar nya lösningar på nya problem (ibland) 6 exempel på beteende-egenskaper (fortsättning): nybörjare vill helst följa uppgiftsinstruktioner bokstavligt precist när användare inte vet hur de skall nå målen med datorn och är tvungna att utforska lösningsrummet (explore) expertanvändare gör slips, dvs. oönskade/oplanerade handlingar användare behöver återkoppling för att få handlingar bekräftade användare hittar nya lösningar på nya problem (ibland) 6
Kunskaps-nivån [1] 7 Newells (1980) problemrumshypotes kognitivt beteende är en måldriven sekvens av operator-applicering som tar problemlösaren från ett initialt tillstånd till måltillståndet en kognitiv modell förutsäger vilken operator en användare skulle välja vid ett visst tillstånd och havandes ett visst mål för att välja nästa operator utnyttjar användaren sju kunskapstyper Newells (1980) problemrumshypotes kognitivt beteende är en måldriven sekvens av operator-applicering som tar problemlösaren från ett initialt tillstånd till måltillståndet en kognitiv modell förutsäger vilken operator en användare skulle välja vid ett visst tillstånd och havandes ett visst mål för att välja nästa operator utnyttjar användaren sju kunskapstyper 7
8 Kunskaps-nivån [2] kunskapstyper mål GUI-baserade kunskapsresurser kunskap om andra metoder kunskap om färsk historia långtids-historia kunskap om operationers effekt kunskap om andra datorsystem, vardagskunskap, konceptuell kunskap mål, de flesta kognitiva modeller förutsätter målhierarkier med mål och delmål osv. Valet av operator bestäms av aktuellt (current) mål, vilket är det senaste målets som lagts till målhierarkin GUI-baserade kunskapsresurser, exempel på tidigare nämnda beteendeegenskaper som är GUIrelaterade är GUIs är lättare att lära sig än kommando-gränssnitt beror kanske på: GUIt styr in användaren på ett begränsat antal alternativa kommandon medan kommandoprompten inte säger någonting expertanvändare kan ej komma ihåg kommandon i GUIs beror kanske på: kunskap om vilka kommandon som finns att tillgå behöver inte sparas i långtidsminnet eftersom den visuella miljön innehåller denna kunskap GUI-användares beteende blir positionsberoende eftersom det är billigt att utnyttja vårt spatiala minne (min hypotes) kunskap om andra metoder konsistens (ex: heter remove rm så borde delete hete dl) och kongruens (ex: on och off bör vara kongruenta) kunskap om färsk historia används av modeller för att kontextualisera nästa operator långtids-historia vid utforskning av lösningsrymden skapas erfarenhet (episodisk 8
Representation och algoritm-nivån [1] oavsett kunskapstyp måste kunskapen i en kognitiv modell representeras mha. ett språk gränsytors inlärningsbarhet (med avseende på konsistens) kan förutsägas med hjälp av formalisering enlig exempelvis TAG (Payne and Green, 1986) -> 9 oavsett kunskapstyp måste kunskapen i en kognitiv modell representeras mha. ett språk gränsytors inlärningsbarhet (med avseende på konsistens) kan förutsägas med hjälp av formalisering enlig exempelvis TAG (Payne and Green, 1986) -> 9
Representation och algoritm-nivån [2] 10 Tre gränsytor formaliserade enligt Task-Action Grammar (TAG). Genom att räkna antalet regler som måste läras in av användaren så kan man se att språk 1 är lättare än språk 2 att lära sig och språk två är i sin tur lättare att lära sig än språk 3. 10
Representation och algoritm-nivån [3] TAG är en modell över "idealiserad expertkunskap" och förutsätter att det alltid finns en unik regel att tillämpa i varje unikt tillstånd CE+ (Polson & Lewis, 1990), TAL (Howes & Young, 1991), Ayn (Howes, 1994) hanterar även oklara fall med hjälp av beslutsheuristik 11 TAG är en modell över "idealiserad expertkunskap" och förutsätter att det alltid finns en unik regel att tillämpa i varje unikt tillstånd CE+ (Polson & Lewis, 1990), TAL (Howes & Young, 1991), Ayn (Howes, 1994) hanterar även oklara fall med hjälp av beslutsheuristik 11
Representation och algoritm-nivån [4] Beslutsheuristik bortom TAG 12 TAL (Howes & Young, 1991) prio 1) hitta ett gammalt mål som liknar nuvarande mål och uttnyttja kunskap från hur detta uppfylldes prio 2) fråga utomstående expert (användaren) CE+ (Polson & Lewis, 1990) label-following (läs i boken) Ayn (Howes, 1994) Prova nya operatorer om det är ett helt nytt mål, annars gamla beprövade operatorer TAL (Howes & Young, 1991) prio 1) hitta ett gammalt mål som liknar nuvarande mål och uttnyttja kunskap från hur detta uppfylldes prio 2) fråga utomstående expert (användaren) CE+ (Polson & Lewis, 1990) label-following (läs i boken) Ayn (Howes, 1994) Prova nya operatorer om det är ett helt nytt mål, annars gamla beprövade operatorer 12
Lärande-nivån [1] lärande-heuristik adderar kunskap till långtidsminnet exempel på lärande-heuristik induktion, "om händelse E hände alldeles precis innan händelse E' så lär dig att E orsakade E'" kognitiva modeller på lärandenivån bör kunna förklara hur en viss serie operatorer ledde till att måltillståndet nåddes läs om EXPL i boken s 114-115 13 lärande-heuristik adderar kunskap till långtidsminnet exempel på lärande-heuristik induktion, "om händelse E hände alldeles precis innan händelse E' så lär dig att E orsakade E'" kognitiva modeller på lärandenivån bör kunna förklara hur en viss serie operatorer ledde till att måltillståndet nåddes läs om EXPL i boken s 114-115 13
Lärande-nivån [2] kort om EXPL 14 EXPL (Lewis, 1986, 1988) förklarar utfall med hjälp av tre typer av inlärningsheuristik identitetsheuristik förekommer något både i användarhändelse och efterföljande systemhändelse så orsakade den förra den senare lös-tråd-heuristik alla användarhändelser leder mot målet föregående-operation-heuristik E och E'-exemplet tidigare EXPL (Lewis, 1986, 1988) förklarar utfall med hjälp av tre typer av inlärningsheuristik identitetsheuristik förekommer något både i användarhändelse och efterföljande systemhändelse så orsakade den förra den senare lös-tråd-heuristik alla användarhändelser leder mot målet föregående-operation-heuristik E och E'-exemplet tidigare 14
Kognitiv arkitektur-nivån [1] ramverk: kunskap + representation + lärande = beteende användningsområde: förenkla förutsägelser om interaktionsförlopp baserat på arkitekturnivå-effekter förenkla utformandet av breda teorier 15 ramverk: kunskap + representation + lärande = beteende användningsområde: förenkla förutsägelser om interaktionsförlopp baserat på arkitekturnivå-effekter ex: tidsåtgång för specifika uppgifter, bytet från kontrollerade till automatiserade processer (inkl uppkomsten av slips, och underhållandet av målhierarkier) förenkla utformandet av breda teorier Det finns ett stort behov och önskan att komma i närheten av en kognitiv modell som kan förklara allt mänskligt beteende 15
Kognitiv arkitektur-nivån [2] Exempel på modeller som alla definierar mekanismer för lagring och återhämtning av kunskap från ett långtidsminne: Soar (Newell, 1990) ACT-R (Anderson, 1993) ICS (Barnard, 1987) CI (Kintsch, 1988) 16 Exempel på modeller som alla definierar mekanismer för lagring och återhämtning av kunskap från ett långtidsminne: Soar (Newell, 1990) ACT-R (Anderson, 1993) ICS (Barnard, 1987) CI (Kintsch, 1988) 16