11-交互模型与理论
1. 交互设计领域的模型
- 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:能预测用户的执行情况,但是不需要对用户做实际测试
2. GOMS模型体系
把任务模型划分成一个个步骤 ,把每个操作的时间相加就可以得到一项任务的时间。
最著名的预测模型,基于人类处理机模型。
2.1. 全称
- Goal:目标
- Operator:操作
- 任务执行的底层逻辑,不能分解。为达到目标二十一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要的操作
- 如:移动鼠标,输入关键词,点击搜索按钮
- Selection:选择操作
- 确定当有多种方法时的选择和方式
- GMOS认为方法的选择不是随机的
2.2. 举例
使用GOMS模型分析在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,应使用裁剪命令
- 步骤3:思考,裁剪命令在编辑菜单中
- 步骤4:选定待删除文本,执行裁剪命令
- 步骤5:达到目标,返回
2.3. 步骤
- 选出最高处的用户目标
- 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为止
- 子目标的关系
- 顺序关系
- 选择关系
- 以Select 引导
2.4. 分析
- 优点
- 能容易地对不同界面或系统进行比较分析
- 局限性
- 假设用户完全按照一种正确的方式进行人机交互,没有清楚描述错误处理的过程
- 只针对那些不任何错误的专家用户
- 任务之间的关系描述过于简单
- 忽略用户间的个体差异
3. 击键层次模型 KLM👍
- 对用户执行情况量化预测
- 仅涉及任务性能的一个方面——时间
- 基于GOMS模型
- 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
3.1. 操作符
3.2. 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
3.3. 放置M操作符的启发规则
M:在键入前准备
如何确定是否需要在具体操作之前引入一个思维过程呢?
- 每一步需要访问长时记忆区的操作前放置一个M
- 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
) ->
3.4. 分析
- 优点
- 建模可以给出执行标准任务的时间
- 局限
- 没有考虑错误、学习性、功能性、回忆、专注程度、疲劳和可接受性
4. FItts定律
- 能够预测使用某种定位设备指向某个目标的时间,根据目标大小及至目标的距离,计算指向该目标的时间,
- 指点任务的完成效率
- 即P操作符:鼠标指向一个位置的时间
4.1. 内容
- 描述了人类运动系统的信息量
- Shannon定理
- C是有效信息量bit,B是通道带宽,S是信号的能量,N是噪音
- 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)
4.2. 三个部分
原版:
- 困难指数 ID (Index of Difficulty) ,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), secs
- 在ID基础上将完成任务的时间量化
- 性能指数 IP (Index of Performance), bits/sec
- 基于MT和ID的关系
- 也称为吞吐量
改写:
注意单位是s还是ms
常数a,b来自于实验数据的线性回归,对于一般性的计算可使用a=50,b=150(ms)
4.3. 例子
鼠标选取方块任务。
4.4. 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
- 屏幕元素应该尽可能利用屏幕边缘的优势
- 大菜单,如饼型菜单,比其他菜单使用更简单
4.5. Fitts定律应用
- 缩短当前位置到目标区域的距离
- 鼠标右键菜单
- 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
- 标题: 11-交互模型与理论
- 作者: Charlie
- 创建于 : 2023-12-12 15:12:00
- 更新于 : 2024-07-05 12:55:04
- 链接: https://chillcharlie357.github.io/posts/93e1d4e7/
- 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
评论