Upload
minty
View
62
Download
5
Embed Size (px)
DESCRIPTION
Métodos formales y cuantitativos en HCI Tomás Laurenzo – inpercom - http://www.fing.edu.uy/inco/cursos/inpercom. Métodos formales en HCI. Los M.F. son " técnicas basadas en la matemática para la especificación, desarrollo, y verificación de un sistema ” . - PowerPoint PPT Presentation
Citation preview
Métodos formales y cuantitativos en HCI
Tomás Laurenzo – inpercom - http://www.fing.edu.uy/inco/cursos/inpercom
Métodos formales en HCI
• Los M.F. son "técnicas basadas en la matemática para la especificación, desarrollo, y verificación de un sistema”.
• Suelen incluir una notación precisa para la construcción de modelos matemáticos de un sistema (de software).
• La notación es utilizada para especificar (en vez de diseñar o implementar) el sistema requerido y es concerniente a qué es hecho por un sistema y no cómo es hecho. – abstracción– precisión
el modelo abstracto traza puentes sobre el abismo de formalidad
Métodos formales en HCI
• Clasificación– modelo
• definen el comportamiento con alguna estructura matemática (ej. conjuntos)
– propiedad• axiomáticos o algebraicos: los datos se modelan implícitamente: el sistema debe
“sólo” cumplir con las propiedades
– comportamiento• secuencias de estado
• Métodos formales– incrementan la confianza
– no garantizan perfección
Métodos formales en HCI
• los métodos formales:
• disminuyen el “formality gap”• permiten enunciar principios generales• restringen el diseño• favorecen la evaluación de los sistemas
• pueden permitir una mejor comprensión del sistema, de su aplicación, o del contexto (la “realidad”).
Métodos formales en HCI
• Resumiendo: Los métodos formales permiten una abstracción precisa.– permite exponer decisiones implícitas
• Ejemplos de uso: – especificación de sistemas interactivos específicos
– modelos genéricos de sistemas interactivos
– especificación de diálogos y análisis
tres usos (Dix ‘95)
• especificación de sistemas interactivos individuales– “contrato” con el implementador
• modelos generales de sistemas interactivos– análisis de estrategias o lenguages
• especificación y análisis de diálogos– sistemas específicos
Métodos formales en HCI
• Ejemplo:– the PIE model (Dix 1985)
• R• E• D• P : historia!• I : función.
Métodos formales en HCI
• función doit, recursiva.– doit: E x seq C E
• es fácil formalizar el undo, por ejemplo…
Métodos formales en HCI
• función doit, recursiva.– doit: E x seq C E
• es fácil formalizar el undo, por ejemplo…
• diagramas de estados, lógica temporal.
Algunos límites en la percepción
The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information
George A. Miller
Publicado en The Psychological Review, 1956, vol. 63, pp. 81-97
inpercomTomás Laurenzowww.fing.edu.uy/inco/cursos/inpercom
Relaciones
cantidad de información transmitida
covarianza
o correlación
cantidad de información
varianza
Experimento
cantidad de informacióndel estímulo
cantidad de informaciónpercibida
información transmitida
Al aumentar la información transmitida, la persona comete más y más errores. La capacidad del canal de transmisión es la mayor cantidad de información que nos brinda un estímulo.
Bits
• Un bit de información es el volumen de información necesario para tomar la decisión entre dos alternativas equiprobables.
Por ejemplo: ¿La altura de una persona es mayor que 1,60m?
• Dos bits de información es el volumen de información necesario para tomar la decisión entre cuatro alternativas equiprobables.
• N bits ... 2N ...
1er Experimento (tono sonoro)
• Pollack le pidió a sus sujetos experimentales que identificaran tonos a través de una asignación de números.
• Los tonos eran diferentes en frecuencia, y cubrían un rango entre los 100 y 8000 hz en pasos de igual distancia logarítmica.
• Cuando se escuchaba un tono, el escucha respondía con un número.
• Luego que el escucha daba la respuesta, se le decía cuál era el número correcto.
1er Experimento (tono sonoro)
Resultados
2,5 bits ¿Qué significa?
2^(2,5) =5,6569... 6
No se puede considerar más de 6 diferentes tonos sin que el usuario se confunda.
No importa cuantos tonos se le dé a la persona, esta sólo puede categorizarlas en 6 clases sin error.
Si hay N estímulos, el porcentaje de aciertos es 100*N/6.
2,5 bits ¿Se puede obtener resultados mejores haciendo trucos?
Si por ejemplo: Tomo 5 sonidos en una escala grave, puedo distinguirlos claramente.
Tomo 5 sonidos en una escala aguda, también puedo distinguirlos.
Si los combino: ¿Podré distinguir entre los 10 sonidos?
2,5 bits ¿Se puede obtener resultados mejores haciendo trucos?
Si por ejemplo: Tomo 5 sonidos en una escala grave, puedo distinguirlos claramente.
Tomo 5 sonidos en una escala aguda, también puedo distinguirlos.
Si los combino: ¿Podré distinguir entre los 10 sonidos?
NO
• Garner espació sonidos con intensidades entre 15 y 110 dB
2do Experimento (Volumen sonoro)
• Beebe-Center, Rogers, and O'Connell trabajaron con concentraciones de sal entre 0,3 y 34,7 gm por 100cc. de agua.
3er Experimento (Salinidad del agua)
• Hake and Garner trabajaron de dos formas distintas:
1: Decir un número cualquiera entre 0 y 100 para designar la posición, aunque las posiciones mostradas sean finitas y equiespaciadas.
2: Seleccionar un número entre los posibles.
4to experimento (Posición de un puntero en una línea)
Resultados:
4to experimento (Posición de un puntero en una línea)
Resultados frente a estímulos visuales:
Tamaño de cuadrados 2,2 bits
Color 3,1 bits
Brillo 2,3 bits
Curvatura de líneas 1,6 a 2,2 bits
Largo de líneas 2,6 a 3 bits
Dirección de líneas 2,8 a 3,3 bits
Más experimentos
En lugar de una marca en una línea, determinar la posición de un punto en un cuadrado.
3,25+3,25=4,6 ?
Combinando dimensiones
• (sabor) Salinidad + dulzura = 2,3 bits
1,9bits + 1,9bits
• (sonido) Tono + volumen = 3,1bits
2,5bits + 2,3bits
• (sonido) Frecuencia + intensidad + tasa de interrupción + on-time fraction + duración total + ubicación en el espacio
= 7,2 bits= 150 opciones
6*(2,32 bits)=13,93 bits= 5^6 opciones=15625
Combinando dimensiones (Pollack and Ficks)
Combinando dimensiones
• Hipótesis sobre los resultados: al combinar dimensiones, se pierde precisión en cada una de ellas.
• Los sonidos humanos “tienen” entre 8 y 10 dimensiones (binarias). Esto limita las posibilidades de expresividad.
• Hipótesis de Miller: Hay un límite de 10 dimensiones que se pueden considerar para evaluar algo.
• En el curso de la evolución natural, se decidió que era mejor tener poca información de muchos estímulos diferentes, que mucha información de un único estímulo.
Combinando dimensiones
• Kaufman, Lord, Reese y Volkmann pusieron puntos al azar que eran mostrados en la pantalla durante 1/5 de segundo. De 1 a más de 200 puntos podían aparecer. El objetivo era contar cuántos puntos había.
Resultados• Hasta 5 ó 6 puntos no había problemas.• Con más de 7 puntos se estimaba el resultado.
5to experimento (contar puntos)
Parece ser que sólo podemos recordar de 6 a 7 elementos en nuestra memoria inmediata.
Pero si cada elemento contiene mucha información, entonces la memoria inmediata puede recordar muchos bits de información.
Por ejemplo, cada dígito contiene 3,3 bits de información.
Entonces al recordar 7 números, se recuerda 23 bits
6to experimento (memorizar)
Entonces, si elegimos elementos de gran variedad, podremos recordar mucha información.
6to experimento (memorizar)
Información por item
Hay que agrupar y recodificar aquello que nos cueste memorizar.
Conclusión del 6to experimento
• El largo memorizado fue 9 elementos para binario y 7 para octales.
• A medida que aumentaba la relación, se recordaban menos elementos.
• Sugirieron que esto se debía a que no dominaban bien la técnica de re-codificación.
Resultados al aplicar la conclusión del 6to experimento
• Tenemos limitaciones severas para percibir información y memorizarla.
• Para aminorar dichas limitaciones, se debe manejar varias dimensiones a la vez y sucesiones de elementos multidimensionales.
• La teoría de la información es útil para obtener información cuantitativa de estos aspectos.
Conclusiones
• ¿Cómo diseñar la interfaz de un sistema, de forma que sea “fácil” recordar sus múltiples opciones y funcionalidades?
– ¿Ventajas entre una interfaz gráfica y una textual?
– ¿Cómo se utiliza la multidimensionalidad gráfica en una interfaz?
– ¿Cómo se podría utilizar lo ya aprendido para acelerar el proceso de aprendizaje ?
¿Aplicaciones a las interfaces?
• No basar las interfaces en la memoria. Probar con el reconocimiento de formas multidimensionales.
• Utilizar íconos, dado que manejan muchas dimensiones simultáneamente. (Es fácil distinguir entre cientos de íconos).
• Utilizar elementos para las interfaces que permitan el agrupamiento de elementos similares (menús, ventanas, etc.)
• Conocer la capacidad de transmisión de cada tipo de señal.
• La redundancia dimensional permite reforzar o brindar más información a una única señal.
• Diseñar sistemas que manejen múltiples dimensiones gráficas para expresar múltiples dimensiones de información.
• Construir nuevos sistemas basándose en las estructuras gráficas de otros similares, para acelerar el aprendizaje.
Aplicaciones a las interfaces
• Investigaciones posteriores (Cowan en 2001, p. ej.) revelaron que la capacidad depende de la categorías de los chunks usados.– Siete para dígitos.– Seis para letras.– Cinco para palabras.
• E incluso en los componentes de los chunks.– Disminuye con el largo de las palabras.
• Cowan propone cuatro como un número más adecuado para adultos.
Críticas al artículo
Otros límites en la transmisión de información
algunas tareas bidimensionales representativas:• Target acquisition, pointing
– Consiste en alcanzar y hacer clic sobre un objetivo estático.– Estudiado por la Ley de Fitts.
• Constrained Linear and Circular Motion (movimiento constreñido lineal y circular)
– Estudiados por Accot y Zhai.
• Homing Time– Tiempo para cambiar de dispositivo de interacción teclado y viceversa.
(estudiado en KLM-GOMS)
• Pursuit Tracking (seguimiento y captura)– hacer clic sobre un objetivo en movimiento.
• Free-Hand Inking (escritura a mano alzada).
• Tracing and Digitizing (calcar o digitalizar).
tiempos para apuntar y seleccionar: La ley de Fitts.
Basado en el Artículo:
Movement Time Prediction in Human-Computer Interfaces
I. Scott MacKenzie Department of Computing and Information Science.
University of Guelph.
La tesis de doctorado de MacKenzie (1991) fue sobre la utilización de la Ley de Fitts como una medida de performance en HCI.
Objetivo
Disponer de algunos parámetros para medir el tiempo requerido para hacer una tarea.
En particular: medir y predecir el tiempo invertido en algunos movimientos.
La Ley de Fitts.
Ley de Fitts (Paul Fitts en 1954) La dificultad de movimiento (o ID, por “índice de
dificultad”) de las tareas puede ser cuantificada a través de la teoría de la información utilizando bits.
ID= log2 (2A/W)
Donde: • A es la distancia a desplazarse • W es la tolerancia de la región dentro de la cual el
movimiento debe terminar.
Diagrama original de Fitts (1954).
W
A
Diagrama de Fitts actualizado(1992).
Cursor y objetivo desplegados en un monitor
Correlación entre dificultad (bits transmitidos) y tiempo para realizar la tarea.
MT = b * ID
MT = a + b*ID
Si ID = 4 bits y es ejecutado en MT = 2 segundos
La información transmitida es4/2 = 2 bits/segundo
Ancho de banda = 2 bits/segundo
a0
a=0
Correlación entre dificultad (bits transmitidos) y tiempo para realizar la tarea.
MT= b * ID MT= a + b * ID
Cal
culo
de
las
vari
able
s a
y b
ID MT Error IP Aa Wa (bits) (ms) (%) (bits/s) ------------------------------------------ 8 8 1 254 0.0 4.3 8 4 2 353 1.9 6.1 16 8 2 344 0.8 6.4 8 2 3 481 1.7 6.4 16 4 3 472 2.1 6.6 32 8 3 501 0.6 6.2 8 1 4 649 8.8 6.3 16 2 4 603 2.1 6.8 32 4 4 605 2.7 6.7 64 8 4 694 2.5 5.9 16 1 5 778 7.0 6.6 32 2 5 763 3.4 6.6 64 4 5 804 2.3 6.3 32 1 6 921 8.5 6.6 64 2 6 963 3.3 6.3 64 1 7 1137 9.9 6.3 ------------------------------------------ Mean 645 3.6 6.3 SD 243 3.1 0.6 ------------------------------------------a experimental units; 1 unit = 8 pixels
Cad
a fi
la e
s el
res
ult
ado
d
e 47
0 p
rueb
as
Resultados del experimento
MT= 53 + 148*ID
Resultados de otros experimentos
Study Predict.equat. (ms) Bandwidth (bits/s) -----------------------------------------------------Boritz et al., 1991 MT = 1320 + 430 ID 2.3 Epps, 1986 MT = 108 + 392 ID 2.6MacKenzie et al., 1990 MT = -107 + 223 ID 4.5Han et al., 1990 MT = 389 + 175 ID 5.7 Card et al., 1978 MT = 1030 + 96 ID 10.4Gillan et al., 1990 MT = 795 + 83 ID 12.0
Reformulación del Indice de Dificultad (ID)
Welford (1960)ID = log2(A/W + 0,5)
puede dar valores negativos
MacKenzie (1989)ID = log2(A/W + 1) MT = a + b*log2(A/W + 1)
– Ajusta mejor con las observaciones– Ajusta mejor con el Teorema de Shannon-Hartley– Siempre da positivo.
Posible explicación de la fórmula de Fitts
ID = log2 (A/W + 1)
A / W + 1 = (A+W) / W
A= 1 32 4 5 6 7
W
0
Que se transmitan tres bits equivale a seleccionar uno en ocho
Ley de Fitts en dos dimensiones
Pregunta:¿Cuál dimensión tomar por W?Respuestas posibles:1. El menor entre H y W2. W’
´
Normalización de las medidasProblema de Velocidad vs. Exactitud.
Supongamos que la tasa en (a) es 5 bits/s y en (b) es 6 bits/s.Antes de afirmar que (b) es mejor que (a), hay que chequearsi la tasa de errores es similar.
Cuando usar la Ley de Fitts
• No se puede usar directamente para el Joystick, sin previa comprobación experimental
¿Por qué?
• ¿Trackball?
• Mouse, Stylus ¿Se puede usar para estos dispositivos?
Ejemplo de aplicación
Borrar un ícono en el Apple MacintoshHay tres formas:
• Drag-Select: arrastrar el ícono al tacho de basura• Point-Select: Seleccionar el ícono clickeando sobre
él, y luego seleccionar el tacho de basura con otro clic.
• Stroke-Through: apretar el botón del ratón a un costado del ícono, atravesar el ícono y soltar el botón al otro lado del ícono.
Pregunta: ¿cuál forma es más rápida?
Ejemplo de aplicación
Pointing model: (Aplicado a Point-Select)
MT = 230 + 166 × ID(IP = 6.0 bits/s)
Dragging model: (Aplicado a Drag-Select y Stroke-Through)
MT = 135 + 249 × ID (IP = 4.0 bits/s)
Ejemplo de aplicación
DRAG-SELECT:
MT = 135 + 249 log2(14 / 2 + 1)= 135 + 249 × 3= 882 ms
POINT-SELECT:
MT = 230 + 166 log2(14 / 2 + 1)= 230 + 166 × 3= 728 ms
STROKE-THROUGH:
MT = 135 + 249 log2(4 / 2 + 1)= 135 + 249 × 1.58= 528 ms
Mejora de menús
• Según Fitts, en un menú común, cuanto más lejos esté la opción a seleccionar, más tiempo se demora en llegar a ella y seleccionarla.
• ¿Es posible evitar esto?
• ¿Cómo se puede diseñar un menú en el que la selección de cualquier opción demore el mismo tiempo?
La ley de manejo a través de
túneles (movimiento constreñido) Basado en el Artículo:
Beyond Fitts’ Law: Models for Trajectory-Based HCI Tasks
Johnny Accot, Shumin Zhai
http://www.sigchi.org/chi97/proceedings/paper/ja.htm
Idea base
• Calcular la relación entre la velocidad de atravesar el túnel, su ancho y longitud.
Motivación
1er experimento
• Pasar por Goal1 y luego por Goal2 tan rápido como sea posible.
• Características del experimento– 10 personas– A = 256, 512, 1024 píxeles– W = 8, 16, 32 píxeles
• 9 condiciones A-W .• 10 pruebas en cada condición.
Resultados
• Resultados similares a Fitts.
• MT = Movement Time• r2 = correlación
• Tasa de error = 7,4%
1er experimento
2do experimento
• Subdividir el intervalo A• Pasar por un número
creciente de Goals hasta llegar al caso del túnel.
• Aplicar la fórmula de Fitts.• Hallar la fórmula en el
límite.
• Comprobar los resultados experimentalmente.
Resultados (Cálculo de Fórmula)
La fórmula:
con N tendiendo a infinito da:
Luego, MT es:
2do experimento
Resultados (Comprobación experimental)
• Características del experimento– 13 personas– A = 250, 500, 750, 1000
píxeles– W = 20, 30, 40, 50, 60, 70, 80,
90 píxeles• 32 condiciones A-W .• 5 pruebas en cada condición.
2do experimento
3er experimento• Angostamiento del túnel.
• Para resolverlo, se descompone el túnel en partes.
• Dando las siguientes fórmulas:
Resultados (comprobación experimental)
• Características del experimento– 13 personas– A = 250, 500, 750, 1000
píxeles– W1 = 20, 30, 40, 50 píxeles– W2 = 8 píxeles
• 16 condiciones A-W .• 5 pruebas en cada condición.
3er experimento
Ley general
• Se integra a lo largo de la curva, y se obtiene la expresión genérica:
• Siguiendo la hipótesis de que el tiempo está linealmente relacionado con ID, se obtiene que:
Pregunta
• ¿Cómo aplicaría esta ley para mejorar la velocidad de navegación en los menús?
Más límites en la Interacción:
Ley de Hick (1952)Publicado por Edmund Hick en el artículo “On the rate of gain of information”.
Extraido de:
4-4-2 Hick’s LawThe Humane Interface - Jef Raskin
Ley de Hick
Cuando se tiene que elegir entre n alternativas, el tiempo para elegir es:
Alternativas equiprobables
t = a + b * log2(n+1)
Alternativas con probabilidad p(i)
t = a + b*∑i(p(i) *log2((1/p(i))+1)
Comentarios sobre la Ley de Hick
• Si las opciones se presentan de manera confusa, a y b se incrementan.
• El hábito provoca que b decrezca.
• ¿cómo usamos la ley de Hick?
Resultado sobre la Ley de Hick
• Dar muchas opciones de forma simultanea en muchos casos es más rápido que organizar dichas opciones en forma jerárquica.
Elegir entre un menú de 8 opciones es más rápido que elegir entre 2 menús de 4 opciones,
a + b*log2(8+1) < 2*(a + b*log2(4+1))
Porque:a < 2*a ; log(9) = 3.16 < log(5) = 2.32a + 3.1*b < 2a + 2.3*2*b = 2a + 4.6b
pero, básicamente, no la usamos.
Resultado sobre la Ley de Hick
• Es necesario aplicarla con cuidado.– Para encontrar una palabra (p.ej. el nombre de un
comando) en una lista desordenada (p.ej. un menú) es necesario escanear cada palabra, lo que lleva a tiempo linea, y no se aplica la ley de Hick.
– Si la lista es alfabética, el orden puede ser logarítmico, si el usuario conoce el nombre del comando.
– Los submenús ayudan en este caso.
análisis cuantitativo mediante GOMS
Basado en:
Chapter Four: Quantification
Del Libro:
The humane interface
Jef Raskin
• Uno de los métodos cuantitativos es el GOMS (Goals, Objects, Methods, and Selection rules).
• GOMS permite estimar cuánto tiempo le llevará a un trabajador experimentado desarrollar una operación particular cuando éste utiliza una determinada interfaz.
• GOMS fue creado por Stuart Card, Thomas P. Moran & Allen Newell, y publicado en su libro The Psychology of Human Computer Interaction, 1983
GOMS
• GOMS se basa en concebir la interacción como un conjunto de acciones elementales.
• Este modelo suele llamarse CMN, o KLM (keystroke-level model). (http://www.cs.cmu.edu/~bej/cogtool/)
• Dejando de lado muchos aspectos de la interacción (fatiga del usuario, caminos alternativos, modelo cognitivo muy primitivo, errores, etc.).
GOMS
• Los diseñadores que utilizan GOMS, lo hacen de forma mesurada.
• Sin embargo, sí se realizan estudios formales cuando pequeñas diferencias de velocidad implican un importante efecto económico o psicológico.
• Existen varios tipos de GOMS, todos ellos útiles (Critical-path method CPM-GOMS, Natural GOMS Language NGOMSL).
• CPM: multitarea, difícil de implementar. Model Human Processor.
• NGOMSL: más simple de usar, agrega semántica de alto nivel, modela el aprendizaje. mono tarea.
GOMS aplicado al manejo del teclado
• El “proyecto ernestine”, de New England Telephone.• nuevas terminales diseñadas para requerir menos digitación.
• CPM-GOMS predijo un decremento del 3% en la performance.
• 78240 llamadas, 4%.
• Pero
• Los usuarios son impredecibles.
• Errores.
• Entrenamiento, hábitos.
• Funcionalidad vs. usabilidad.
Análisis cuantitativo y cualitativo
K (keying), P (Pointing), H (Homing), M (Mentally preparing), R (Responding)
K = 0.2s Tiempo tomado en apretar la tecla.
P = 1.1s El tiempo que toma al usuario a apuntar a una posición en la pantalla.
H = 0.4s Tiempo que toma al usuario moverse del teclado al ratón o del ratón al teclado.
M = 1.35s Tiempo que demora el usuario en prepararse mentalmente para el próximo paso.
R Respuesta: tiempo que el usuario debe esperar por la respuesta de la computadora.
Los tiempos de la interfaz
Los tiempos anteriores pueden variar mucho.
Por ejemplo:
K=0.08s para un operador a 135 palabras por minuto.
K=0.2s cuando el mismo escribe 55 ppm.
K=0.28s a 40 ppm.
K=1.2s cuando el operador está aprendiendo a escribir.
K varía también según el texto a escribir. Texto “sucio” (por ejemplo una dirección de e-mail) puede tomar hasta 0.75s por carácter.
Los tiempos de la interfaz
La duración de R puede tener efectos inesperados en las acciones de los usuarios.
Si R > 0.25s, puede probar nuevamente o comienza a preguntarse qué es lo que está fallando.
Quizás no se puedan hacer productos que completen cualquier operación con R menor al tiempo de reacción humano, pero la interfaz puede siempre dar un feedback de que la entrada ha sido recibida y que se está procesando la respuesta.
De lo contrario, las acciones del usuario podrían llegar a causar más retrasos o incluso ser peligrosas.
Los tiempos de la interfaz
La barra de progreso puede reflejar el tiempo remanente, o el % que queda para terminar la tarea.
Si no se puede predecir el tiempo, es preferible decirlo a la alternativa de tener desinformados a los usuarios.
Los tiempos de la interfaz
Los tiempos de la interfaz
K (keying), P (Pointing), H (Homing), M (Mentally preparing), R (Responding)
La parte más fácil es ver cuándo aplicar los operadores K, P y H. por ej: “mueva la mano desde el mouse hasta el teclado y tipee una letra” implica HK
La pregunta es cuando aplicar M.
Cálculos de GOMS
0) Insertar M delante de cada K. Insertar M delante de todos los P que seleccionan comandos, pero no delante de los P que apuntan a argumentos de los comandos.
1) Si el operador inmediato a M está completamente anticipado en un operador anterior a M, entonces se elimina dicho M. Por ejemplo: si se mueve el ratón para apretar un botón del mismo cuando se llegue al objetivo, entonces PMK se transforma en PK.
2) Si un string (MK)* es generado por una misma unidad cognitiva, entonces eliminar todos los M salvo el primero.
3) Si K es un delimitador redundante al final de una unidad cognitiva, como por ej. el delimitador de un comando que inmediatamente sigue al delimitador de sus argumentos, borrar el M en frente de él.
¿Cuándo aplicar M?
4) Si se tiene un delimitador posterior a un string constante, borrar la M posterior al delimitador. Pero si K es un delimitador de un string que puede variar, entonces mantener el M en frente a él.
5) No contar ninguna porción de tiempo de M que se superponga con una R.
¿Cuándo aplicar M?
Juan trabaja con una computadora, digitando reportes; ocasionalmente es interrumpido por alguno de los investigadores en la habitación, y le piden que convierta una temperatura de Fahrenheit (F) a Celsius (C) o de C a F.
Por ej: “Juan, convierte 302.25 grados de F a C”.
• Juan debe usar teclado o ratón. • Las conversiones de C a F y de F a C son equiprobables. • Un 25% de las temperaturas de ingreso son negativas. • Los dígitos son equiprobables.• Sólo un 10% de las temperaturas tienen valores enteros.• El resultado se despliega en la pantalla. • Juan lee de la pantalla al investigador. • La entrada y la salida debe permitir al menos 10 dígitos a
cada lado del punto decimal.
Ejemplo
• Objetivo: Minimizar el tiempo que le toma a Juan realizar la conversión. La velocidad y la exactitud debe maximizarse.
• El área donde se realiza la conversión está activa y esperando la entrada de Juan.
• Se asume que en promedio cuatro caracteres en la temperatura, incluyendo un punto decimal.
• También se asume que Juan no comete errores.
Ejemplo
Solución 1
Conversor de Temperatura
Elija cuál conversión es deseada, tipee la temperatura y presione Enter.
Convertir F a C
Convertir C a F
• Mover la mano al ratón: H
• Apuntar al radio button adecuado: P
• Hacer clic en el radio button: K
• Mover las manos de nuevo al teclado: H
• Digitar cuatro caracteres: KKKK
• Apretar Enter: K
Total: HPKHKKKKK
Solución 1
Aplico regla 0: HMPMKHMKMKMKMKMK
Aplico regla 1: HMPMKHMKMKMKMKMK
HMPKHMKMKMKMKMK
Aplico regla 2: HMPKHMKMKMKMKMK
HMPKHMKKKKMK
La regla 4 obliga a mantener el último M
Las reglas 3 y 5 no se aplican aquí.
Solución 1
H+M+P+K+H+M+K+K+K+K+M+K=
0.4+1.35+1.1+0.2+0.4+1.35+4*(0.2)+1.35+0.2=7.15 seg
Si ya estuviera elegida la conversión correcta, el procedimiento queda:
M+K+K+K+K+M+K= 3.7 seg
Promedio = [(7.15 + 3.7)]/25.4 seg
Solución 1
Solución 2 .
• La interfaz utiliza una representación analógica de los termómetros.
• Juan puede utilizar el ratón para bajar o subir el puntero de cada termómetro.
• Juan indica cuál conversión quiere hacer moviendo el ratón sobre el termómetro de Celsius o Fahrenheit. Al mover uno de los punteros, el otro se ajusta automáticamente.
• Para conseguir la precisión requerida, Juan expande y contrae las escalas; también cambia el rango.
• Cuando Juan cambia la escala o el rango de un termómetro, aquellos en el otro termómetro cambian automáticamente para cubrir aproximadamente el mismo rango de temp.
• Auto-Med, cambia los rangos para que estén centrados en 37 grados Celsius, o 98.6 Fahrenheit, para tratar temperaturas del cuerpo humano.
Solución 2
• Expand y Compress Scales, varían por un factor de 10 los valores de las marcas en los termómetros.
• También se hace scroll up y down.
• Para obtener una temperatura alejada, primero se expande y se hace scroll hasta llegar al rango adecuado, luego se marca una primera aproximación a la temperatura, y se ajusta la escala (expandir o contraer) , ajustando el puntero si es necesario, hasta que se alcanza la precisión adecuada.
Solución 2
Solución 2
• Mover la mano al mouse: H
• Apuntar al puntero adecuado: P
• Apretar el botón del mouse en el puntero: K
• Mover el puntero a la temperatura adecuada: P
• Liberar el botón del mouse: K
• Total: HPKPK
Esto es cuando ya estamos en el rango adecuado
Solución 2
Aplico regla 0: HMPMKMPMK
Aplico regla 1: HMPMKMPMK HMPKMPK
Las reglas 2 a 5 no se aplican aquí.
H + M + P + K + M + P + K
0.4 + 1.35 + 1.1 + 0.2 + 1.35 + 1.1 + 0.2 = 5.7 seg
Solución 2
Supongamos que agregamos Scroll (S).
S=3.0 seg
H PKSK PKSK PKSK PKPK
Aplico regla 0: H MPMKMSMK MPMKMSMK MPMKMSMK MPMKMPMK
Aplico regla 1: H MPMKMSMK MPMKMSMK MPMKMSMK MPMKMPMK H MPKMSMK MPKMSMK MPKMSMK MPKMPK
Aplico regla 2: H MPKMSMK MPKMSMK MPKMSMK MPKMPK
H MPKSK MPKSK MPKSK MPKPK
Las reglas 3 a 5 no se aplican aquí.H+3*(M+P+K+S+K)+M+P+K+P+K
0.4+3*(1.35+1.1+0.2+3.0+0.2)+1.35+1.1+0.2+1.1+0.2=21.9 seg
Otras solucion a la interfaz de Juan
Interfaz óptima de teclado:
GOMS da MKKKK = 2.15 seg.
Conversor de Temperatura
Escriba la temperatura a convertir. El resultado aparecerá a la derecha a medida que escribe.
C
F
Velocidad teórica de la interfaz de Juan
Interfaz de teclado:
operación mental + apretar 4 teclas
M+K+K+K+K= 2.15 seg
eficiencia de una interfaz
Eficiencia teórica de la información: es un número E entre 0 y 1.
Es el cociente entre la cantidad mínima de información para realizar una tarea y la cantidad de información que tiene que entregar el usuario.
Cuando no hay trabajo requerido para hacer una tarea y el trabajo no es hecho, entonces la eficiencia se asume que es 1. 0/0
E = 0 si el usuario tiene que dar información que es totalmente innecesaria.
midiendo la eficiencia de una interfaz
caja de diálogo con eficiencia teórica 0
Word ha finalizado la búsqueda del documento
0K
Midiendo la eficiencia de una interfaz
Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do
eiusmod tempor incididunt ut labore et dolore magna
aliqua. Ut enim ad minim veniam, quis nostrud exercitation
ullamco laboris nisi ut aliquip ex ea commodo consequat.
Duis aute irure dolor in reprehenderit in voluptate velit
esse cillum dolore eu fugiat nulla pariatur. Lorem ipsum
dolor sit amet, consectetur adipisicing elit, sed
caja de diálogo con eficiencia teórica 1
Word ha finalizado la búsqueda del documento
Midiendo la eficiencia de una interfaz
La eficiencia no tiene relación con el tiempo:
Puede haber dos métodos con la misma eficiencia que requieran distinto tiempo. O incluso, puede haber un primer método con E mayor que otro, y ser más rápido.
Ej: MKKK versus MKMK
La información se mide en bits. La elección entre dos alternativas requiere 1 bit de información. La elección entre 4 alternativas requiere 2 bits ... La elección entre n opciones equiprobables requiere log2n bits.
Midiendo la eficiencia de una interfaz
• La elección entre n opciones equiprobables implica log2n • La cantidad de información de cada elemento es (1/n)*log2n
• Si no son equiprobables, entonces la información asociada al i-ésimo elemento es: p(i)*log2(1/p(i)).
• El volumen de información es la suma de todas las alternativas de la expresión anterior:
SUM(i) [p(i)*log2(1/p(i))]
• Si la interfaz provee sólo un botón que hay que apretar
obligatoriamente, la información es 0 : 1*log2 (1)=0
• Si hay dos opciones con probabilidades p,(1-p)
p*log2(1/p) + (1-p)* log2(1/(1-p))
Midiendo la eficiencia de una interfaz
• Si en lugar de teclado se usa el ratón, los cálculos son similares.
• La elección entre n opciones equiprobables requiere
log2n • Si las opciones tienen área diferente, la información no
cambia, lo que cambia son los tiempos implicados.
• Si no son equiprobables, entonces la información asociada al i-ésimo elemento es: p(i)*log2(1/p(i)).
• De acuerdo con lo dicho anteriormente.• Un 25% de las temperaturas de ingreso son negativas.
• Los dígitos son equiprobables.
• Solo un 10% de las temperaturas tienen valores enteros (ignoramos esta propiedad por simplicidad).
• Se asume cuatro caracteres en la temperatura, incluyendo un punto decimal (y el signo).
• Entonces las posibilidades son:• -.dd : ocurre el 12.5% de las veces; hay 100 : P(i)=1/800• -d.d : ocurre el 12.5% de las veces; hay 100 : P(i)=1/800• .ddd : ocurre el 25% de las veces; hay 1.000* : P(i)=1/4000• d.dd : ocurre el 25% de las veces; hay 1.000 : P(i)= 1/4000 • dd.d : ocurre el 25% de las veces; hay 1.000 : P(i)= 1/4000
La eficiencia de la interfaz de Juan
La información total es:
SUM(i) [p(i)*log2(1/p(i))] =
200*(1/800 *log2(800 )) + 3000*(1/4000 *log2(4000 ))=
200*0.012 + 3000*0.00299=11.37 bits en cada mensaje.
Da diferente si los 12 símbolos (0,1,2,3,4,5,6,7,8,9,.,-) fuesen equiprobables =>
4 *log2(12)14 bits
La eficiencia de la interfaz de Juan
La eficiencia de la interfaz de Juan
La información total es:
11,37 bits en cada mensaje.
+1 bit (por si es F o C)======12,37 bits en cada mensaje
-----------------------------------------------------------14,33 bits en cada mensaje
+1 bit (por si es F o C)=======15,33 bits en cada mensaje
A esto hay que dividirlo por la cantidad de información que Juan transmite al sistema.
¿Cuánta información Juan transmite al sistema?
¿Cuanta información transmiten cada P y cada K?• Según Fitts cada P transmite log2(A/W + 1) (hay que ver
el tamaño del radio button para hallar el W y la distancia promedio a recorrer por el puntero para hallar el A).
• Cada K del teclado transmite máx. log2(cantidad total de
teclas)• Cada K del ratón transmite 0 bits
La suma de todos los bits es el total de información transmitida.
Cantidad de bits por tecla apretada
• Si las teclas son equiprobables
log2(cantidad total de teclas) 7 bits
• Pero en realidad no lo son, entonces un cálculo probabilístico da aprox. unos 5 bits.
• Si utilizamos teclado especial (dígitos + signo + coma + escala) entonces cada tecla significa 3.7 bits
Al final, ¿cuál es la eficiencia de la interfaz?
Si apretamos 6 teclas (4 para la temperatura + 1 para seleccionar la escala + 1 para indicar fin de número)
12,37bits/(6*5bits) = 41% (teclado normal)12,37bits/(6*3.7bits) = 56% (teclado especial)
Eficiencia según la cantidad de teclas apretadas
• Como mínimo teórico debo apretar 4 teclas (para una temperatura de 4 dígitos)
• Si además aprieto 1 tecla para elegir escala + 1 tecla para indicar fin de número, entonces son 6 teclas apretadas: 4/6 = 67% de eficiencia.