Основные компоненты предложенного архитектурного решения были программно реализованы средствами Microsoft .NET Framework 3.5 под MS Windows и протестированы на кластере Московского энергетического института с использованием БД из хранилища UCI Machine Learning Repository [4].
Литература
1. Варшавский П.Р., Еремеев А.П. Моделирование рассуждений на основе прецедентов в интеллектуальных системах
поддержки принятия решений // Искусственный интеллект и принятие решений. 2009. № 2. С. 45-47.
2. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. М.: Эдиториал УРСС, 2002.
3. FIPA: The Foundation for Intelligent Physical Agents. Abstract Architecture Specification, 2004. URL: www.fipa.org (дата обращения: 10.10.2010).
4. Бредихин К.Н., Варшавский П.Р. Распределенный вывод на основе прецедентов в интеллектуальных системах поддержки принятия решений // Теория и практика системного анализа: тр. I Всерос. науч. конф. молодых ученых. Рыбинск: РГАТА им. П.А. Соловьева, 2010. Т. 1. С. 57-62.
УДК 004.5-05:519.2
МОДЕЛИ ПРОИЗВОДИТЕЛЬНОСТИ РАЗЛИЧНЫХ ГРУПП ПОЛЬЗОВАТЕЛЕЙ В ЧЕЛОВЕКО-КОМПЬЮТЕРНОМ ВЗАИМОДЕЙСТВИИ
(Работа выполнена при финансовой поддержке Федерального агентства по науке и инновациям, государственный контракт № 02.710.11.0354)
Т.В. Авдеенко, д.т.н.; М.А. Бакаев
(Новосибирский государственный технический университет, [email protected], [email protected])
Для исследования такого базового аспекта взаимодействия человека и компьютера, как производительность при выполнении быстрых прицельных движений, авторами предложена модель, основанная на законе Фиттса, который был расширен путем учета персональных характеристик пользователей - факторов возраста и пола. Полученные результаты могут использоваться при проектировании компьютерных интерфейсов, доступных всем группам пользователей.
Ключевые слова: человеко-компьютерное взаимодействие, закон Фиттса, индекс производительности, проектирование интерфейсов.
По мере удешевления компьютерной техники и доступа к сети Интернет финансовый фактор все менее является аргументом против использования информационных технологий, по крайней мере, для жителей крупных и средних городов. На первый план выходит проблема сложности взаимодействия с компьютерами, обусловленная тем, что при проектировании многих современных интерфейсов недостаточно учитываются потребности и индивидуальные характеристики пользователей.
В статье рассматривается метод моделирования способности совершать быстрые прицельные движения при работе с подавляющим большинством современных интерфейсов различными группами пользователей. Метод основывается на такой широко используемой в сфере человеко-компью-терного взаимодействия (ЧКВ) закономерности, как закон Фиттса [1], который авторами данной работы был расширен с учетом факторов возраста, пола и опыта. Моделирование выявляет важность учета характеристик различных групп пользователей и предлагает разработчикам интерфейсов полезный математический инструментарий.
Метод моделирования
Закон Фиттса [1], лежащий в основе моделирования в сфере ЧКВ, является одной из наиболее
важных и широко признанных эмпирических данностей, описывающих поведение человека на психомоторном уровне. Общепринятая формулировка закона Фиттса следующая:
МТ=а+Ь*ГО=а+Ь 1о&(Л^+1), (1)
где МТ - время, затрачиваемое на выполнение быстрого прицельного движения; А - расстояние, на которое производится движение; W - допустимое отклонение или размер области, в пределах которой движение должно быть завершено; а и Ь -константы, определяемые по результатам эксперимента. Величина ГО=^2(А^+1) измеряется в битах и называется индексом сложности движения. Наряду с индексом сложности полезной характеристикой в различных исследованиях является индекс производительности 1Р=ГО/МТ (сложность, приходящаяся на единицу времени).
В настоящей работе исследуется влияние различий, присущих группам пользователей, на время выполнения ими заданий МТ, а также на производительность. При этом авторы пользуются уточненной формулировкой закона Фиттса, учитывающего не только сложность, но и точность выполнения движения. Методика уточненного исследования приведена в работе [2] и состоит в том, что фиксированные расстояние А и размер цели W в соотношении (1) заменяются так называемыми эффективным расстоянием Ае и эффективным
размером цели We. Эффективные характеристики получаются с учетом реально полученных в ходе эксперимента показателей. Эффективный размер цели вычисляется как We= V 2яест =4,133ст, где ст -среднеквадратическое отклонение для распределения точек завершения движений (предполагается нормальность соответствующего распределения), а эффективное расстояние движения Ae может быть вычислено, например, как среднее расстояние от точки начала движения до конечных точек, получаемых в результате эксперимента. С использованием данных характеристик может быть вычислен эффективный индекс сложности IDe=log2(Ae/We+1).
Введенный Фиттсом индекс производительности IP называют просто производительностью и обозначают TP (throughput). Производительность TP рассчитывается как усредненная производительность каждого из K участников, которая, в свою очередь, вычисляется как среднее значение отношения эффективного индекса сложности IDe к затраченному на движение времени MT для каждого из M возможных сочетаний значений независимых переменных A и W:
^ TDer). (2)
TP - Ж£<&
j MT.. j-1 ij
Рассчитанная с использованием эффективного индекса сложности производительность является объективной и полной характеристикой, учитывающей как скорость, так и точность выполнения движения для заданных условий эксперимента. Такой подход к сравнению характеристик различных интерфейсных устройств является общепринятым и зафиксирован в стандарте ISO 9241-9:2000(E), которым при проведении исследований закона Фиттса руководствуется все больше научных групп (были рассчитаны значения производительности для манипулятора мышь (3,7-4,9), шарового манипулятора трекбол (1,0-2,9), джойстика (1,6-2,6) [2]).
Производительность может быть критерием при сравнении не только интерфейсных устройств, но и прочих факторов. В настоящей работе закон Фиттса и показатель производительности применяются для исследования способности представителей различных групп пользователей, выделяемых исходя из возраста, пола и опыта, к совершению быстрых прицельных движений посредством манипулятора мышь.
Экспериментальное исследование.
Анализ данных
В исследовании принимали участие две группы пользователей. Первую группу составляли 15 пожилых людей (4 мужчины и 11 женщин в возрасте от 56 до 74 лет, среднее значение - 63,4, среднеквадратичное отклонение - 5,26). Вторую -
13 молодых людей (5 мужчин и 8 женщин в возрасте от 17 до 30 лет, среднее значение - 23,9, среднеквадратичное отклонение - 4,38).
Для участников эксперимента на мониторе отображались квадратные объекты, соответствующие начальной позиции движения и цели (размера W на расстоянии A). Значения A и W выбраны так, чтобы получить 7 различных значений индекса сложности от 1,58 до 7,01. Задание заключалось в том, чтобы кликнуть при помощи указателя компьютерной мыши на начальной позиции, а затем по возможности быстро и точно переместить указатель к цели и кликнуть на ней; при этом фиксировались затраченное на движение время MT и точные координаты обоих кликов (при непопадании в цель фиксировалась ошибка). Если текущий уровень ошибок E превосходил 10 %, участнику выдавалось сообщение с рекомендацией повысить точность выполнения задания.
Поскольку для каждого из 7 значений ГО предусматривалось 15 исходов, количество исходов для каждого участника составило 105, а общее количество полученных наборов данных - 2940. При предварительном анализе достоверности данных были отброшены 52 исхода (1,77 %), в ходе которых участник совершил явно ошибочный клик далеко от цели или же время выполнения задания превысило 3000 мс, то есть движение не может считаться быстрым, как того требовали задание и закон Фиттса. Среди достоверных результатов уровень ошибок, то есть промахов, составил 6 %, что приближается к предполагаемому номинальному уровню точности 96 %. Среднее время движения составило 922 мс, среднеквадратичное отклонение - 503. Средние значения времени MT и уровни ошибок E для различных значений ГО представлены в таблице.
ID 1,6 2,3 3,2 4,1 5,0 6,0 7,0
MT, мс 468 617 777 890 1039 1247 1425
E, % 3,4 5,6 4,6 4,8 5,9 6,8 11,0
Метод многофакторного дисперсионного анализа применялся для проверки влияния группы и пола участника на время движения MT, уровень ошибок E и производительность !Т.
В результате анализа было обнаружено весьма существенное влияние группы участника (молодые и пожилые) на время совершения движения MT №,2884=890,9; p<0,001), при этом среднее значение времени составило 1156 мс для пожилых участников и 642 мс для молодых. Влияние группы участника на E также оказалось значимым №,м84=11,7; p=0,001), при этом средний уровень ошибок составил 3,7 % для пожилых людей и 7,0 % для молодых. Существенное влияние как на MT №,2884=8,1; p=0,005), так и на E №,2884=17,3; p<0,001) оказал и фактор пола. Мужчины в среднем справлялись с заданием несколько быстрее (874 мс) женщин (923 мс). Средний уровень оши-
бок составил соответственно 3,4 % и 7,3 %. Значимого эффекта взаимодействия между независимыми переменными отмечено не было.
Дополнительно дисперсионный анализ был применен только к данным, полученным для пожилых участников. Обнаружено значимое влияние опыта (Т1Д523=121,4; p<0,001) и пола ^1Д523=9,3; p=0,002) на время движения MT. Среднее время составило 1016 мс для опытных пожилых людей и 1370 мс для неопытных. Среди пожилых участников мужчины затратили на выполнение задания в среднем 1242 мс, в то время как женщины -1144 мс. Эффект взаимодействия между опытом и полом также оказался значимым с точки зрения MT ^1Д523=6,8; p=0,01). Уровень ошибок существенно зависел от пола ^1Д523=16,2; p<0,001): мужчины в среднем допустили 1 % ошибок, женщины - 6,5 %. Влияние фактора опыта у пожилых людей на Е также оказалось значимым на уровне р=0,06 №,1523=3,7), и малоопытные участники допустили меньше ошибок - 2,4 %, чем более опытные -5,0 %. Для пожилых участников было также отмечено значимое взаимодействие между опытом и полом с точки зрения МТ ^1Д523=6,8; р=,01).
Полученные результаты говорят о том, что пожилые люди выполняли задание в среднем почти в два раза медленнее своих молодых коллег (что было ожидаемо), но при этом допустили почти в два раза меньше ошибок; причем пожилые люди с низким уровнем опыта были в два раза точнее своих более опытных сверстников. Также можно отметить, что если в целом в эксперименте мужчины справлялись с заданием быстрее женщин, то среди пожилых людей ситуация была обратной.
При исследовании методом дисперсионного анализа влияния группы участника, пола и опыта на итоговую производительность ТР, вычисляемую по формуле (2), было отмечено значимое влияние группы участника ^122=98,1; р<0,001) и уровня опыта ^,^=10,9; р=0,003), в то время как для пола значимости обнаружено не было ^,^=0; р=0,998). Среднее значение ТР для пожилых людей составило 3,29 по сравнению с 6,06 для молодых. Опытные участники показали производительность, равную 4,93, в то время как малоопытные - 2,77. Среднее значение производительности ТР для всех участников эксперимента составило 4,58 (среднеквадратичное отклонение - 1,46).
Влияние изменяемых факторов А и W на зависимые переменные МТ и Е было проанализировано методом дисперсионного анализа для обеих групп участников. Как и ожидалось, расстояние до цели А существенно влияло на время МТ и для пожилых, и для молодых людей. В то же время не было отмечено значимого влияния А на уровень ошибок Е ни для пожилых ^6Д502=0,9; р=0,5), ни для молодых участников ^6Д336=1,2; р=0,29). Размер цели W, помимо существенного влияния на
МТ для обеих групп участников, также оказался значимым с точки зрения Е как для пожилых ^4Д502=5,5; р<0,001), так и для молодых людей ^4,133б=2,7; р=0,03). Значимого эффекта взаимодействия между А и W отмечено не было ни для одной из групп участников. Полученные результаты свидетельствуют, что и А, и W, как и ожидалось согласно закону Фиттса, влияют на МТ, однако уровень ошибок Е зависит только от W, причем это справедливо как для молодых, так и для пожилых участников.
Построение регрессионных моделей
На основе полученных экспериментальных данных и с учетом их предварительного анализа были построены модели регрессии согласно закону Фиттса (1). При этом использовалась методика учета точности с помощью вычисления эффективного индекса сложности. Сначала вычислялись эффективные значения для расстояния Ае и размера We, затем на их основе - эффективные значения индекса сложности ГОе, которые использовались вместо номинальных ГО. В результате МНК-оценивания параметров были получены следующие уравнения регрессии отдельно для пожилых (МТпож) и молодых (МТмол) участников:
МТпоЖ=359+211*ГОе, (3)
МТМоЛ=132+134*ГОе. (4)
Все коэффициенты в моделях (3) и (4) имели высокую степень значимости (р<0,001), но коэффициенты детерминации оказались относительно невысокими: Я2=0,537 для (3) и Я2=0,639 для (4). При построении расширенной регрессионной модели для описания МТ на основе объединенных данных было решено учитывать дополнительные факторы - возраст участника Т, поскольку предварительный анализ данных позволял предположить его высокую значимость, а также пол участника О (равен 0 для мужчин и 1 для женщин). Фактор пола оказался незначимым в регрессии (р=0,259) несмотря на то, что дисперсионный анализ показал его значимость, и был исключен из модели. В результате получено регрессионное уравнение: МТ=162+154*ГОе+9*Т. (5)
Все параметры в модели (5) показали высокую значимость (р<0,001), а коэффициент детерминации составил Я2=0,694. Однако при анализе предположений регрессии были выявлены непостоянство дисперсии остатков, их автокорреляция по критерию Дарбина-Уотсона и плохое приближение к нормальному распределению. Поэтому было решено выполнить степенное преобразование зависимой переменной МТа Значение а выбиралось исходя из минимизации критерия Колмогорова-Смирнова для МТа относительно нормального распределения и составило а=0,2. Расширенная модель была построена для объединенных экспериментальных данных, однако из выборки исклю-
чались участники эксперимента с низким уровнем опыта (чтобы элиминировать влияние этого фактора). В результате получена следующая модель: MT0,2=2,8+0,166*IDe+0,009*T. (6)
При этом значение коэффициента детерминации в регрессии R2=0,764, а анализ остатков показал отсутствие постоянства дисперсии и автокорреляции.
Наконец, была предложена регрессионная модель для вычисления производительности TP, учитывающая факторы возраста ^ пола G и наличия низкого опыта LE (0 - для нормального уровня опыта участника, 1 - для низкого). Фактор пола оказался незначимым ф=0,481), что подтверждается результатами дисперсионного анализа, и на предварительном этапе был исключен из модели. Значимость двух других факторов оказалась высокой ф<0,001). В результате оценивания параметров по всей выборке получена модель
TP=7,27-0,998*LE-0,053*T. (7)
Данная модель показала достаточно высокий коэффициент детерминации, R2=0,924, следовательно, она может использоваться для прогнозирования производительности, достигаемой при совершении движений компьютерной мышью, с учетом возраста и опыта пользователя.
Результаты исследования взаимодействия различных групп пользователей с компьютерами позволяют предположить применимость предлагаемого метода для решения данной задачи. При выполнении заданий по движению с использованием мыши различия в возрастной группе были значимы с точки зрения как времени движения, так и уровня ошибок. В среднем пожилые участники затратили почти в два раза больше времени на выполнение заданий, но показали при этом почти в два раза более высокую точность, чем их молодые коллеги. Подобные выводы о более низкой скоро-
сти выполнения движений пожилыми людьми подтверждаются, например, в [3]. Влияние фактора пола в эксперименте может быть признано существенно менее выраженным.
Для времени движения как для пожилых, так и для молодых людей были предложены расширенная регрессионная модель (5) и ее усовершенствованный вариант (6) с использованием степенного преобразования зависимой переменной. Модель свидетельствует о негативном влиянии возраста на скорость выполнения быстрых прицельных движений. Средняя производительность движения TP, равная в данном эксперименте 4,58, согласуется с диапазоном 3,7-4,9, обычно отмечаемым в исследованиях по методологии ISO 9241-9. Однако для пожилых участников производительность составила лишь 3,29. Для выявления производительности была предложена регрессионная модель (7), в ней наблюдается негативное влияние возраста и низкого уровня опыта. Значимое влияние возраста на производительность также было отмечено, например в [3].
Проектировщикам интерфейсов при построении динамических интерфейсов, выборе пороговых значений времени реакции системы и прочего необходимо учитывать исследуемые факторы с целью увеличения производительности при ЧКВ.
Литература
1. Fitts P.M. The information capacity of the human motor system in controlling the amplitude of movement // Journal of Experimental Psychology. 1954, Vol. 47(6), pp. 381-391.
2. Soukoreff R.W. & MacKenzie I.S. Towards a standard for pointing device evaluation, perspectives on 27 years of Fitts' law research // International Journal of Human-Computer Studies. 2004, Vol. 61, pp. 751-789.
3. Bohan M. & Chaparro A. Age-Related Differences in Performance Using a Mouse and Trackball // In Proc. Human Factors and Ergonomics Society 42nd Annual Meeting. 1998, pp. 152-155.
УДК 681.3
ФАКТОРНЫЙ АНАЛИЗ В ЗАДАЧАХ МОДЕЛИРОВАНИЯ МНОГОМЕРНЫХ СИСТЕМ
Ф.Ф. Пащенко, д.т.н.; И.С. Дургарян, к.т.н.; И.В. Голяк
(Институт проблем управления им.. В.А. Трапезникова РАН, г. Москва, [email protected], [email protected], [email protected])
Рассматриваются вопросы идентификации многомерных стохастических систем и прогнозирования выходных сигналов. Для снижения размерности задачи предлагается использовать методы факторного анализа и фильтр Кал-мана. Построены алгоритмы идентификации и получены уравнения для параметров объектов.
Ключевые слова: многомерный объект, динамический объект, идентификация, прогноз, факторы, факторный анализ, модель, корреляция.
В процессе создания АСУ нередко некоторые параметры, характеризующие объект и входные процессы, недоступны для наблюдения или не мо-
гут быть автоматически измерены из-за отсутствия требуемых датчиков. В таких случаях приходится измерять не искомую величину, а ее кос-