УДК 004.055
ОЦЕНКА ИНФОРМАЦИОННОЙ ЗАГРУЖЕННОСТИ
ИНТЕРФЕЙСОВ ИНФОРМАЦИОННЫХ СИСТЕМ
МЧС РОССИИ С ПОМОЩЬЮ КОМПЬЮТЕРНОГО ЗРЕНИЯ
С.Н. Терёхин, доктор технических наук, профессор; А.В. Вострых.
Санкт-Петербургский университет ГПС МЧС России
Представлена авторская методика оценки информационной загруженности интерфейсов специализированных информационных систем, используемых сотрудниками МЧС России в своей оперативной деятельности. Предлагаемая методика разработана на основе современных подходов компьютерного зрения и эргономических констант, полученных опытным путём различными специалистами из области инженерной психологии.
Ключевые слова: информационные системы, графический пользовательский интерфейс, анализаторная система, компьютерное зрение, информационная загруженность
IMPROVEMENT OF INFORMATION SYSTEMS USED
BY THE SUPERVISORY AUTHORITIES OF THE EMERCOM OF RUSSIA
S.N. Terekhin; A.V. Vostrykh.
Saint-Petersburg university of State fire service of EMERCOM of Russia
The article presents the author's methodology for assessing an information load of the interfaces of specialized information systems used by employees of the Ministry of Emergency situations of Russia in their operational activities. The proposed method is developed based on modern approaches of computer vision and ergonomic constants obtained experimentally by various specialists in the field of engineering psychology.
Keywords: information system, graphical user interface, analyzer system, computer vision, information overload
Современность характеризуется стремительно развивающимися информационными технологиями, количество новинок которых с каждым днём непрерывно растёт, стремясь покрыть все возможные потребности пользователей [1-4]. Постоянно растущий функционал и возможности информационных систем подчас приводят к обратному эффекту - неуклонно растёт перегруженность графических пользовательских интерфейсов (ГПИ). Как показывает практика использования информационных систем, особенно спроектированных для нужд специалистов МЧС России, качество их эффективности далеко от требуемой [5].
Причины столь негативных последствий в большинстве случаев кроются в низком качестве ГПИ, что впоследствии приводит к появлению сильного когнитивного диссонанса сотрудников МЧС России, возникающего при работе с различными информационными системами специализированного профиля [3-5].
ГПИ являются посредниками между внутренними алгоритмами программных продуктов и ментальными моделями пользователей [6]. От их качества зависят такие параметры, как скорость преодоления понятийного барьера механизмов взаимодействия с программами, скорость работы сотрудников в программной среде, количество ошибок,
76
субъективная удовлетворённость от использования программ и степень сохранения навыков оперирования [2]. Данные параметры оказывают непосредственное влияние на качество работы сотрудников и итоговые результаты, которые не могут быть отрицательными в силу их прямой зависимости от возможного увеличения материального ущерба и появления недопустимых человеческих жертв.
Существующие сегодня программные продукты как специализированного профиля, так и общецелевого (офисного) назначения имеют ряд серьёзных недостатков, основным из которых является неоправданная информационная загруженность ГПИ [5, 7, 8]. Разработка методики оценки информационной загруженности интерфейсов информационных систем МЧС России позволит найти уязвимые места в программных продуктах и составить рекомендации для производителей с целью повышения качества новых версий программ. Предлагаемая методика разработана на основе современных подходов компьютерного зрения и эргономических констант, полученных опытным путём, различными специалистами из области инженерной психологии [2, 9].
С целью более детального анализа проблематики и построения методики оценки рассмотрим деятельность сотрудников МЧС России (операторов) при взаимодействии с информационными системами.
Процесс взаимодействия оператора с информационными системами в подавляющем большинстве основан на стадиальном получении данных об объекте управления с созданием перцептивного образа по его завершению. В данном процессе выделяют следующие составляющие (стадии) [9]:
- выявление (оператор выделяет элемент из общего фона, без когнитивных выводов о его свойствах и характеристиках);
- дифференциация (происходит разделение и выделение элементов, их детализация);
- идентификация (отожествление анализируемого элемента с неким подсознательным эталоном, хранящимся в памяти оператора);
- опознание (выделение и классификация свойств анализируемого элемента).
Выделим и определим некоторые основные свойства форм психической перцепции,
обозначив между ними связи.
«Ощущения» - возникают при воздействии элементов анализируемого объекта на анализаторы оператора. Их аккумуляция выражается в форме - «восприятие», которое формирует образ предмета в целом, обладая свойством постоянности при изменении внешних факторов, воздействующих на оператора. «Восприятие» обладает автоматическим, итерационным и бессознательным характером, являясь результатом конструирующей функции психики. На особенности «восприятия» влияет опыт оператора и специфика рабочей обстановки [9].
Неотъемлемой составляющей эффективной работы оператора является исключение трансформации «восприятия» [10].
«Представление» - вторичный, более сложный чувственный образ, возникающий в результате синтеза «ощущений» и «восприятия», действующих на органы чувств в прошлом. «Представление» служит основой для перехода к мышлению и когнитивным действиям оператора, аккумулируя в себе весь прошлый опыт и выстраивая определённую схему действий [11].
Представление объектов ГПИ в ясной и понятной форме оператору, без неоправданной информационной перегруженности является залогом успешной продуктивной работы и низкому уровню внутреннего когнитивного диссонанса [12].
С целью поиска и выявления уязвимых мест ГПИ разработана методика оценки интерфейсов на основе расчёта времени, затраченного оператором на поиск информационно-функциональных объектов (ИФО).
Понятие поиска ИФО рассматривается с позиции процесса нахождения оператором на экранной форме объектов с заданными признаками, такими как: особая форма, цвет,
77
функциональность. С помощью формулы можно вычислить общее время информационного поиска [2]:
Ti s=IF= 1 (tgv + tfl ), (1)
где tgv - время, необходимое оператору для перемещения /-го взгляда от одного анализируемого элемента к другому; tß - время i фиксации взгляда оператора; n - количество поисковых переходов.
Время перемещения взгляда оператора зависит от свойств анализируемой области, сложности искомых объектов, специфики ГПИ и способа деятельности оператора [2].
При монотонности анализируемой области ГПИ и однозначности цели величина tß j может быть принята из экспериментальных констант [2-4]:
- идентификация элемента ГПИ - 0,37 с;
- считывание символа - 0,31 с;
- идентификация геометрических форм простой структуры - 0,2 с;
- фиксация индикатора - 0,280 с.
В свою очередь, t дv при таких условиях эквивалентна 1, тогда формула (1) примет следующий вид:
Tis =п* tfj , (2)
где п - математическое ожидание количества зрительных фиксаций, необходимых для нахождения необходимого элемента ГПИ:
а = —— , (3)
и+1 ' v '
где N - сумма всех элементов ГПИ; U - сумма элементов, обладающих искомым признаком; а - размер зрительного образа.
Подставив значение п из формулы (3) в формулу (2), получим:
0+1
. (4)
Показатель а имеет некоторые ограничения психофизиологической особенности человеческой природы:
- объем оперативной памяти оператора 3-4 элемента [2-4, 9];
- охват полезного восприятия информации взглядом оператора, который составляет примерно 400 рх по горизонтали и 240 рх по вертикали при расстоянии пользователя от монитора 650 мм [2, 9, 13-15].
Приведённые выше параметры и формулы использовались для создания методики оценки ГПИ в аспекте информационной загруженности интерфейсов информационных систем МЧС России. В основе данного метода лежит алгоритм информационного поиска, который состоит из следующих шагов:
Шаг 1. Сегментация экранной формы ГПИ на прямоугольные области размером, не превышающим «зону ясного видения».
Шаг 2. Выявление и вычисление общего количества объектов N в каждой области. Если объект находится в нескольких областях, то он принадлежит той области, в пределах которой располагается его большая площадь (при общем анализе всех элементов интерфейса).
Шаг 3. Вычисление количества объектов, обладающих заданным для поиска признаком U, отдельно в каждой области.
78
Шаг 4. Выбор величины tf j из справочных материалов [2] в зависимости от свойств искомого элемента.
Шаг 5. Выбор параметра объема зрительного восприятия а. Минимальным является величина а=3, так как экспериментально данное количество элементов может запомнить в оперативной памяти любой оператор [3, 4].
Шаг 6. Расчёт сложности информационной загруженности для каждой области согласно формуле (4) и свойствам искомого элемента. Полученные результаты позволяют сравнить области ГПИ между собой и находить время, затраченное оператором на поиск анализируемого объекта ГПИ.
Шаг 7. Вычисление времени информационного поиска искомого объекта в одной из сформированных областей. Согласно исследованиям [16], взгляд оператора во время сканирования экранной формы ГПИ движется согласно F-образному пути:
a) первоначально оператор считывает информацию по периметру верхней горизонтальной области ГПИ слева направо;
b) после возвращается в левый верхний угол;
c) опускается вниз по левому краю на следующий горизонтальный уровень;
d) повторяется пункт а, но уже по новой области (протяженность просмотра зависит от информационной заинтересованности пользователя);
e) происходит возврат к левому краю экрана;
f) далее анализ продолжается вниз уже практически вертикально.
Шаг 8. Так как искомый объект может находиться практически в любой области (за исключением рабочей области, которая игнорируется при вычислениях), итоговая сложность информационной загруженности определяется суммой информационного поиска каждой пройденной области по F-образному пути:
T szа) = (tri * ^ 1 ) + (£Г1*Ъ i) + • • '+ (ü^I * ^ j) . (5)
Разработанная методика планируется стать основой для создания программного продукта, автоматически вычисляющего сложность информационной загруженности интерфейсов информационных систем МЧС России.
Результат работы алгоритма будет представляться как в графическом виде (характеристической карты), так и числовыми значениями времени поиска искомых элементов. Каждой проанализированной области присваивается один из трёх цветов (допустимая зона (зелёный - дrе еп), зона средней информационной загруженности (синий - Ъ 1и е), информационно перегруженная зона (оранжевый - or апд е ) в соответствии с ограничениями объема зрительного восприятия человека:
' if U < 4 St £ background-, green { if 4<i/<6-^5jG Ъ а с к д r o ип d : Ъ I и е . if 6 < U St £ background: orange
Разработанный алгоритм в программном продукте может быть реализован с помощью возможностей компьютерного зрения.
Планируется использовать язык программирования python и библиотеку распознавания объектов OpenCV [17]. Параметрическая карта с результатом работы алгоритма по анализу программы «СИТИС: Спринт» представлена на рисунке.
Данный алгоритм позволяет в автоматическом режиме сканировать экранную форму ГПИ и выделять элементы различной формы. Исключив из анализа рабочую область ГПИ, путём введения в программном коде ограничений площади искомых элементов, программа
79
проведёт вычисления общего количества элементов ГПИ, количества элементов в каждой области, время обхода всех элементов.
Рис. Параметрическая карта результата работы алгоритма по анализу интерфейса
программы «СИТИС: Спринт»
Сегодня в открытом доступе программ схожего функционала и аналогов не существует. Оценка информационных систем проводится исключительно неформализованными методами, что вызывает недоверие и субъективность итоговой оценки. Внедрение разработанной методики и реализация её в программном коде в виде программного приложения позволит проводить оценку информационных систем МЧС России, выявляя их уязвимости.
Результаты работы алгоритма позволят сравнивать между собой информационные системы схожего функционала и выбирать наиболее удачные реализации для выполнения оперативных задач сотрудниками МЧС России.
Литература
1. Головач В. Дизайн пользовательского интерфейса. Usethics, 2005-2008. 97 с.
2. Алефиренко В.М., Шамгин Ю.В. Инженерная психология. Практикум. Минск, 2005. 37 с.
3. Weinschenk S. 100 things every designer needs to know about people. New Riders, 2011.
272 с.
4. Weinschenk S. 100 more things every designer needs to know about people. New Riders, 2016. 278 с.
80
5. Вострых А.В. Сравнительный анализ методов оценки человеко-машинных интерфейсов // АПИНО-2019: сб. науч. статей VIII Междунар. науч.-техн. конф. 2019. С.179-184.
6. Cope A.J., Richmond P. A graphical user interface for the creation of layered neural models // Neuroinformatics. 2017. pp. 25-40.
7. Терёхин С.Н., Вострых А.В., Семёнов А.В. Оценка ГПИ посредствам алгоритма поиска последовательных шаблонов // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2020. № 2. С. 95-103.
8. Николаев Д.В., Вострых А.В., Проценко Т.В. Оценка специализированных программ расчёта безопасности ПОО // Проблемы управления рисками в техносфере. 2020. № 2 (54). С. 11-17.
9. Сергеев С.Ф. Введение в инженерную психологию и эргономику иммерсивных сред: учеб. пособие. СПб.: Изд-во СПбГУ ИТМО, 2011. 258 с.
10. Ломов Б.Ф. Человек и техника. М.: Советское радио, 1966. С. 107-167.
11. Волков В.В., Луизов А.В., Овчинников Б.В. Эргономика зрительной деятельности человека // Машиностроение. 1989. С. 5-53.
12. Ломов Б.Ф. Справочник по инженерной психологии // Машиностроение. 1982. С. 50-83.
13. Джеф Р. Интерфейс: новые направления в проектировании компьютерных систем. СПб.; М.: Символ-Плюс, 2007. С. 257.
14. ГОСТ Р 50923-96. Дисплеи. Рабочее место оператора. Общие эргономические требования и требования к производственной среде. Методы измерения. М.: Стандартинформ, 2008. 18 с.
15. ГОСТ Р 50948-2001. Средства отображения информации индивидуального пользования. Общие эргономические требования и требования безопасности. М.: Стандартинформ, 2008. 16 с.
16. Нильсен Я. Веб-дизайн. СПб.: Символ-Плюс, 2010. 497 с.
17. Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // IEEE Conf. on Computer Vision and Pattern Recognition. Kauai, Hawaii, USA. 2015. Vol. 1. pp. 511-518.
References
1. Golovach V. Dizajn pol'zovatel'skogo interfejsa. Usethics, 2005-2008. 97 s.
2. Alefirenko V.M., Shamgin Yu.V. Inzhenernaya psihologiya. Praktikum. Minsk, 2005.
37 s.
3. Weinschenk S. 100 things every designer needs to know about people. New Riders, 2011.
272 s.
4. Weinschenk S. 100 more things every designer needs to know about people. New Riders, 2016. 278 s.
5. Vostryh A.V. Sravnitel'nyj analiz metodov ocenki cheloveko-mashinnyh interfejsov // APINO-2019: sb. nauch. statej VIII Mezhdunar. nauch.-tekhn. konf. 2019. S. 179-184.
6. Cope A.J., Richmond P. A graphical user interface for the creation of layered neural models // Neuroinformatics. 2017. pp. 25-40.
7. Teryohin S.N., Vostryh A.V., Semyonov A.V. Ocenka GPI posredstvam algoritma poiska posledovatel'nyh shablonov // Nauch.-analit. zhurn. «Vestnik S.-Peterb. un-ta GPS MCHS Rossii». 2020. № 2. S. 95-103.
8. Nikolaev D.V., Vostryh A.V., Procenko T.V. Ocenka specializirovannyh programm raschyota bezopasnosti POO // Problemy upravleniya riskami v tekhnosfere. 2020. № 2 (54). S. 11-17.
9. Sergeev S.F. Vvedenie v inzhenernuyu psihologiyu i ergonomiku immersivnyh sred: ucheb. posobie. SPb.: Izd-vo SPbGU ITMO, 2011. 258 s.
_10. Lomov B.F. CHelovek i tekhnika. M.: Sovetskoe radio, 1966. S. 107-167._
81
11. Volkov V.V., Luizov A.V., Ovchinnikov B.V. Ergonomika zritel'noj deyatel'nosti cheloveka // Mashinostroenie. 1989. S. 5-53.
12. Lomov B.F. Spravochnik po inzhenernoj psihologii // Mashinostroenie. 1982. S. 50-83.
13. Dzhef R. Interfejs: novye napravleniya v proektirovanii komp'yuternyh sistem. SPb.; M.: Simvol-Plyus, 2007. S. 257.
14. GOST R 50923-96. Displei. Rabochee mesto operatora. Obshchie ergonomicheskie trebovaniya i trebovaniya k proizvodstvennoj srede. Metody izmereniya. M.: Standartinform, 2008. 18 s.
15. GOST R 50948-2001. Sredstva otobrazheniya informacii individual'nogo pol'zovaniya. Obshchie ergonomicheskie trebovaniya i trebovaniya bezopasnosti. M.: Standartinform, 2008. 16 s.
16. Nil'sen Ya. Veb-dizajn. SPb.: Simvol-Plyus, 2010. 497 s.
17. Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // IEEE Conf. on Computer Vision and Pattern Recognition. Kauai, Hawaii, USA. 2015. Vol. 1. pp. 511-518.
82