虚拟用户建模的研究试图解决的关键问题等人机交互(HCI)通过大量的可用性和效用分析,usability-oriented方法认知模型,以便为用户提供经验拟合他们的特定需求。然而,有更具体的模块需求体现在认知架构,将检测异常在新的合成任务环境认知能力下降。同时,图形用户界面(gui)的易访问性评估需要相当大的努力为老年人提高ICT产品可访问性。本研究的主要目的是开发和测试虚拟用户模型(诅咒)模拟轻度认知障碍(MCI)通过小说具体模块,体现在认知模型和定义为认知参数的估计。的MCI检测测试评估用户的认知,阐述他们执行进行多任务处理的能力,和监控信息娱乐相关任务的性能提供更准确的模拟结果对现有概念框架和增强的预测效度在接口的设计支持通过增加任务的复杂性来捕获一个更详细的配置文件的用户的能力和局限性。最终结果是一个更健壮的认知预测模型,准确地安装在人体数据用于更可靠的接口”评价的基础上,通过模拟MCI用户的虚拟模型。
随着人们年龄的增长,他们的经验改变工作记忆等认知能力,关注过程和空间认知,尤其是当面临新技术(
到目前为止,研究开发了认知架构和理论为了获取认知的基本表征。这个活动已经逐渐从关注的功能架构的能力模型人类行为的种种细节,,最近,大脑活动(
飙升架构创建演示一般人类智慧和更关注于高级功能比低级认知忠诚,使它不太适合预测人的错误和局限性
认知模块提出了基于ACT-R实现模型的修改以达到更准确预测MCI老年人记忆的变化反映在娱乐性能任务。一个有效的方法可以干预内部ACT-R认知体系结构的一部分通过引入双重子模块(一个陈述性记忆和一个程序),会影响记忆以及总体认知功能。进一步的挑战是确定错误率和MCI虚拟用户所需的额外时间模型(诅咒)和时间和成功率进行比较的结果与那些由真正的MCI生成用户而与接口交互。
提出了各种用户模型表示从本体论的基础架构
Biswas et al。
相对较少的研究已记忆丧失和更严格的方法模拟的预测参数,关心的特定人群,如轻度认知障碍是必要的。虚拟用户模型通常被证明能够提供足够的知识产品设计师为了区分正常和病理的起源与年龄相关的认知变化,为界面原型提供增强的可访问性。
最初,我们的主要挑战是提高计算机生成模型和后来的认知现实主义提供第二代的诅咒一个新颖的子模块的基础上,将反映代表和微妙的认知变化老年人和患有记忆衰退的早发性轻度认知障碍。MCI是正常老化和痴呆之间的过渡阶段。更具体地说,遗忘轻度认知障碍(aMCI)的特点是内存投诉,所以诅咒的模拟内存必须受到影响。此外,口头表达能力是影响在MCI通讯任务,因此一些额外的延迟会诅咒的结果更接近实际的用户(
为了描述一组用户与特定的障碍我们实例化一个通用的诅咒(GVUM),代表特定群体的老年人和MCI人口。通用的用户模型的一般概念已定义的真理项目诅咒(
我们的模拟器,基于著名的文献发现
为了克服屏幕尺寸的限制,目标的大小<我nline-formula>
这项研究调查了细微变化的认知如何影响GUI交互为老年人和MCI组。认知功能数据关联与记忆能力被认为是至关重要的是编码到诅咒那将是评估通过模拟在gui。图
修改后的认知模型的诅咒(扩展ACT-R模型)。
诅咒的修改与内存相关的功能(主要是陈述性记忆和当前目标)模拟插入额外的时间延迟在老年人诅咒的性能。因此,根据当前的方法,时间来完成一个给定的场景的诅咒被定义为MCI认知受损
人体运动模型称为Fitt定律反应系统的安装在汽车行业,
希克斯定律描述了所需的时间的诅咒做出选择在许多交互控制给定接口基于当前目标(
新的附加延时插入造成的内存模块MCI和比例根据假定的蒙特利尔认知评估测试(MoCa) [
ACT-R本身其他延误问题,假设的诅咒的年龄,或身体障碍的存在。
计算机和信息技术的使用可以提高老年人的生活质量。然而,成功使用技术由老年人有限与年龄相关的认知和知觉的变化。设计师必须作为一个索引不是一般年龄,但是具体的认知,感知,行为改变来确定痴呆的早期指标和相应的定制设计的整个过程
在这个研究中,我们进行了一个多面的研究,关注健壮的轻度认知障碍的认知预测模型范围内的图形用户界面的可访问性和评估。主要目的是介绍小说虚拟用户模型与增强的预测效度的心理过程,利用准确的仿真结果在界面设计。
Cognitive-based评价接口的可访问性和评价提出了界面设计支持向更具包容性的图形用户界面。然而,用户界面评价也意味着到达的优化提出了新颖的认知模型。我们最初的方法是研究一些设计变量之间的关系和心理过程执行成功所需一些表示场景,然后利用用户界面优化的有效性MCI发誓。提出研究的主要视觉是通过以下的合成目标靠近。
模型老年轻度认知障碍的深入分析他们的知觉和认知能力。
通过GUI的易访问性评估评估认知能力下降。
利用用户界面优化MCI诅咒的有效性。
与不断增加的老年人口总数的比例患有轻度认知功能障碍的症状,GUI设计师需要提供ICT产品之前已测试的可访问特性。根据我们的方法,模拟测试可以在一定程度上使这一切成为可能使用诅咒而不是真正的用户。训练MCI认知发誓,稳定cognitive-impaired发誓参数和控制自己的模拟性能,我们首先需要评估真实用户的MCI症状,然后检查这些用户的性能(完成任务所需要的额外的时间和更高的错误率)。为了达到这个目标,最初真实用户已经招募了执行的筛查的认知评估。
在各种MCI筛查已经应用在日托组织中,短版BNT筛选试验(BNT 30日)被选为最完善的MCI的测试。BNT MoCa测试,补充,也由于其选择语言流畅,一部分测试用户的语言能力,加强他们的配置文件。上述的基于计算机的版本测试实施和检查其有效性与纸笔版本的测试。
测试有5个离散步骤:(a)介绍测试的范围的试点测试主管(5分钟),(b)初始化的硬件和软件(3分钟),(c)创建新的用户配置文件(1分),(d)执行一个演示的例子为每个测试(30秒),和(e)实际测试和日志文件创建(20分钟)。在筛查,认知障碍的老年人,以及所有其他老年人和年轻的参与者,没有导航在筛查的应用程序。相反,研究人员的一个成员(RP)导航;从参与者的日志文件一个常数延时因素(精神运动噪声)被正确的时间戳。一个简单反应时间(SRT)作为一个常数计算从Hick-Hyman法律
考虑到老年人的正确和错误的答案同样可能的选择,RP必须按“正确答案”按钮或按下空格键开始编写用户自己的词。每个RP,负责试点测试,执行十(<我nline-formula>
最后,筛选评估产生日志文件包含参与者的带时间戳的反应。质量记录读者后期工具是用于数据提取。筛选试验本身,以及日志文件阅读器和其他辅助软件工具,设计了Delphi和c++编程语言。计算机的一个屏幕快照MCI筛选测试界面中可以看到图
计算机BNT接口。
MCI筛查与真实用户进行,由三组:(a)的年轻人,(b)健康的老年人,和(c) MCI用户(aMCI)。招聘标准MCI用户包括至少55岁,self-handlers、具备基本的计算机技能和希腊语言流利(检查通过电话面试)。25 (<我nline-formula>
数据由电脑版本的MCI筛查显示明显产生的强相关性与制度化的截屏图版本的30 bnt和项目。这初始步骤是必要的,以使电脑版本的MCI筛查的有效参考以下步骤。要指出,BNT试验的随访时间是六(6)个月后,大多数参与者平均不到一(1)年为所有的人参加这项研究。
语言项目的结果被发现正态分布(Shapiro-Wilk测试),与BNT结果没有相反,因为结果大大扭曲了。健康的老年人(语言项目结果<我nline-formula>
的Mann-Whitney<我t一个lic>
U测试计算机BNT测试期间,一个变量被发现不是正态分布,表明参与者完成BNT所需的时间不是一个有效的分隔符为MCI用户(<我nline-formula>
MCI筛选试验的结果。
| 变量 | 年轻的 | 健康的老年人 | MCI |
|---|---|---|---|
| 性M / F | 4/7 | 10/5 | 6/4 |
| 年龄(年) | 26.27 (SD = 1.95) | 64.69 (SD = 4.80) | 66.70 (SD = 7.18) |
| 教育(年) | 17.36 (SD = 0.80) | 13.46 (SD = 3.33) | 12.9 (SD = 3.38) |
| MoCa单词量(60秒) | 13.64 (SD = 4.03) | 13.80 (SD = 4.94) | 9.1 (SD = 4.84) |
| MoCa单词之间的持续时间(秒) | 4.70 (SD = 1.186) | 5.05 (SD = 2.36) | 8.45 (SD = 4.76) |
| BNT回答没有帮助 | 25.56 (SD = 2.18) | 25.90 (SD = 1.97) | 21.78 (SD = 5.40) |
| BNT答案与语义的帮助 | 26.00 (SD = 2.06) | 26.20 (SD = 1.39) | 22.22 (SD = 5.12) |
| BNT答案与音位的帮助 | 26.11 (SD = 2.14) | 26.20 (SD = 1.39) | 22.56 (SD = 5) |
| BNT持续时间(秒) | 113.3 (SD = 33.60) | 117.49 (SD = 21.80) | 167.3 (SD = 71.65) |
筛选过程通过MoCa BNT测试作为起点,整个当前研究工作的方法。最初,真实用户的MCI症状必须评估认知能力下降的证据。这个证据需要制定相关的定量数据稍后将用户的性能,同时执行接口任务。因此,结果MoCa BNT筛查评估用户的认知和感知因素,也包括响应时间和一般行为背后的心理状态表现将会导致以下研究。
我们建议的诅咒被训练基于获得的数据从afore-described筛查。训练有素的MCI认知诅咒被用于仿真任务的执行在人机交互与图形用户界面(GUI)。摘要发誓命名根据认知障碍他们模拟和力量(总人口的百分比)他们对应的损伤。例如,“75”mci诅咒是一个虚拟的用户模型,该模型可以模拟的行为认知受损的老年人口的75%,这是通过创建一个高斯分布的计算得到的数据和第75百分位(即。,分布的价值,低于75%的观察可以发现)。字母数字后缀描述了障碍和数字前缀表明力量或MCI的最早症状阶段。
获得一个参考比较的性能(即虚拟用户。,tr一个我ned VUMs) to the performance of real users, initially, the testing GUI application is initiated in the host device (PC, laptop, smartphone, PDA, and tablet) and the optimal user (OpUs), who is a nonimpaired real young user with expert computer handling abilities and sufficient knowledge of the testing interface, is asked to perform a series of tasks. Those groups of tasks, called scenarios, are described by the task model specification (an XSD schema) and are stored in the task model bank. The optimal recording is critical as it provides a proper reference (ground truth) for comparing the performance of VUMs to the one of real users at later stages. Before any simulation preparation, GUI designers need to define the activities they want to test for accessibility. This means that a formal description of the series of actions in order to arrive at a given result must be produced. To proceed to the actual experimental phase, we introduce “scenario files,” which describe structured tasks used in order to describe the expected, by either real user or VUM, activity during the computer-based experiment. Those files initially describe tasks in an abstract format (e.g., locate another user in the Metaverse), but using a scenario editor tool we developed that they are matched to actions performed on the actual user interface by annotating which areas of the testing interface correspond to active GUI elements in order to match the tasks with the related GUI elements. Eventually, the annotated interface is used in making connections between the interaction events and the tasks described in the scenario (simulation preparation). Figure
的基本组件和数据流仿真框架。
在模拟阶段,最初我们构造三个代表认知模型:(a)老年人MCI (b)和(c)年轻用户的组。之后这些模型是用来模拟场景类似的由各自的真实用户,对确定和验证系统的容量进行了比较。任务验证扩展在迭代试验用稍微不同的场景结构设置的任务。这些任务是随机,以减轻学习的效果。初始验证认知任务的结果相关分析对整个持续时间和低级的数量(LL)交互事件相关实验过程中产生的输入设备。
将事件包括击键光标<我nline-formula>
最后,仿真实验结果导出报告,包含关于诅咒的性能的详细信息。模拟报告是对XSD模式定义结构化的正式描述测量元素可扩展标记语言(XML)文档。短发现人类可读的描述,包括统计错误率、时间、数量和类型的操作系统交互事件包括在头的仿真报告,以使结果与真实用户的性能(保存在日志文件)。真实用户中执行一个external-to-the-simulator软件环境,即MCI筛选工具和真实用户的日志的方法。
易访问性评估方法使用诅咒提出本可以有效地描述在轻度认知障碍的记忆衰退。主要的定量措施(a)交互事件的数量由用户场景执行期间和(b)所需的时间来完成场景(持续时间)。娱乐与年龄和MCI最初结果检查相关结果,构建预测模型在使用SPSS v.19统计方法。此外,提出认知模型,基于新的双重认知模块,进行评估是否可以更好地预测时间,实际的MCI患者需要完成的任务比以前认知架构,没有新的MCI子模块。
试点研究与老年人和MCI用户发生在2013年9月。第二人生(SL)查看器(图
Metaverse这里使用查看器的测试接口。
信息娱乐测试在同一天完成计算机MCI筛选试验(图
在执行MCI筛查之后,参与者进入一个宽敞的演示房间预留给飞行员测试,通常成对。确保参与者有信心在使用Metaverse界面,展示后执行所有场景的RP,老年人参与者被要求遵循。十三相对容易共同娱乐的场景任务创建用于测试目的。场景(表的一些示例
场景中执行信息娱乐试点测试。
| id | 场景名称 | 场景描述 | 任务 | 所需的能力 |
|---|---|---|---|---|
| S1 | 进入Metaverse | 它要求用户输入用户名和密码 | 5 | 内存 |
| S2 | 改变衣服 | 有第二个机构可用,用户要求改变从装1 - 2所示 | 5 | Decision-perception |
| S3 | 在Metaverse中上传文件 | 选择一个从本地驱动器和上传图像文件 | 8 | 信息定位 |
| S4 | 构建3 d对象 | 在虚拟环境中创建一个新的数据集 | 5 | Perception-reflection |
| S5 | 规模的3 d对象 | 多维数据集规模使其等于1米 | 5 | Perception-reflection |
| S6 | 旋转3 d对象 | 旋转的多维数据集<我nline-formula>
|
8 | Motor-vision |
| S7 | 移动3 d对象 | 移动3 d对象3方向使用彩色箭头移动 | 8 | Motor-vision |
| S8 | 在《阿凡达》在自由模式 | 旋转head-camera《阿凡达》的空间,然后向前走几步 | 3 | 视觉运动 |
| S9 | 在《阿凡达》声源 | 在《阿凡达》从一个随机的位置到声音的来源 | 4 | Visual-acoustic-motor-decision-perception |
| S10 | 与动态对象 | 触摸一个对象动态行为 | 2 | Motor-perception |
| S11 | 与多媒体互动对象 | 触摸物体使一个声音 | 2 | Motor-perception |
| S12 | 与另一个用户发起聊天 | 在Metaverse找到另一个用户,发送“你好”消息 | 5 | Perception-verbal |
| 向 | 与其他用户共享文件夹 | 与其他用户共享文件夹 | 9 | 信息定位记忆力 |
信息娱乐的研究结果表明,交互事件的数量,也表达了错误率由于“硬错误”和“软错误”概念,不是一个强大的分隔符为老年人MCI组,所以逐渐被废除。表
执行场景和分数。
| 场景 | 最佳的用户 | 健康老年用户 | MCI用户 | |||
|---|---|---|---|---|---|---|
| 事件 | 时间* | 事件 | 时间*(SD) | 事件 | 时间*(SD) | |
| S1 | 46 | 15.35 | 59.82 (23.43) | 59.53 (21.85) | 53.63 (5.07) | 87.00 (32.34) |
| S2 | 10 | 8.73 | 13.64 (2.65) | 46.88 (19.07) | 15.00 (3.20) | 56.75 (15.55) |
| S3 | 16 | 15.65 | 26.18 (9.44) | 104.180 (44.35) | 24.25 (8.37) | 126.54 (44.07) |
| S4 | 10 | 6.64 | 11.91 (2.70) | 35.37 (16.93) | 13.38 (2.56) | 47.33 (21.91) |
| S5 | 10 | 12.82 | 15.64 (7.31) | 55.65 (32.80) | 17.00 (3.38) | 73.65 (23.19) |
| S6 | 12 | 12.15 | 20.36 (4.34) | 63.3 (19.98) | 20.88 (7.08) | 63.50 (18.54) |
| S7 | 12 | 15.36 | 19.82 (4.99) | 54.08 (19.75) | 28.50 (16.41) | 69.78 (25.901) |
| S8 | 6 | 4.59 | 7.82 (2.60) | 14.07 (6.33) | 6.88 (1.24) | 16.93 (7.09) |
| S9 | 12 | 7.39 | 39.36 (25.31) | 42.10 (16.24) | 23.63 (9.70) | 30.73 (15.55) |
| S10 | 4 | 1.51 | 5.09 (1.86) | 10.10 (6.54) | 5.38 (2.66) | 12.36 (7.80) |
| S11 | 4 | 1.03 | 4.45 (0.82) | 5.20 (3.80) | 5.57 (4.20) | 7.01 (7.42) |
| S12 | 22 | 12.79 | 26.64 (8.60) | 51.97 (23.00) | 26.13 (9.07) | 47.68 (10.77) |
| 向 | 27 | 14.86 | 33.64 (10.14) | 83.43 (25.05) | 42.50 (23.39) | 121.53 (45.42) |
*时间是在几秒钟内。
这里的研究假设是“<我t一个lic> 如果某些部分的人口有认知障碍,影响记忆,那么对于那些失败的MCI筛选试验,预计他们的分数的相关信息娱乐场景将低于别人。“这是至关重要的,并不是所有的场景都是同样有趣的双重认知模块开发。例如,场景主要是电动机,视觉,听觉能力是成功所需的性能完好无损MCI的用户。的确,在可用的GUI的场景,那些需要更复杂的心理过程被证明是适合MCI和健康老人用户之间的区别。因此,在这项研究中,重点给出了这些场景,主要是记忆和决策的影响下降。
有分数百分数表示作品的差异表现,健康老人执行432.94%的作品的信息娱乐场景时间和他们产生50.77%的作品。同样,结果MCI用户作品时间的446.48%和56.20%的作品。虽然平均值显示,MCI用户需要更多的时间和更多的键盘和鼠标点击执行相同的场景;这额外的努力,可能不是很明显。
正常测试后,所有变量相关情况持续时间和事件检测意味着平等的两个测试组(健康的老年用户和MCI用户)。对于健康的老年人,所需的时间完成第一个场景(S1:<我nline-formula>
对于其他的测试指标,交互事件的数量(实验期间按键和鼠标点击),意味着不拒绝零假设为股权的(<我nline-formula>
每个场景的持续时间和事件的数量并不总是遵循对方的波动。强大的交互事件的持续时间和数量之间的相关性被发现只有在场景S2 (<我nline-formula>
两个系统树图作为结果的例子代表变量的交互事件的数量(a)和时间(以秒为单位)(b)使用平均团体之间的联系。
后的结果通过平均运行数据之间的联系组,很明显,S1和向两个与内存相关的场景,以及两个信息定位场景S3和向离群值,融合在任意距离远高于其他人。主要目的是将所有的知识获得的信息娱乐数据的统计分析,以优化向第二代诅咒发誓的性能,特别是为选中的MCI组设计和测试。
以下部分描述了实验的措施是安装在一个回归方程,以开发第二代诅咒的性能预测模型。期待一代的诅咒,优化研究2的结果的基础上,总结了我们所有的期望关于真正的预测MCI在界面设计时用户的性能。
目前提出的努力是诅咒的优化基于真实用户数据和ACT-R提出的认知体系结构模型。终极目标是创建健壮的诅咒认知模型作为一个内部心理表征的老年用户构成其确切认知形象。在第一级MCI的插入子模块作为一个感知模块针对更好的估计早期痴呆前驱症状。新的挑战是确定错误率和MCI-VUMs所需的额外时间和比较时间和成功率与MCI的实际用户所产生的结果。在第二个层面,详细表示诅咒认知模型用于界面的易访问性评估在一个模拟器。从娱乐中提取测试结果被用来计算认知参数应该被更新。
回归方程被用来找出关系,如果有的话)之间存在真正由users-infotainment任务的持续时间和MCI筛选试验结果给出了相同的主题。只要预测诅咒的分数,作为仿真测试的结果,可以适合一个回归方程,我们可以改造现有发誓未来实验的认知子模块(优化发誓)。
本节解释的结果提出选拔程序我们遵循作为一个战略选择的顺序近似多项式计算场景的时间考虑到MCI筛查的分数。使用BNT分数作为独立变量,我们先后安装递增和测试顺序模型回归系数的意义在每个步骤的模型拟合。
首先我们假设线性计算作为起点的方程最小化安装线之间的距离和实验测量分(场景持续时间)。线性回归方程被认为是统计学意义(<我nline-formula>
和<我nline-formula>
作为一个例子,考虑到时间场景1健康老人,系数
为了保持认知能力下降的简单的规则(例如,MCI)增加了额外的时间的时间场景,<我nline-formula>
二次模型给出了一个接受了统计学意义(<我nline-formula>
预测模型用于计算的更精确的任务持续时间MCI诅咒被纳入GUI模拟器实现优化的仿真结果。因此,模拟产生后期的实验报告包含了更精确的结果,更好的安装GUI设计师的决策。优化诅咒行为现在都直观地观察到在模拟和印在实验报告。这是通过考虑更新后的参数值是负责仿真时间的控制流。优化时间管理监管机制直接影响任务的完成时间MCI诅咒,诅咒自由异常认知能力下降时,GUI仿真功能仍不受影响。要注意的优化功能MCI发誓只指时间延迟与认知能力下降有关,而不是时间的其他监管机构(像马达子模块,例如)。
优化的版本使用相同的电机、视觉和知觉子在任何其他情况下。只有当一个MCI发誓出现在模拟场景中任务,模拟器调整其时间管理功能根据二次预测模型插入到优化的诅咒。实际上,这是实现为一系列任务序列调用之间的时间延迟。这些延迟的速度和持续时间是对应于认知能力下降的程度(表示为“假想BNT测试”的结果)。最后,实验仿真任务执行时,视觉感知区别健康老人和MCI诅咒(宏观的区别)就像一个意想不到的或不合理的延迟在光标运动规划。这种扭曲在光标移动是由于模拟“遗忘”的诅咒失去了控制自己执行的任务,尽管他们的任务只是在加载场景文件。
优化模型的另一个重要时间调节器由发誓所需的时间选择一个选项的界面,而不是另一个,当许多选项同时在场。这非常类似于常见问题”按钮是否工作,这一个或一些其他的吗?“模拟考虑了Hick-Hyman法律已经描述,而不是人类处理速度可能会受到影响,因为智商(IQ)的诅咒(
结果这一点是一个更详细的表示诅咒认知模型用于界面的易访问性评估在模拟器。从娱乐中提取测试结果被用来计算认知参数应该被更新,为了消除的因素之间的差异的诅咒和真正的老用户。
新的认知结构,插入到cognitive-aware发誓评估反对旧的诅咒一代测量受益于新的认知模式的采用。作为一个例子,在桌子上
测试新发誓。
| 用户 | 评论 | 在sec S1持续时间 | 用户的平均分数MCI |
|---|---|---|---|
| 作品 | 时间最优用户 | 15.35 | 0.17 |
| 健康的老年人 | 信息娱乐试点测试得分记录 | 59.53 | 0.68 |
| MCI | 由实际的MCI用户得分记录 | 87.00 | 1.00 |
| 50个老年人 | 第一代的诅咒 | 17.30 | 0.19 |
| 50 mci | 第二代的诅咒(MCI-ready) | 78.38 | 0.90 |
实际上,事实证明认知模型的优化是通过使用统计方法对一组实验时间和得分记录。的回归模型被用于预测前所述。95%置信区间的上下边界的回归方程的系数是用于生产MCI发誓百分比的范围,从几乎1 MCI的最大100 MCI。作为一个例子,当作品需要15.35秒完成用户身份验证场景(S1),健康的老年人需要平均59.53秒的信息娱乐试点测试,和平均MCI用户相同的任务需要87秒。
50岁老人发誓需要17.30秒,远离实际的用户因为诅咒没有考虑常见的输入错误由普通用户或瞬间流逝的记忆(例如,忘记一个人的密码)。这个模范绩效不令人信服的,因为它比老年人更接近作品或MCI的用户。唯一罚时支付以上作品持续时间是一个与年龄相关的延迟插入电机模块(指针移动)来证明(1.95秒)的区别。
50 MCI另一方面,创建BNT = 22认知得分,需要88.21秒98%类似于实际的MCI用户的评分,与旧的相比50老人发誓只需要19%的实际时间的分数。
本研究的目的是诅咒的优化性能,在一组测试场景成为可能,在实际老年人和MCI用户,适合更好的表现真实的人。信息娱乐应用领域被选为代表的典型的计算机环境中,包括从2 d GUI元素到身临其境的交互性和社会沟通与其他遥远的用户。
场景,需要强有力的记忆的持续时间(记住用户名和密码在S1,对话框打开的顺序向)被发现受到MCI的存在。也是广义的“深度gui”要求用户遵循长点和点击线路主应用程序,即使应用程序本身有一个良好的学习曲线。在测试期间产生的交互事件的数量,它隐藏了成功和失败的鼠标点击和键盘中风,证明是一个弱的预测,可能是因为自己方向的场景:老年人和MCI测试人员如何执行的有方向的场景导致无意中纠正错误决策相关。nonsupervised飞行员测试与实际用户基于一组场景显然memory-judgment偶极子目标,只有目标是共享的参与者,将是一个更敏感的仪器来检测时间延迟和MCI人群的交互模式。
确定性方法后,诅咒每一个先前的测试是用来预测更准确真实的最终用户的行为和认知改变时间。这种方法允许界面设计师运行可访问性测试在他们的新设计在早期开发阶段不需要招募真正受损的人。
新的认知模块的发展,是基于总场景持续时间预测模型(二次模型),按预期工作,生产时间分数接近实际的MCI用户比之前的模型。记住了质量预测模型发展的特征是确定系数<我nline-formula>
使用新的诅咒这个模拟测试基于优化旨在支持更多实实在在的GUI图形用户界面和导演Metaverse开发人员重新设计的用户界面根据所有潜在用户的需要,包括那些在MCI(图
原Metaverse接口(a)和(b)的新设计。
新的接口测试的一组新的发誓,从50 mci和达到85 mci。老年人,而不是创建一个全新的诅咒,诅咒被修改,这样一个架构扩展(MCI子模块)是影响其性能MCI以同样的方式影响人类。持续时间的预测优化的诅咒中滑动范围的上下边界表示模型系数。高于90年mci阈值,界面被认为是由其创造者不能够重新设计不失其基本功能。
后的测试执行相同的协议更新界面产生更好的结果,也就是说,需要完成的场景在平均减少了14.09%。memory-demanding场景(S1和向),对MCI特别感兴趣的用户,老人减少了用户身份验证时间57秒(<我nline-formula>
易访问性评估通过优化诅咒实际上证明插入小说MCI认知子模块在整个诅咒体系结构提供了可能,界面设计师可以让测试模拟器对界面设计决策。结果被证明是有价值的新界面设计减少了访问内存中的内存负载要求的任务和决策任务的认知负荷。cognition-enabled的新一代的诅咒,像人类的方式回应指向界面设计师,设计功能变化显示阳性可访问性规则。
模拟器用于执行实验通过诅咒了导向。的终极目标是提高接口的质量为了支持设计师进行逼真的模拟。另一方面,ACT-R模型,我们发誓的结构是基础,是最初提出meaning-oriented结构对于一般用户建模使用。多个研究和实验我们进行有针对性的小说发展的认知模型定制MCI用户扩展现有的认知模型。
每个研究都有了以自己的方式在整个模拟痴呆界面易访问性评估。第一项研究提供了必要的定量数据来描述参与者的医疗状态的基础上完善的MCI筛查。第二项研究一直是一个系统的半自动的MCI的观察和控制在一段时间内,在任务导向的场景。在执行任务中,那些指向记忆和决策过程的目标受众是特别重要的病人患有痴呆症。第三个研究表明之间的关系进行时间分数和认知的状态。从我们收集的结果,统计描述的模型最好的重要性的关系与MCI相关用户的表现和认知能力下降是一个二次模型。利用这些结果,我们优化我们的模型根据前面的研究结果也检查模拟器的一致性要求。特别是认知子模块,这是插入到现有虚拟用户架构引入新一代cognitive-aware发誓,能够执行相同的任务是真实用户在一个更现实的方式。相同的实验(Metaverse环境)被用来评估预期收益在诅咒的质量,预测的能力。事实上,这部小说诅咒实现了接近真实用户的模拟表演。 With a better VUM quality available, the last study was performed on a real world interface problem concerning the interface accessibility assessment for GUI designers. The Metaverse designers redesigned its interface so as not to exclude MCI users from the potential body of target users. The new design was evaluated by the novel VUMs to indicate results according to which, when the MCI cognitive submodule was enabled and active, the simulator produced results closer to the real MCI users, especially in memory-demanding and decision making tasks.
遵循以用户为中心的方法和主要小说诅咒由本研究在大多数情况下可以使用界面的易访问性评估覆盖超过90%的公共接口的可访问性问题。它的唯一限制是一个极端的认知障碍阈值对应于90% MCI的用户。诅咒痴呆很高水平可以产生有效的仿真结果,但是他们的持续时间不能总是有价值的预测为界面设计师极端干预在界面设计可能会导致界面失去其功能的一个重要组成部分。
通常,GUI设计师重新调节GUI元素或增加色彩对比为老年人或受损的用户的需求。然而,仍然有需要为特定的接口设计战略重组和改变视觉隐喻的具体需求定制接口组与认知相关的限制。我们的方法结合文献研究和实验数据来预测更好的精度性能的认知受损发誓在已知界面可访问性的限制。提出发誓架构实现,我们插入额外的认知产生“嘈杂”功能的子模块内部发誓结构而不是生产嘈杂的数据输出。
试点测试模拟器显示高真实用户的测试成绩之间的相关性和诅咒。这些结果应被视为早期方法对潜在的兴趣包括认知特征信息娱乐仿真模型的设计。评估信息娱乐产品的测试表明,该诅咒的修改定制根据认知障碍设计师是宝贵的资产,以增加产品和服务的可及性为老年人不同赤字的记忆,注意力,判断,和沟通能力。不仅利用场景所需的内存,甚至更复杂的认知功能,如决策的能力。
后给出的令人鼓舞的结果从试点测试,即将到来的测试将由招聘更广泛的科目(30 - 50人)。这些测试将包括两次试验法的可靠性评估的计算机筛选试验,此外,它预计将提高仿真结果的预测精度之间的诅咒和实际用户。招聘标准可能会延长,包括抑郁症检测测试像贝克抑郁量表(BDI-II)消除无关的MCI本身可能带来的影响因素。此外,在我们未来的计划是声音和听觉的实际使用和评估模块。
这项研究工作,被嵌入到“设计”的原则,与认知功能下降是帮助人们以一种间接的方式提高他们的生活质量:不直接提供治疗设备,但与改变世界的设计文化产业。
作者宣称没有利益冲突有关的出版。
这项工作已经收到了欧盟的资助下地平线2020研究和创新项目资助协议。643433年,项目RAMCIP。