一种评估规则、恒定与渐进式用户界面自适应性的基于模型的方法
人机交互
2024-12-18 v1
摘要
自适应用户界面大多以突然、波动和断续的方式调整其内容、呈现或行为，这可能对终端用户产生负面影响，例如认知中断。相反，自适应性应当是规则的、恒定的和渐进的。为了评估这些要求，我们提出了 Taoist，一种基于隐马尔可夫模型的方法和软件环境，旨在寻找任务模型中最长的重复动作子序列。交互状态空间由任务模型离散生成，交互观测则利用这些子序列从类别分布中动态产生。控制自适应性及其结果的参数被集中管理，以支持两种场景：同一用户的会话内以及相同或任意其他用户（甚至新用户）的会话间。终端用户可以在自适应过程发起时进行控制，包括在将其传播至下一次迭代之前接受、拒绝、修改、推迟或重新发起该过程。我们描述了 Taoist 的实现及其自适应算法。我们通过示例（包括 W3C 参考案例研究）说明了其应用。我们报告了一项实验结果，该实验通过十名代表性从业者组成的群体评估了 Taoist，他们在同一任务的四次会话内迭代后评估了自适应性的规则、恒定与渐进特征。
引用
@article{arxiv.2412.12389,
title = {A Model-based Approach to Assess Regular, Constant, and Progressive User Interface Adaptivity},
author = {Alaa Eddine Anis Sahraoui},
journal= {arXiv preprint arXiv:2412.12389},
year = {2024}
}