Syntaktische Benutzermodellierung mit
This presentation is the property of its rightful owner.
Sponsored Links
1 / 24

Syntaktische Benutzermodellierung mit diskreten stochastischen Prozessen PowerPoint PPT Presentation


  • 54 Views
  • Uploaded on
  • Presentation posted in: General

Syntaktische Benutzermodellierung mit diskreten stochastischen Prozessen. Dr.-Ing Christopher Schlick Institut für Arbeitswissenschaft RWTH Aachen. Christopher Schlick. Gliederung des Vortrags.

Download Presentation

Syntaktische Benutzermodellierung mit diskreten stochastischen Prozessen

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Syntaktische Benutzermodellierung mit

diskreten stochastischen Prozessen

Dr.-Ing Christopher Schlick

Institut für Arbeitswissenschaft

RWTH Aachen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Gliederung des Vortrags

1. Einführung2. Grundlagen dynamischer Bayes-Netze 3. Fallbeispiel: ActiveUI als multimodale Benutzungsschnittstelle4. Statistische Versuchsplanung5. Ergebnisse und Diskussion6. Zusammenfassung und Ausblick

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Individualisierung von Benutzungsschnittstellen (ISO 9241, Teil 10)

1. Zeitlicher Bezug

Statische Individualisierung:- Vor Applikationsstart- benutzerinitiiert

Dynamische Individualisierung:- Mitlaufend bzw. beim Benutzen- benutzerinitiiert oder systeminitiiert

2. Abstraktionsebene der Interaktion

1. Einführung

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Interface

Agent

Anwendungsbeispiel: Agentengestützte Benutzungsschnittstelle

Feedback

Benutzer

schlägt vor

befragt

beobachtet,

protokolliert

interagiert

erweitert

nutzt

steuert

Syntaktisches

Benutzermodell

Applikations-

programm

1. Einführung

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

...

...

Physische Ebene

Ereignis-

strom

. . .

t(2)

t(n-1)

t(n)

t(0)

t(1)

Ebenenschema

I. Phase

II. Phase

III. Phase

IV. Phase

Semantisch-

pragmatische Ebene

Voraussetzungen

schaffen

Ziel

erreichen

Auswirkungen

erkennen

Neuer

Kontext

. . .

2a. Interpretation & Kontext

1. Modellierung und Prognose

Syntaktische Ebene

. . .

2b. Ereignisfusion & Abstraktion

1. Einführung

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Spur eines syntaktischen Benutzermodells

Stochastischer

Interaktionsprozeß

Syntaktisch relevante Ereignisse

Verweildauern

Auslösezeitpunkt

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

...

O1

O2

O3

OT

Stochastischer Modellansatz für syntaktisch relevante Ereignisse

Beobachtungssequenz

Faktorzerlegung durchBayesschen Satz

Abhängigkeitsannahmefür k Stützstellen

Graphisches Modell

der stochastischen

Abhängigkeiten für k=1

t = 1

t = 2

t = 3

t = T

...

Zeitscheiben

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

...

O1

O2

O3

OT

Auslösung

Vorbedingung

Interaktions-

ereignis

Auswählen

Ändern

0,1

0,9

Auswählen

...

t = 1

t = 2

t = 3

t = T

0,7

0,3

Ändern

Startbedingung

Wkt.

Interaktions-

ereignis

0,5

Auswählen

0,5

Ändern

Topologien für dynamische Bayes-Netze (I)

Markov-Ketteerster Ordnung

Zeitscheiben

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Auslösung

Vor-Vorbedingung

Vorbedingung

Interaktions-

ereignis

Interaktions-

ereignis

Auswählen

Ändern

...

O1

O2

O3

OT

0,05

0,95

Auswählen

Auswählen

0,5

...

0,5

Auswählen

Ändern

t = 1

t = 2

t = 3

t = T

0,5

0,5

Ändern

Auswählen

Startbedingung

Wkt.

0,9

0,1

Ändern

Ändern

Interaktions-

ereignis

0,5

Auswählen

0,5

Ändern

Markov-Kettezweiter Ordnung

Zeitscheiben

Topologien für dynamische Bayes-Netze (II)

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

...

...

Q1

Q1

Q2

Q2

Q3

Q3

QT

QT

Hidden-Markov-Modell

...

O1

O1

O2

O2

O3

O3

OT

OT

AutoregressivesHidden-Markov-Modell

Topologien für dynamische Bayes-Netze (III)

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

...

...

...

...

Q11

Q11

Q21

Q21

Q12

Q22

Q12

Q22

Q13

Q23

Q13

Q23

Q2T

Q1T

Q2T

Q1T

Faktorielles Hidden-Markov-Modell

O1

O2

O3

OT

Einfach-hierarchischesHidden-Markov-Modell

O1

O2

O3

OT

Topologien für dynamische Bayes-Netze (IV)

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

...

Q11

Q12

Q13

Q1T

...

Q21

Q22

Q23

Q2T

BaumartigesHidden-Markov-Modell

O1

O2

O3

OT

Topologien für dynamische Bayes-Netze (V)

2. Grundlagen

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Fallbeispiel (I): ActiveUI als multimodale Benutzungsschnittstelle

3. Fallbeispiel

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Fallbeispiel (II): ActiveUI als multimodale Benutzungsschnittstelle

3. Fallbeispiel

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Aufgabenhierarchie für Interaktionsszenarium

3. Fallbeispiel

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Stochastisches Aufgabennetz als Erzeugungsmodell

3. Fallbeispiel

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Statistische Versuchsplanung

Ziel der Untersuchung ist, am Beispiel des Interaktionsszenariums zu untersuchen,welches der stochastischen Modelle am besten geeignet ist, die Sequenz derInteraktionssymbole zu approximieren und darauf aufbauend das synatktischeBenutzerverhalten zu prognostizieren.

Abhängige Variable

Mittlere Prognosegüte (MPQ) für einschrittige Prognosen (pl=1):

Unabhängige Variable

1. Topologie des dynamischen Bayes-Netzes

1.1: „Klassisches“ HMM; 1.2: Autoregressives HMM; 1.3: Faktorielles HMM;1.4: Einfach-hierarchisches HMM; 1.5: Baumartiges HMM

2. Anzahl der Interaktionsfälle für die Modellanpassung

2.1: 25 Fälle; 2.2: 50 Fälle; 2.3: 100 Fälle; 2.4: 200 Fälle

4. Versuchsplanung

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Vorgehensweise

1. Einfaktorielle Varianzanalyse der vollständigen Modellbasis (alpha=5%)

- 100 Interaktionsfälle- 30 Replikationen zur Erzeugung der Modell- und Datenbasis- zufällige Vorbelegung von Modellparametern- Iterationsabbruch bei jeder Replikation, wenn Likelihood nicht mehr als 1% zunahm- Post-hoc Analyse mit Hilfe des Newman-Keuls-Tests (alpha=5%)

2. Zweifaktorielle Varianzanalyse der bereinigten Modellbasis (alpha=5%)

- Nur „beste“ Modelle, die in Post-Hoc Analyse nicht signifikant unterschiedlich waren- 25, 50, 100 sowie 200 Interaktionsfälle- 30 Replikationen zur Erzeugung der Modell- und Datenbasis- zufällige Vorbelegung von Modellparametern- Iterationsabbruch bei jeder Replikation, wenn Likelihood nicht mehr als 1% zunahm

4. Versuchsplanung

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Ergebnisse (I): Einfaktorielle ANOVA

Signifikante Differenz

5. Ergebnisse und Diskussion

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Ergebnisse (II): Zweifaktorielle ANOVA

1. Faktor: Modelle der bereinigten Modellbasis

1.1: Einfach-hierarchisches HMM; 1.2: Faktorielles HMM; 1.3 „Klassisches“ HMM

2. Faktor: Anzahl der Interaktionsfälle für Modellparametrisierung

2.1: 25 Fälle; 2.2: 50 Fälle; 2.3: 100 Fälle; 2.4: 200 Fälle

5. Ergebnisse und Diskussion

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Ergebnisse (III): Boxplots aus zweifaktorieller ANOVA

5. Ergebnisse und Diskussion

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Ergebnisse (IV): Boxplots aus zweifaktorieller ANOVA

5. Ergebnisse und Diskussion

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Ergebnisse (V): Boxplots aus zweifaktorieller ANOVA

5. Ergebnisse und Diskussion

Christopher Schlick


Syntaktische benutzermodellierung mit diskreten stochastischen prozessen

Zusammenfassung und Ausblick

Zusammenfassung

- Dynamische Bayes-Netze = adaptiver diskreter stochastische Prozeß + transparente graphische Darstellung zur syntaktischen Benutzermodellierung- Es kann sich selbst bei kleiner Anzahl von Interaktionsfällen „lohnen“, komplexe Topologien zur Prognose des Benutzerverhaltens heranzuziehen- Auslegung der Modellstruktur auch für komplexe Topologien notwendig, da Prognosegüte signifikant abhängig von Anzahl der Interaktionsfälle

Ausblick

- Integration eines dynamischen Bayes-Netzes in ActiveUI und Auswahl geeigneter Dialogmodi für dynamische Individualisierung - Evaluation der dynamisch individualiserbaren ActiveUI-Benutzungsschnittstelle unter Laborbedingungen- Untersuchung von Hypertext-Fallstudien basierend WWW-Zugriffen

5. Ergebnisse und Diskussion

Christopher Schlick


  • Login