1 / 62

MODELING HUMANS IN HUMAN COMPUTER INTERACTION

MODELING HUMANS IN HUMAN COMPUTER INTERACTION. CONOCIMIENTO BASICO PARA EL MODELADO. Tres aspectos a considerar: Cognitivo F í sico Afectivo Modelado de errores humanos. SISTEMA DE MEMORIA HUMANA. Memoria a corto plazo (STM) o Working Memory (WM) Memoria a largo plazo (LTM)

mayten
Download Presentation

MODELING HUMANS IN HUMAN COMPUTER INTERACTION

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. MODELING HUMANS IN HUMAN COMPUTER INTERACTION

  2. CONOCIMIENTO BASICO PARA EL MODELADO • Tres aspectos a considerar: • Cognitivo • Físico • Afectivo • Modelado de errores humanos

  3. SISTEMA DE MEMORIA HUMANA • Memoria a corto plazo (STM) o Working Memory (WM) • Memoria a largo plazo (LTM) • Estructuras o esquemas. • Frames • Scripts • Redes semánticas

  4. Modelo de procesamiento de Información • El conocimiento entra a través de los sentidos, de la parte consciente a la inconsciente, y las acciones de la parte inconsciente a la consciente, después de cierto procesamiento

  5. MODELO DE PROCESAMIENTO DE INFORMACIÓN (Card et. al.) Long Term Memory  Indefinido Working Memory  7 +/- 2 Almacén de imágenes visuales Almacén de imágenes auditivas Procesador del sistema motor Procesador cognitivo Procesador perceptual

  6. Modelo de Control de Procesamiento de Información

  7. MULTIADDER MODEL Psychological aspect Processing aspect • Comportamiento humano en la solución de problemas • Orientado a metas Upper level Lower level

  8. Sistema cognitivo en 2 capas

  9. Recepción visual de la interfaz • Una misma entrada cambiará de significado dependiendo del enfoque del usuario o el contexto de la tarea • Señales • Signos • Símbolos

  10. Modos Cognitivos a nivel Interfaz • Señal • Signo • Símbolo  Respuesta inconsciente, comportamiento reflejo  Respuesta consciente basada en reglas  Respuesta basada en conocimiento, después de un proceso de pensamiento abstracto

  11. COMPORTAMIENTOJ. Ramussen

  12. Prediciendo errores humanos • Familiarización – Falta de atención (Strong-but-wrong error) • Selección – No identificar los datos generales o importantes (Cognitive overload) • Información estructurada de manera teórica – Problemas al aplicar el conocimiento debido a la distorsión (Confirmation bias) • Recuperación de contenido – Aplicar lo que se conoce y que falle en el caso particular (Availability, Matching bias)

  13. Sistema de Modelado Genérico de Errores (GEMS) -- Modelado Dinámico • Errores desde la Psicología Cognitiva • Error por omisión • Error por comisión • Modelado de errores en GEMS • En el comportamiento basado en habilidades • En el comportamiento basado en reglas • En el comportamiento basado en conocimiento

  14. Sistema de Modelado Genérico de Errores (GEMS) -- Modelado Dinámico • Falla de monitoreo • Siempre que se hace una tarea repetitiva, hay una revisión intermitente • Availability - Activación de memoria errónea • Strong-but-wrong error – La revisión no está sincronizada con la acción

  15. Sistema de Modelado Genérico de Errores (GEMS) -- Modelado Dinámico • Falla en la solución de problemas • La información se toma como entrada para resolver el problema • Availability • Defecto en la base de conocimiento • Matching bias • Cognitive overload

  16. Sistema de Modelado Genérico de Errores (GEMS) -- Modelado Dinámico • Problemas en el comportamiento basado en el conocimiento • Errores en el sistema • A priori. Deficiencia de conocimiento en las características del sistema • A posteriori. Adaptación inicial, pero el sistema falla y su estado se vuelve inestable, de manera que el operador no puede continuar trabajando con él • Deterioro en las habilidades del usuario bajo condiciones de stress

  17. ESQUEMA DE ERRORES HUMANOS EN LA INTERFAZ

  18. Marco Conceptual de Comportamiento Humano • Rendimiento correcto y predicción de errores humanos • Simulación del comportamiento humano a través de la Inteligencia Artificial

  19. MARCO CONCEPTUAL DEL MODELO COGNITIVO HUMANO

  20. Métodos de modelado humano por simulación computacional • Un modelo humano es cualitativo en la naturaleza. • Para el propósito de una aplicación ingenieril es necesario modificar este modelo de una manera mas sistemática que pueda de funcionar en una computadora.

  21. Process model • Observe – Percepción selectiva de los objetos • Interpret – Diagnosticar el estado del sistema • Plan – Proponer una meta y procedimiento para alcanzarla • Execute – Es la realización de los pasos necesarios para alcanzar la meta antes propuesta • Memory – Es el almacenamiento y reutilización de experiencias anteriores

  22. Knowledge model • Configuration Space – Descripción estática de forma, interconexión y otros atributos de entidades físicas que componen el sistema. • Cause-Consecuence Relation Space – Describe el mecanismo físico del sistema y su comportamiento. • Sate Space – Describe el estado del espacio mediante la observación de variables dinámicas en el sistema. • Goal Space – Describe el funcionamiento del sistema y la relación entre objetivo y medios para alcanzarlo.

  23. Control model • Scrambled Control – Human behavior in panic • Opportunistic Control – Human behavior in a hurried situation • Tactical Control – Conservative state of human behavior • Strategic Control – Proactive state of human behavior

  24. Cause-Consequence Relationship Goal State Strategic Tactical Opportunistic Configuration Scrambled Interpret Plan Execute Observe Modelo humano Knowledge model Control Model Process model Memory Por: Furuta and Kondo (1993)

  25. Implementación de modelado humano en computadoras • Observación y reconocimiento de estado – Modelos computarizados del proceso cognitivo humano. • Conversión a información cualitativa – Clasificar la información por categorías y ajustarlas mediante la interrogación del usuario. • Identificación de estado – Suponer y mostrar un estado al usuario y luego intentar reducir lo síntomas.

  26. Implementación del modelo de control • Usar una técnica que permita modificar flexiblemente los métodos de inferencia • Simular diferentes comportamientos para usuarios de diferentes personalidades

  27. Blackboard SystemEngelmore and Morgan (1988) Knowlwdge source Knowlwdge source Blackboard Knowlwdge source Knowlwdge source Knowlwdge source Knowlwdge source Knowlwdge source Knowlwdge source

  28. Aplicación de modelos humanos para IHC

  29. Operaciones Manuales Resultados de Simulación de Interacción Hombre - Máquina Simulador de Modelo Humano Documentos de Diseño de interfaz Hombre – Máquina Interfaz Simuladora Hombre - Máquina Resultados de Evaluación Analizador de interacción Hombre-Máquina Simulador de la Planta Parte de simulación Hombre – Máquina del sistema (En línea) Parte de evaluación de interfaz Hombre - Máquina (Fuera de línea) Configuración del sistema SEAMAID • Desarrollado para hacer simulaciones en tiempo real de interacciones de humanos-computadoras en varios casos de emergencia de planta nuclear • Dividido en dos partes: • Simulación Humano-Computadora: 3 simuladores en tiempo real • Simulador de planta: Simula el reactor de agua presurizada • Simulador de interfaz Humano-Computadora • Simulador de modelo humano

  30. Simulador de interfaz Humano-Computadora: Configuración del simulador de interfaz humano-computadora basado en iconos, orientados a objetos • El equipo de HW en el cuarto de control puede ser entendido como la interrelación de hojas e iconos usando el marco teórico de la IA • Tiene una clase de modelo de base de datos on-line que describe la estructura jerárquica del equipo humano-computadora

  31. Simulador de interfaz Humano-Computadora: Implementación a computadora de un ambiente de interacción en SEAMAID • El método de representación de un sistema de simulación en tiempo-real con el simulador dentro de todo el sistema. • Realiza la separación de la interacción del modelo del ambiente mediante dos memorias compartidas para juntar el simulador de la interfaz hombre-máquina con el simulador humano computadora para evitar el cuello de botella de transferencia de datos entre ellos: • Memoria 2: información de la posición del operador y la operación del actuador dados por el simulador humano-computadora según estos datos se calcula posicíones. • Memoria 1: Guarda los resultados obtenidos para el uso de alarmas y lectura de metros

  32. Simulador de modelo humano:Marco conceptual de modelo operador en SEAMAID • Dos modelos para describir 3 modos de el conocimiento cognitivo del operador: • Habilidades y comportamiento basado en reglas para manejar cambios en la planta según los procedimientos estándares • Comportamiento basado en conocimiento para diagnosticar anomalías por inferencia con la combinación de señales de instrumentación monitoreada y conocimiento preadquirido para la instrumentación del control de la planta y comportamiento de sistemas de control

  33. Configuración de un sistema asistido por computadora de experiencias por realidad virtual • Modelos Humanos: • Modelo del estudiante: Conocimientos y habilidades profundas • Modelo del estudiante: Debe ser construido para adquirir conocimientos y habilidades. • Interfaz VR: El estudiante real aprende en este ambiente • ITS: Educa al estudiante de la mejor forma, comparando su desempeño con el modelo del maestro

  34. Resultados de simulación del comportamiento del operador en cuarto de control virtual

  35. Comunicación mutua entre el colaborador virtual y el operador humano

  36. Comunicación mutua entre humano-máquina en la era de tecnologías de la información en siglo XXI

  37. Conversational Interface Technologies

  38. La meta de las tecnologías de conversación es cerrar el espacio entre la interacción humano-computadora y la interacción humano-humano. • Los principios básicos de la interacción humano-computadora son: • Características de los usuarios. • Tareas dentro de la conversación. • Contextos de uso para aplicaciones que emplean estas tecnologías.

  39. Características del usuario • Hablantes nativos o no-nativos. • Usuario experto vs. Casual. • Edad. • Estado físico (cansancio, humor, etc. ). • Educación.

  40. Tareas dentro de la conversación • Composición (creación de documento). • Trascripción (registro textual de la conversación). • Transacción (Más popular, completar una o más transacciones). • Colaboración (comunicación síncrona y asíncrona).

  41. Contexto de uso (físico y social) • Características del canal de audio y de dispositivos. • Contexto físico de interacción. • Contexto social.

  42. Diseño centrado en el usuario • Fuertemente recomendado. • Empieza con una definición clara del perfil del usuario meta, porque la sintaxis y el léxico puede variar tremendamente entre poblaciones de usuario diferentes. • El diseñador del sistema lleva a cabo el análisis de una tarea para entender como el usuario realiza diferentes tareas que el sistema soporta.

  43. Diseño centrado en el usuario • Como parte del esfuerzo inicial de colección de datos, el diseñador trabaja con usuarios representativos para • identificar núcleos de escenarios de tareas de usuario • definir pasos, • tipos de interacción • y palabras que los usuarios emplean para completar un conjunto de tareas. • Colección de datos se refiere al proceso de • obtener ejemplos de conversaciones en las cuales un usuario se compromete a cumplir una tarea con el sistema. • Su objetivo es definir léxicos, sintaxis, funcionalidad y rango conceptual del sistema a diseñar.

  44. Algunas tecnologías conversacionales • Automatic Speech Recognition (ASR) • Speech Synthesis • Natural Language Processing (NLP) y Natural Language Understanding (NLU). • Speaker Recognition: Verification, Identification, and Classification.

  45. Automatic Speech Recognition (ASR) • ¿Cómo funciona? • Analiza la señal acústica recibida a través de un micrófono conectado a la computadora. El usuario dicta algún texto y el micrófono capta la señal acústica como datos digitales y luego es analizado por un modelo acústico y un modelo de lenguaje. Puede ser otro dispositivo. • Existen dos clasificaciones: • Speaker-dependent. • Speaker-independent.

  46. ASR (cont…)

  47. ASR (cont…) • Capacidades y Limitaciones • Depende de las cualidades del micrófono o dispositivo. • Es mejor cuando depende de un modelo de voz del usuario. • Corrección de errores (directos, indirectos e intención). • Directos: tartamudeo, presionar la tecla incorrecta, misspeak. • Intención: cuando el usuario reformula una oración. • Indirectos: el sistema no reconoce lo que el usuario dice. • Ruido del contexto físico afecta.

  48. ASR (cont…) • Algunos lineamientos para el diseño de interfaces de aplicaciones ASR • La palabra say debe ser pronunciada para que el usuario empiece a hablar. • Si se requiere un proceso de entrenamiento debe ser hecho en el mismo contexto en donde va ser usado el sistema. • El usuario debe ser capaz de interrumpir al sistema en cualquier momento. • El sistema debe permitir al usuario que este brinde información sin ser interrumpido. • Ejemplos • Dominios como la medicina, leyes, finanzas, negocios y computación, que tiene un vocabulario restringido. • Para personas con limitaciones físicas, que no puede usar sus manos, para dictado. • Sistemas telefónicos de conversación que incluyen IVR con conversaciones directas con los usuarios. • Finanzas, reservaciones aéreas, transacciones bancarias, etc.

  49. Speech Synthesis • ¿Cómo trabaja? • Permite a dispositivos electrónicos simular el habla humano. • Se busca lograr que: • Sea entendible por los seres humanos, • que suene natural • y que sea personalizado al usuario es decir, con cierta entonación, etc.

  50. Speech Synthesis

More Related