Intelligent self-adaptation of user interface complexity in a case-based medical training system

1. Intelligent self-adaptationof user interface complexityin a case-based medicaltraining system Alexander Hörnlein, Frank Puppe

2. Motivation • Komplexität in Trainingssystemen • d3web.Train • Adaptives Hilfesystem • Intelligente Komplexitätsanpassung • Ausblick

3. Motivation • Trainingssystem d3web.Train wird seit 2004 zur Ausbildung von Studenten und Fortbildung von niedergelassenen Ärzten eingesetzt • Evaluationen zeigten Schwachpunkt:User interfaceusability • Für spezielle Aufgaben existieren keine gebräuchlichen Formulare • Auf Anhieb allgemein verständliche Interaktionsformen zu finden ist schwer • Einsteiger-Fälle die sich auf einfachere Interaktionen beschränken sind problematisch • Benutzer können nicht selbst entscheiden wann sie auf komplexere Interaktionsform umsteigen sollten.Falls Sie sich überschätzen: Demotivationfalls sie sich unterschätzen: Lernziele werden nicht erreicht • Autorenaufwand

4. Komplexität in Trainingssystemen • Informationskomplexität Struktur/Darstellung/Aufteilung/Erreichbarkeit der Inhalte, Zugriff auf externe Informationen, ... • Operationelle Komplexität Bearbeitung der verschiedenen Teilaufgaben:Untersuchungsanforderung, Auswerten der Ergebnisse, Diagnosen stellen, Behandlung wählen, Behandlung überwachen, Eingaben begründen, Wissensfragen beantworten • Navigationskomplexität Umschalten zwischen verschiedenen Teilaufgaben, Fortschreiten im Fall, Navigation zwischen Fallabschnitten

5. d3web.Train • Darstellung sehr einfacher & sehr komplexer Fälle • bzgl. Informationskomplexität • formalisierte Inhalte in übersichtlicher Darstellung • freie Inhalte in beliebiger Darstellung • bzgl. Navigationskomplexität • freie Navigation • geführter Fallablauf • Mix • bzgl. Operationelle Komplexität • verschiedene Aufgaben • alternative Darstellungen möglich

6. Adaptives Hilfesystem • verfolgt Benutzeraktionen • unterbricht und warnt bei Fehlern neue Verwendung: geänderte Fehlererkennung & Triggern von Änderungen der Oberfläche

7. Intelligente Komplexitätsanpassung • Informationskomplexität: • Keine Fehler erkennbar  keine automatische Adaption möglich • Navigationskomplexität • Fehler 1: Teilaufgabe vergessen  Konsequenz: zentrale „To-Do-Liste“ • Fehler 2: Teilaufgaben in der falschen Reihenfolge  Konsequenz: geführter Modus

8. Intelligente Komplexitätsanpassung – cont‘d. • Operationelle Komplexität,Bsp. Begriffsauswahl • HLM  LM  SM  MC  OC  text input • Fehler: Missachtung der Hierarchie-Ebenen • Konsequenz: LM • Fehler: Benutzer benötigt zu lange um Einträge zu finden • Konsequenz: SMMC • Fehler: Benutzer wählt zu viele Einträge • Konsequenz: OC • Fehler: Benutzer ändert nie Default-Einstufung  Konsequenz: Verzicht auf Einstufung

9. Intelligente Komplexitätsanpassung – cont‘d. • Operationelle KomplexitätBsp. Begründungen

10. Intelligente Komplexitätsanpassung – cont‘d. • Operationelle KomplexitätBsp. Begründungen • Besonders hohe kognitive Last • Fehler: Benutzer benutzt nur eine Kategorie • Konsequenz: Verzicht auf Kategorisierung • Fehler: Benutzer vergisst Diagnosen zu begründen oder nutzt nur aktuell sichtbare Begründungselemente • Konsequenz: Abbilden auf Liste von SM/MC/OC-Fragen

11. Ausblick • Dozentenbefragung bzgl. • didaktischem Nutzen komplexerer Aufgaben • Präferenzen • Akzeptanz von ggf. höherem Autorenaufwand • restliche Implementierung • Fehlererkennung • Evaluation • Vergleich einfacher, komplexer und adaptiver Darstellung • Vergleich on-the-fly Adaption vs. Fall-zu-Fall-Adaption vs. Benutzergesteuerter Adaption („Sie scheinen gut mit der Bedienung zurecht zu kommen. Möchten Sie ...?“)

12. Danke für Ihre Aufmerksamkeit