Model Kognitif Interaksi

Model kognitif menjelaskan dan memprediksi bagaimana manusia mempersepsikan, berpikir, dan bertindak saat menggunakan sistem interaktif, memungkinkan analis untuk memperkirakan kinerja seperti waktu tugas sebelum pengguna mana pun diuji.

Definition

Model kognitif interaksi adalah deskripsi formal atau kuantitatif dari proses perseptual, kognitif, dan motorik manusia yang terlibat dalam penggunaan suatu sistem, yang digunakan untuk menjelaskan interaksi dan untuk memprediksi ukuran seperti waktu penyelesaian tugas tanpa pengujian empiris.

Scope

Topik ini mencakup model analitis kinerja manusia dalam interaksi: model prosesor manusia, keluarga GOMS dan model tingkat penekanan tombol untuk memprediksi waktu tugas ahli, serta hukum kinerja motorik dan perseptual seperti hukum Fitts dan hukum Hick-Hyman. Topik ini membahas bagaimana model-model ini memprediksi efisiensi dan menginformasikan pilihan desain. Topik ini tidak mencakup metrik empiris yang dikumpulkan dari pengguna, yang dibahas dalam metrik dan pengukuran kegunaan, maupun detail tingkat perangkat dari penunjuk, yang dibahas dalam teknik masukan dan interaksi.

Core questions

• Bagaimana waktu penyelesaian tugas dapat diprediksi sebelum membangun atau menguji antarmuka?
• Apa yang dikatakan hukum Fitts tentang waktu untuk memperoleh target?
• Bagaimana keluarga GOMS menguraikan tugas menjadi tujuan, operator, metode, dan aturan pemilihan?
• Apa kekuatan dan batasan model kognitif prediktif?

Key concepts

• model prosesor manusia
• GOMS
• model tingkat penekanan tombol
• hukum Fitts
• hukum Hick-Hyman
• pemodelan kinerja prediktif
• waktu tugas ahli
• operator dan metode

Key theories

GOMS dan model tingkat penekanan tombol

GOMS menganalisis kinerja tugas terampil sebagai tujuan, operator, metode, dan aturan pemilihan; anggota paling sederhananya, model tingkat penekanan tombol, memprediksi waktu eksekusi ahli dengan menjumlahkan durasi perkiraan tindakan dasar seperti penekanan tombol, penunjuk, dan persiapan mental.

Hukum Fitts

Waktu untuk bergerak ke dan memperoleh target meningkat dengan jarak dan menurun dengan ukuran target dalam hubungan logaritmik, memberikan desainer dasar kuantitatif untuk menentukan ukuran dan menempatkan kontrol interaktif.

Model prosesor manusia

Card, Moran, dan Newell memodelkan manusia sebagai prosesor perseptual, kognitif, dan motorik yang berinteraksi dengan kapasitas dan waktu siklus karakteristik, memberikan dasar untuk perkiraan rekayasa kinerja interaksi.

Clinical relevance

Model kognitif memungkinkan desainer membandingkan alternatif antarmuka secara analitis, misalnya memperkirakan tata letak menu atau penempatan kontrol mana yang lebih cepat, tanpa melakukan studi untuk setiap opsi; hukum Fitts khususnya memandu ukuran dan penempatan target dalam antarmuka grafis dan sentuh.

History

Buku Card, Moran, dan Newell tahun 1983 membawa psikologi kognitif untuk diterapkan pada desain antarmuka, dibangun di atas model tingkat penekanan tombol yang diterbitkan pada tahun 1980 dan pada hukum gerakan terarah Fitts tahun 1954. Keluarga GOMS kemudian dibandingkan dan diperluas oleh John dan Kieras, dan pemodelan prediktif tetap menjadi alat untuk evaluasi analitis di samping metode empiris.

Key figures

• Stuart K. Card
• Thomas P. Moran
• Allen Newell
• Paul M. Fitts
• Bonnie E. John
• David E. Kieras

Seminal works

• card1983
• card1980
• fitts1954

Frequently asked questions

Untuk apa hukum Fitts digunakan dalam desain antarmuka?

Hukum Fitts memprediksi berapa lama waktu yang dibutuhkan untuk menunjuk target berdasarkan jarak dan ukuran target. Desainer menggunakannya untuk membuat kontrol yang sering digunakan lebih besar atau menempatkannya di tepi dan sudut layar, yang secara efektif mudah dijangkau, sehingga mengurangi waktu dan upaya penunjuk.

Kapan model kognitif prediktif lebih berguna daripada pengujian pengguna?

Model prediktif seperti model tingkat penekanan tombol paling berguna pada tahap awal atau saat membandingkan banyak varian desain, karena model ini memperkirakan waktu kinerja ahli secara murah dan cepat tanpa merekrut pengguna. Model ini melengkapi pengujian, yang masih diperlukan untuk menangkap pembelajaran, kesalahan, dan perilaku dunia nyata yang disederhanakan oleh model.