吞吐量和有效参数的更好定义和计算,以考虑主观的速度-准确性权衡

用户研究方法(访谈、调查、观察)

文献标题

Better Definition and Calculation of Throughput and Effective Parameters for Steering to Account for Subjective Speed-accuracy Tradeoffs

文献信息

  • 主题领域: 人机交互 (Human-Computer Interaction, HCI)
  • 关键词: 轨迹交互, 有效参数, 性能评估指标, 吞吐量, ISO9241-411, 用户行为理解

研究背景与问题

  • 发现的问题或挑战:

    1. 吞吐量(Throughput, TP)作为评价输入设备和用户性能的指标,已广泛应用于指向任务,但未完全验证其在路径引导(steering)任务中的适用性。
    2. 现有基于有效参数(如有效宽度 We 和有效幅度 Ae)的TP计算方法是否能够平滑主观速度-准确性权衡的偏差,尚未完整评估。
    3. 具体路径形状(如线性、圆形、正弦波路径)对TP的影响尚存疑,特别是在用户具有不同速度-准确性偏差的情况下。
  • 研究的重要性: 研究TP对不同路径形状和用户主观偏差的稳定性具有重要意义,以提升评价输入设备和用户性能的准确性,指导图形用户界面(Graphical User Interface, GUI)的设计。

  • 研究动机与相关工作:

    • 通过改进TP计算方法,使其能够更好地反映用户在路径引导任务中的实际操作表现,并提升多任务偏差下的模型稳定性。
    • 前人研究已证实有效宽度对MT(移动时间)的预测能力有改善作用,但未全面探讨有效幅度在路径引导和TP稳定性中的作用。

解决方案

  • 提出的方法:

    1. 基于有效参数理论,改进路径引导任务的TP定义和模型适配。
    2. 提出了一种通用方法来计算有效宽度 We 和有效幅度 Ae,分别表示路径外偏差和实际运动幅度。
    3. 通过实验验证在不同路径形状和速度-准确性偏差下这些方法的适用性。
  • 创新点:

    1. 理论上将较为成熟的Fitts定律和有效参数扩展至路径引导任务,并对其适配度和TP平滑性能进行了首次实证验证。
    2. 在正弦波和圆形路径任务中首次评估了有效幅度(Ae)及其对模型适配度的提升作用。
    3. 提出基于路径引导任务中有效宽度和有效幅度的吞吐量TPwe和TPe,为比较输入设备提供更公平的指标。
  • 实施步骤:

    1. 定义并公式化有效宽度 We 和有效幅度 Ae。
    2. 设计三个独立的路径任务实验(线性、圆形、正弦波路径),每个实验检验不同速度-准确性偏差(准确、正常、快速)。
    3. 使用线性回归验证模型拟合度,通过ANOVA评估因素主效应,并引入吞吐量稳定性指标。

研究成果

  • 具体成果:

    1. 有效宽度 (We):
      • 在所有路径形状中,We 能有效平滑速度-准确性偏差对TP的影响。
    2. 有效幅度 (Ae):
      • Ae 对圆形路径任务中的模型拟合度和任务间稳定性有显著改善。
      • 然而,在其他形状中,Ae 对平滑主观偏差的作用较小。
    3. 最佳路径形状:
      • 正弦波路径因其无遮挡问题及稳定的速度-位置变化,被建议作为设备对比实验的标准路径形状。
    4. TP稳定性:
      • 对比传统TPn,新定义的TPwe和TPe 更适合不同偏差和路径形状的用户性能比较。
  • 与现有解决方案相比的优势:

    • 相比传统TP定义,改进后的有效参数模型显著提升了多任务条件下TP的稳定性和公平性。
    • 引入了对复杂路径形状任务(如正弦波)用户性能的全面评估。
  • 实验或评估结果:

    1. 三个实验均证实使用 We 的 TPwe 平滑了主观速度-准确性偏差。
    2. 在圆形路径中引入 Ae 改进了对大型路径任务的性能预测。
    3. 正弦波路径的整体TP稳定性最高,建议用于输入设备评估实验。
  • 局限性与未来方向:

    1. 本研究仅验证了线性、圆形和正弦波任务,其他复杂路径形状(如逐渐变窄路径、带拐角路径)的验证尚未完成。
    2. 未深入讨论路径曲率和波长等变量对TP和用户行为的影响。
    3. 未来需探索其他触控输入设备和用户群体(如老年人)的性能差异。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147190/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642084
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
用户研究方法(访谈、调查、观察)
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
3 篇相关论文