1 Kognitiv modellering inom MDI mekanismer för att kunna förutspå användarens uppträdande härstammar från experimentell psykologi, AI och lingvistik

2 Långsiktiga mål med kognitiv modellering teoretiskt att öka våra kunskaper om mänsklig problemlösnings- och inlärningsförmåga praktiskt att hjälpa gränsytedesigners göra bättre gränsytor

3 Beskrivningsnivåer inom kognitiv modellering beteende kunskaps representation och algoritm lärande kognitiv arkitektur

4 Beteende-nivån [1] ofta fokus på dator-artefakters inlärningsbarhet användbarhet

5 Beteende-nivån [2] beteendeegenskaper (BP) exempel på beteende-egenskaper (behavioural properties, BP): användare utför uppgifter på förutsägbar tid konsistenta gränssnitt är lättare att lära sig och att använda GUIs är lättare att lära sig än kommando-gränssnitt expertanvändare kan ej komma ihåg kommandon i GUIs GUI-användares beteende blir positionsberoende

6 Beteende-nivån [3] beteendeegenskaper exempel på beteende-egenskaper (fortsättning): nybörjare vill helst följa instruktioner bokstavligt precist när man helt enkelt inte vet hur - utforskning av lösningsrymden expertanvändare gör ”slips”, dvs. oönskade/oplanerade handlingar användare behöver återkoppling för att få handlingar bekräftade användare hittar nya lösningar på nya problem (ibland)

7 Kunskaps-nivån [1] Newell (1980): kognitivt beteende kan analyseras som en måldriven sekvens av operator-applicering som tar problemlösaren från ett initialt tillstånd till måltillståndet Enligt Newell kan man dela upp kunskapen som utnyttjas (när en användare löser en uppgift) i sju kunskapstyper

8 Kunskaps-nivån [2] kunskapstyper mål GUI-baserade kunskapsresurser kunskap om andra metoder kunskap om färsk historia långtids-historia kunskap om operationers effekt kunskap om andra datorsystem, vardagskunskap, konceptuell kunskap

9 Representation och algoritm-nivån [1] oavsett kunskapstyp måste kunskapen i en kognitiv modell representeras mha. ett språk gränsytors användbarhet kan förutsägas med hjälp av formalisering enlig exempelvis TAG (Payne and Green, 1986) ->

10 Representation och algoritm-nivån [2]

11 Lärande-nivån lärande-heuristik adderar kunskap till långtidsminnet läs om EXPL i boken s

12 Kognitiv arktektur-nivån ramverk: kunskap + representation + lärande = beteende användningsområde: förenkla förutsägelser om interaktionsförlopp baserat på arkitekturnivå-effekter förenkla utformandet av ”breda” teorier