Скачать презентацию Seminari di Interazione Avanzata Metodi formali per la Скачать презентацию Seminari di Interazione Avanzata Metodi formali per la

d203734564cb26f7c09ad8607d211251.ppt

  • Количество слайдов: 40

Seminari di Interazione Avanzata Metodi formali per la definizione di modelli di utente Paolo Seminari di Interazione Avanzata Metodi formali per la definizione di modelli di utente Paolo Bottoni [email protected] uniroma 1. it Pictorial Computing Laboratory Dipartimento di Informatica

Argomenti • • • Utenti e Sistemi Componenti della modellazione Strutture dati per la Argomenti • • • Utenti e Sistemi Componenti della modellazione Strutture dati per la modellazione Il processo di classificazione dell’utente Applicazione al caso di studio Modelli Utente 3/17/2018 Pagina 2

Utenti e sistemi • User model – Modello utilizzato dal sistema per caratterizzare l’utente Utenti e sistemi • User model – Modello utilizzato dal sistema per caratterizzare l’utente corrente • User’s model (o user mental model) – Modello cognitivo utilizzato / supposto dall’utente Modelli Utente 3/17/2018 Pagina 3

Definizioni dei comportamenti • • Basate sui task Basate sui linguaggi Basate sulle interazioni Definizioni dei comportamenti • • Basate sui task Basate sui linguaggi Basate sulle interazioni ammesse Modello del dialogo – Macchine a stati finiti – Strutture a eventi Modelli Utente 3/17/2018 Pagina 4

Problema generale della modellazione dell’utente • Comportamento umano non strettamente dettato da leggi logiche. Problema generale della modellazione dell’utente • Comportamento umano non strettamente dettato da leggi logiche. • Assunzione di comportamento razionale degli utenti: – obiettivi da realizzare – utilizzano conoscenza per raggiungerli • Possibile genericità degli obiettivi – Creazione artistica, esplorazione di possibilità – Supporto all’handicap, sostegno ad attività quotidiane Modelli Utente 3/17/2018 Pagina 5

Adattamento fra utenti e sistemi • Adeguamento – L’utente adatta le proprie modalità di Adattamento fra utenti e sistemi • Adeguamento – L’utente adatta le proprie modalità di lavoro alle caratteristiche del sistema • Miglioramento – Diverse versioni del sistema vengono generate a seguito di studi sull’utenza • Adattabilità – L’utente modifica esplicitamente caratteristiche del sistema interattivo • Adattività – Il sistema modifica alcune proprie caratteristiche in base all’osservazione delle azioni dell’utente Modelli Utente 3/17/2018 Pagina 6

Modificabilità del sistema • • Modulazione del contenuto Disponibilità di accesso alle azioni Layout Modificabilità del sistema • • Modulazione del contenuto Disponibilità di accesso alle azioni Layout Organizzazione delle strategie di completamento Modelli Utente 3/17/2018 Pagina 7

Localizzazione del modello • Assente – L’applicazione incorpora un modello di utente come definito Localizzazione del modello • Assente – L’applicazione incorpora un modello di utente come definito dal progettista • Separata – – File di configurazione Collezione statica di dati sull’utente Base di dati aggiornabile Base di dati deduttiva Modelli Utente 3/17/2018 Pagina 8

Approccio di metamodello per gestione adattamento • Basato sulla nozione di Property • Informazioni Approccio di metamodello per gestione adattamento • Basato sulla nozione di Property • Informazioni di diversa natura strutturate in package • Definiscono interfaccia fra implementazioni specifiche e modello generale Modelli Utente 3/17/2018 Pagina 9

Modellazione di utenti • Livelli di competenza • Definizione da teorie cognitive generali – Modellazione di utenti • Livelli di competenza • Definizione da teorie cognitive generali – Belief, Desire, Intention • Uso di data mining – Cluster mining – Association rule mining – Sequential pattern mining Modelli Utente 3/17/2018 Pagina 10

Definizione di classi di utente • Definizione di criteri da parte di esperti • Definizione di classi di utente • Definizione di criteri da parte di esperti • Apprendimento automatico – Supervisionato (classi identificate a priori) – Non supervisionato • Vincolo su numero di classi • Vincolo su criteri di raggruppamento Modelli Utente 3/17/2018 Pagina 11

Componenti della modellazione • Domini • • • Dati, Relazioni Rappresentazioni • Elementi, Layout Componenti della modellazione • Domini • • • Dati, Relazioni Rappresentazioni • Elementi, Layout Task • Generici, strutturati Categorie • Accesso, Esperienza, Profili sociologici Individui • Preferenze, Similarità, Comunità Modelli Utente 3/17/2018 Pagina 12

Descrittori per profilazione utenti • Dati personali (e. g. età, genere, posizione, professione) • Descrittori per profilazione utenti • Dati personali (e. g. età, genere, posizione, professione) • Preferenze e interessi • Conoscenze e interessi • Pattern di comportamento Modelli Utente 3/17/2018 Pagina 13

Profilazione utente • Raccolta dati interazione (non intrusiva) – Log client – Log server Profilazione utente • Raccolta dati interazione (non intrusiva) – Log client – Log server – Valori introdotti durante sessione • Preferenze esplicite (diversi livelli di intrusività) – Raccolta di questionari – Scelte – Configurazioni Modelli Utente 3/17/2018 Pagina 14

Forme di adattamento sul Web • Content selection – Selezione automatica e prioritizzazione elementi Forme di adattamento sul Web • Content selection – Selezione automatica e prioritizzazione elementi più rilevanti • Navigation support – Manipolazione di hyperlink, e. g. hiding, sorting, annotating. • Presentation – Variazione forme di presentazione contenuto documento web. Brusilovsky, P. , Maybury, M. T. (2002). From adaptive hypermedia to the adaptive web. Communications of the ACM 45, 5, 30 -33. Modelli Utente 3/17/2018 Pagina 15

Conseguenze della profilazione • personal recommendation • dynamic adjustment – highlighting, creazione di nuovi Conseguenze della profilazione • personal recommendation • dynamic adjustment – highlighting, creazione di nuovi link • static page/site adjustment – in genere eseguito off-line Modelli Utente 3/17/2018 Pagina 16

Modelli cognitivi computazionali • Long-term episodic memory. – Memoria stabile di eventi significativi. – Modelli cognitivi computazionali • Long-term episodic memory. – Memoria stabile di eventi significativi. – Indirizzabile per contenuti. Episodi ritrovati da vari indizi, e. g. persona, posto, azione. • Affective reflexive memory – Associazioni istantanee e istintive. – Formata filtrando esposizione ripetuta. Modelli Utente 3/17/2018 Pagina 17

Strutture di memorizzazione per LTEM e ARM Modelli Utente 3/17/2018 Pagina 18 Strutture di memorizzazione per LTEM e ARM Modelli Utente 3/17/2018 Pagina 18

Valutazione di valenza affettiva Dimensioni affettive • Pleasure-Displeasure, e. g. , feeling happy or Valutazione di valenza affettiva Dimensioni affettive • Pleasure-Displeasure, e. g. , feeling happy or un-happy; • Arousal-Nonarousal, i. e. , heightening one’s feelings; • Dominance-Submissiveness, H. Liu P. Maes, What Would They Think? A Computational Model of Attitudes, Intelligent User Interfaces, 2004 Modelli Utente 3/17/2018 Pagina 19

Modelli BDI • • Rappresentano agenti o modelli di utente Belief: conoscenza dell’agente sullo Modelli BDI • • Rappresentano agenti o modelli di utente Belief: conoscenza dell’agente sullo stato del mondo – Insiemi di letterali • Desire: obiettivi di lungo periodo, stati del mondo da rendere veri – Piani per raggiungerli. Descritti da body, precondition, e invocation condition (trigger) • Intention: impegno a portare avanti un’azione che trasforma lo stato del mondo – Organizzati in stack, possibilmente paralleli Modelli Utente 3/17/2018 Pagina 20

Sistemi logici per BDI • • • Semantica in termini di mondi accessibili Time Sistemi logici per BDI • • • Semantica in termini di mondi accessibili Time tree indicano diramazioni del comportamento. Due mondi M 1 e M 2, possono essere uno sottoinsieme dell’altro e viceversa, essere identici o non confrontabili. Realismo: se un agente crede a una proposizione, desidererà che diventi vera Realismo forte: se un agente desidera ottenere una proposizione, crederà che essa sia una possibile scelta Realismo debole: se un agente desidera ottenere una proposizione non crederà che la sua negazione sia inevitabile. Modelli Utente 3/17/2018 Pagina 21

Esempi di time tree Modelli Utente 3/17/2018 Pagina 22 Esempi di time tree Modelli Utente 3/17/2018 Pagina 22

Requisiti di razionalità • Mantenimento di coerenza fra credenze, desideri e intenzioni, ma non Requisiti di razionalità • Mantenimento di coerenza fra credenze, desideri e intenzioni, ma non completezza. • Credenze, desideri e intenzioni non devono essere chiusi sotto le implicazioni di ognuno degli altri. Modelli Utente 3/17/2018 Pagina 23

Assiomatizzazione Inizializzazione: Differenze fra stato obiettivo e belief adottate come goal Terminazione: Comportamento agente Assiomatizzazione Inizializzazione: Differenze fra stato obiettivo e belief adottate come goal Terminazione: Comportamento agente indeterminato quando tutti obiettivi raggiunti Obbligazione: Agente deve impegnarsi a portare avanti un obiettivo Impegno comporta realizzare precondizioni per operatori adottati Goal adottati rimossi da quelli in attesa Modelli Utente 3/17/2018 Pagina 24

Mantenimento del belief Agente crede all’effetto degli operatori applicati Agente crede a osservazioni dello Mantenimento del belief Agente crede all’effetto degli operatori applicati Agente crede a osservazioni dello stato del mondo Modelli Utente 3/17/2018 Pagina 25

Coevoluzione di modelli di utente e sistema Modelli Utente 3/17/2018 Pagina 26 Coevoluzione di modelli di utente e sistema Modelli Utente 3/17/2018 Pagina 26

Specifica del sistema Modelli Utente 3/17/2018 Pagina 27 Specifica del sistema Modelli Utente 3/17/2018 Pagina 27

Specifica dell’utente • Espressa in termini di belief • Informazioni legate allo stato del Specifica dell’utente • Espressa in termini di belief • Informazioni legate allo stato del sistema • Definizione delle azioni possibili Modelli Utente 3/17/2018 Pagina 28

Conseguenze sul progetto • Modellazione comportamenti utente – Es. esplorazione casuale, ordine stretto • Conseguenze sul progetto • Modellazione comportamenti utente – Es. esplorazione casuale, ordine stretto • Identificazione comportamenti ottimali • Definizione interfaccia per supportarli • Rimozione cause di errore – Es. mantenere informazioni su link ancora da esplorare. Modelli Utente 3/17/2018 Pagina 29

Modelli in Higher Order Logic • Architettura cognitiva – Modelli di utente e di Modelli in Higher Order Logic • Architettura cognitiva – Modelli di utente e di sistema • Funzioni di history – Permettono di accedere a informazioni sugli stati passati dell’utente o del sistema Modelli Utente 3/17/2018 Pagina 30

Notazione per Higher Order Logic Modelli Utente 3/17/2018 Pagina 31 Notazione per Higher Order Logic Modelli Utente 3/17/2018 Pagina 31

Relazioni per USER Modelli Utente 3/17/2018 Pagina 32 Relazioni per USER Modelli Utente 3/17/2018 Pagina 32

Relazioni per USER Modelli Utente 3/17/2018 Pagina 33 Relazioni per USER Modelli Utente 3/17/2018 Pagina 33

Modelli per verifica comportamenti • Proprietà di correttezza 1. Per ogni possibile comportamento del Modelli per verifica comportamenti • Proprietà di correttezza 1. Per ogni possibile comportamento del sistema interattivo l’utente è in grado di raggiungere l’obiettivo principale associato allo stato 2. L’utente deve essere in grado di completare tutti i task sussidiari generati nel raggiungimento dell’obiettivo Modelli Utente 3/17/2018 Pagina 34

Post-completion error Utente naive Si comporta esattamente Al termine dell’interazione come previsto dal progettista Post-completion error Utente naive Si comporta esattamente Al termine dell’interazione come previsto dal progettista la carta l’utente non recupera Modelli Utente 3/17/2018 Pagina 35

Identificazione di errori e revisione Problema se utente ritira soldi e se ne va Identificazione di errori e revisione Problema se utente ritira soldi e se ne va prima di ritirare la carta Revisione Problema se utente seleziona servizio prima di inserire la carta Modelli Utente 3/17/2018 Pagina 36

Revisione dei modelli di utente • Architettura cognitiva per utente sofisticato (uso di conoscenza Revisione dei modelli di utente • Architettura cognitiva per utente sofisticato (uso di conoscenza sul task) Modelli Utente 3/17/2018 Pagina 37

Possibilità di design più flessibili Modellazione di dispositivi fisici Modelli Utente 3/17/2018 Pagina 38 Possibilità di design più flessibili Modellazione di dispositivi fisici Modelli Utente 3/17/2018 Pagina 38

Applicazione al caso di studio • Categorizzazione dell’utente – Turista, studioso, curatore • Rappresentazione Applicazione al caso di studio • Categorizzazione dell’utente – Turista, studioso, curatore • Rappresentazione esplicita dei task – Guide interattive • Utilizzo di agenti – Elicitazione di interessi, suggerimenti • Adattamento al contesto – Localizzazione, capacità dei dispositivi, contesto affettivo (? ) Modelli Utente 3/17/2018 Pagina 39

Riferimenti • • H. Bunt, M. Kipp, M. T. Maybury, W. Wahlster, “Fusion and Riferimenti • • H. Bunt, M. Kipp, M. T. Maybury, W. Wahlster, “Fusion and coordination for multimodal interactive information presentation”, in O. Stock, M. Zancanaro, (eds. ): Multimodal Intelligent Information Presentation, Kluwer, 325340, 2005. P. Brusilovsky, M. T. Maybury, “From adaptive hypermedia to the adaptive web”, Communications of the ACM 45(5): 30 -33, 2002. H. Liu P. Maes, “What Would They Think? A Computational Model of Attitudes”, Intelligent User Interfaces, 2004 P. Curzon, R. Rukšėnas, A. Blandford, “An approach to formal verification of human–computer interaction”, Formal Aspects of Computing, 19(4): 513 -550, 2007 Pattie Maes, Robert H. Guttman, Alexandros Moukas: Agents That Buy and Sell. Communications of the ACM 42(3): 81 -91, 1999. S. M. Brown, E Santos Jr. , S. B. Banks, M. E. Oxley, “Using Explicit Requirements and Metrics for Interface Agent User Model Correction”, P. Maes, “Agents that reduce work and information overload”, Communications of the ACM, 37(7): 811 -821, 1994. Y. Shoham, “Agent-oriented programming”, Artificial Intelligence, 60(1): 51 -92, 1993. Modelli Utente 3/17/2018 Pagina 40