Metodi formali per la definizione di modelli di utente Seminari di Interazione Avanzata Paolo Bottoni Pictorial Computing Laboratory.

Presentazione sul tema: "Metodi formali per la definizione di modelli di utente Seminari di Interazione Avanzata Paolo Bottoni Pictorial Computing Laboratory."— Transcript della presentazione:

1 Metodi formali per la definizione di modelli di utente Seminari di Interazione Avanzata Paolo Bottoni bottoni@di.uniroma1.it Pictorial Computing Laboratory Dipartimento di Informatica

2 25/01/2014Modelli UtentePagina 2 Argomenti Utenti e Sistemi Componenti della modellazione Strutture dati per la modellazione Il processo di classificazione dellutente Applicazione al caso di studio

3 25/01/2014Modelli UtentePagina 3 Utenti e sistemi User model –Modello utilizzato dal sistema per caratterizzare lutente corrente Users model (o user mental model) –Modello cognitivo utilizzato / supposto dallutente

4 25/01/2014Modelli UtentePagina 4 Definizioni dei comportamenti Basate sui task Basate sui linguaggi Basate sulle interazioni ammesse Modello del dialogo –Macchine a stati finiti –Strutture a eventi

5 25/01/2014Modelli UtentePagina 5 Problema generale della modellazione dellutente 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 allhandicap, sostegno ad attività quotidiane

6 25/01/2014Modelli UtentePagina 6 Adattamento fra utenti e sistemi Adeguamento –Lutente adatta le proprie modalità di lavoro alle caratteristiche del sistema Miglioramento –Diverse versioni del sistema vengono generate a seguito di studi sullutenza Adattabilità –Lutente modifica esplicitamente caratteristiche del sistema interattivo Adattività –Il sistema modifica alcune proprie caratteristiche in base allosservazione delle azioni dellutente

7 25/01/2014Modelli UtentePagina 7 Modificabilità del sistema Modulazione del contenuto Disponibilità di accesso alle azioni Layout Organizzazione delle strategie di completamento

8 25/01/2014Modelli UtentePagina 8 Localizzazione del modello Assente –Lapplicazione incorpora un modello di utente come definito dal progettista Separata –File di configurazione –Collezione statica di dati sullutente –Base di dati aggiornabile –Base di dati deduttiva

9 25/01/2014Modelli UtentePagina 9 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

10 25/01/2014Modelli UtentePagina 10 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

11 25/01/2014Modelli UtentePagina 11 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

12 25/01/2014Modelli UtentePagina 12 Componenti della modellazione Domini Dati, Relazioni Rappresentazioni Elementi, Layout Task Generici, strutturati Categorie Accesso, Esperienza, Profili sociologici Individui Preferenze, Similarità, Comunità

13 25/01/2014Modelli UtentePagina 13 Descrittori per profilazione utenti Dati personali (e.g. età, genere, posizione, professione) Preferenze e interessi Conoscenze e interessi Pattern di comportamento

14 25/01/2014Modelli UtentePagina 14 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

15 25/01/2014Modelli UtentePagina 15 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.

16 25/01/2014Modelli UtentePagina 16 Conseguenze della profilazione personal recommendation dynamic adjustment –highlighting, creazione di nuovi link static page/site adjustment –in genere eseguito off-line

17 25/01/2014Modelli UtentePagina 17 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.

18 25/01/2014Modelli UtentePagina 18 Strutture di memorizzazione per LTEM e ARM

19 25/01/2014Modelli UtentePagina 19 Valutazione di valenza affettiva Dimensioni affettive Pleasure-Displeasure, e.g., feeling happy or un-happy; Arousal-Nonarousal, i.e., heightening ones feelings; Dominance-Submissiveness, H. Liu P. Maes, What Would They Think? A Computational Model of Attitudes, Intelligent User Interfaces, 2004

20 25/01/2014Modelli UtentePagina 20 Modelli BDI Rappresentano agenti o modelli di utente Belief: conoscenza dellagente 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 unazione che trasforma lo stato del mondo –Organizzati in stack, possibilmente paralleli

21 25/01/2014Modelli UtentePagina 21 Sistemi logici per BDI Semantica in termini di mondi accessibili Time tree indicano diramazioni del comportamento. Due mondi M1 e M2, possono essere uno sottoinsieme dellaltro 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.

22 25/01/2014Modelli UtentePagina 22 Esempi di time tree

23 25/01/2014Modelli UtentePagina 23 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.

24 25/01/2014Modelli UtentePagina 24 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

25 25/01/2014Modelli UtentePagina 25 Mantenimento del belief Agente crede alleffetto degli operatori applicati Agente crede a osservazioni dello stato del mondo

26 25/01/2014Modelli UtentePagina 26 Coevoluzione di modelli di utente e sistema

27 25/01/2014Modelli UtentePagina 27 Specifica del sistema

28 25/01/2014Modelli UtentePagina 28 Specifica dellutente Espressa in termini di belief Informazioni legate allo stato del sistema Definizione delle azioni possibili

29 25/01/2014Modelli UtentePagina 29 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.

30 25/01/2014Modelli UtentePagina 30 Modelli in Higher Order Logic Architettura cognitiva –Modelli di utente e di sistema Funzioni di history –Permettono di accedere a informazioni sugli stati passati dellutente o del sistema

31 25/01/2014Modelli UtentePagina 31 Notazione per Higher Order Logic

32 25/01/2014Modelli UtentePagina 32 Relazioni per USER

33 25/01/2014Modelli UtentePagina 33 Relazioni per USER

34 25/01/2014Modelli UtentePagina 34 Modelli per verifica comportamenti Proprietà di correttezza 1.Per ogni possibile comportamento del sistema interattivo lutente è in grado di raggiungere lobiettivo principale associato allo stato 2.Lutente deve essere in grado di completare tutti i task sussidiari generati nel raggiungimento dellobiettivo

35 25/01/2014Modelli UtentePagina 35 Post-completion error Utente naive Al termine dellinterazione lutente non recupera la carta Si comporta esattamente come previsto dal progettista

36 25/01/2014Modelli UtentePagina 36 Identificazione di errori e revisione Revisione Problema se utente seleziona servizio prima di inserire la carta Problema se utente ritira soldi e se ne va prima di ritirare la carta

37 25/01/2014Modelli UtentePagina 37 Revisione dei modelli di utente Architettura cognitiva per utente sofisticato (uso di conoscenza sul task)

38 25/01/2014Modelli UtentePagina 38 Possibilità di design più flessibili Modellazione di dispositivi fisici

39 25/01/2014Modelli UtentePagina 39 Applicazione al caso di studio Categorizzazione dellutente –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 (?)

40 25/01/2014Modelli UtentePagina 40 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, 325- 340, 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.