Мезенков А Шибанов С

Мезенков А.А., Шибанов С.В.
Пензенский государственный университет
АДАПТАЦИЯ ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА ИНФОРМАЦИОННОЙ СИСТЕМЫ К ХАРАКТЕРИСТИКАМ ПОЛЬЗОВАТЕЛЯ
Понятие адаптивного пользовательского интерфейса.Интерфейс имеет большое значение для любой
программной системы и является неотъемлемой ее составляющей, ориентированной, прежде всего, на
конечного пользователя. Пользовательский интерфейс предназначен для обеспечения взаимодействия
между пользователем и процессом, выполняющим некоторое задание - прикладной программой. Задачами
данного взаимодействия является передача информации, входных данных, от пользователя прикладной
программе и выходных данных, результатов работы программы, пользователю.
Современные информационные системы становятся все более сложными и, кроме того, пользователям
зачастую приходится
использовать все возрастающее количество различных программных продуктов,
что не может не сказаться на эффективности взаимодействия конечного пользователя с информационной
системой. Решением данной проблемы является использование адаптивных пользовательских интерфейсов.
Под адаптивным пользовательским интерфейсом понимают взаимосвязанную совокупность программных
и технических средств, позволяющую конечному пользователю наиболее эффективно использовать все
предоставленные системой возможности путем автоматической настройки интерфейса под конкретного
пользователя. Адаптивные системы обнаруживают общие пользовательские задачи и делают эти задачи
более доступными [2]. Самый простой пример таких систем – системы, создающие списки недавно открытых файлов, наиболее часто используемых приложений,
история посещения страниц в интернете,
статистика запросов в поисковых системах, различные рекомендательные системы. Именно от интерфейса зависит эффективность деятельности пользователя, а соответственно и эффективность использования системы, поэтому задача создания адаптивного интерфейса весьма актуальна.
Подходы к адаптации пользовательского интерфейса.Настройка функциональных возможностей и параметров интерфейса может осуществляться либо вручную самим пользователем, либо автоматически системой, на основании имеющейся информации о пользователе.
Для обеспечения возможности ручного редактирования интерфейса в системе должны присутствовать
средства, позволяющие пользователю изменять меню, добавлять макрокоманды, панели инструментов,
назначать действия кнопкам панелей инструментов и т. п. Недостаток данного подхода заключается в
необходимости пользователя быть достаточно хорошо знакомым, как с самой системой, так и со средствами, позволяющими изменять ее интерфейс.
При автоматическом подходе сама система изменяет интерфейс для пользователя, согласно его потребностям. Система создает модель пользователя, на основании которой и выстраивается процесс
адаптации. Однако такие системы могут вызвать у пользователя чувство потери контроля, возможны
некоторые неточности в предсказании желаний и поведения пользователя, поэтому для представления
пользователю свободы управления система должна спрашивать его о принятии тех или иных изменений,
за пользователем остается право принять или отклонить адаптационные изменения. Основу адаптивных
систем при автоматическом подходе составляет модель пользователя.
Модели пользователя и способы их построения.Модель пользователя представляет собой совокупность сведений о пользователе, благодаря которым происходит адаптация системы к пользователю для
прогнозирования целей пользователя, предпочтений или опознания образцов поведения. Модель пользователя - ключевая часть адаптивного интерфейса, которая представляет те особенности пользователя,
которые являются важными для адаптации. Сбор информации о пользователе происходит либо явно через
анкетирование, тесты, либо неявно, через наблюдение за действиями пользователя.
При построении модели пользователя могут использоваться индивидуальный или стереотипный подход. При стереотипном подходе используется предполагаемая принадлежность пользователя к определенной модели, количество которых строго ограниченно. Обычно создают несколько моделей пользователей. И. Бомон выделяет 3 модели: «модель новичка», «модель продвинутого пользователя» и «модель
эксперта» [6]. Если каждому пользователю системы соответствует своя модель, отличная от других
моделей пользователей, то такой подход является индивидуальным. Для каждого пользователя собирается статистика его действий в системе, и на ее основании принимается решение о возможных изменениях интерфейса, которые могут помочь обеспечить более удобное и эффективное использование системы данным пользователем.
Модель пользователя может быть статичной, т. е. информация, представляющая пользователя, не
меняется со временем, либо динамической, информация в ней может быть изменена, соответственно
текущим потребностям пользователя. В динамических моделях интересы делятся на долгосрочные, которые не меняются со временем, и краткосрочные, которые часто меняются. Так как краткосрочные интересы часто изменяются, о них трудно собирать информацию, и в целом их труднее выделять по сравнению с долгосрочными интересами.
Обычно модели пользователя строятся путем приписывания весов ключевым словам, которые представляют интересы пользователя. Также они могут быть построены с использованием семантических
сетей и ассоциативных правил. Модели на основе ключевых слов легче всего построить, но они требуют большое количество информации о пользователе. Модели на основе ключевых слов строятся извлечением подходящих ключевых слов из документов, представляющих интерес для пользователя, или предоставляются самим пользователем явно. Например, документы, представляющие интерес для пользователя
извлекаются из истории браузера, закладок и загруженных файлов.
Извлеченным ключевым словам после приписывается вес, и этот вес означает степень заинтересованности пользователя в данной теме. Так, каждая пара может использоваться для представления модели интересов пользователя. Другой подход может заключать в группировании ключевых слов по множествам и формировании модели интересов пользователя из этих множеств. Также существуют модели
интересов пользователя на основе анализа понятий. Главное их отличие от моделей на основе ключевых слов в том, что вектор интересов содержит понятия, а не ключевые слова.
Существует множество систем, строящих модель пользователя, но большинство из них, в основном
предназначено для извлечения информации о пользователе из посещенных им web-страниц или просмотренных файлов. Такие системы могут быть использованы в рекомендательных системах, системах адаптации результатов поиска и других системах, где требуется информация об общих интересах пользователя, а не об его взаимодействии с конкретной системой в целях изменения ее интерфейса.
Построение профиля, основанного на терминах, извлекаемых из веб страниц, посещенных пользователем характерно системе Amalthea [7]. Каждому термину отдельно проставляется вес. Эта система
строит только один вектор интересов и не имеет различия для долгосрочных и краткосрочных интересов, также система использует информацию, предоставляемую непосредственно пользователем. В системе PEA профиль пользователя представлен множеством векторов интересов, где каждый вектор пред-
ставляет один из множества интересов пользователя. Каждая страница, добавленная в закладки, представляет собой интересы пользователя, так на одну страницу строится один вектор интересов. Но
утверждение о том, что пользователь добавляет в закладки все страницы, содержащие его интересы,
достаточно слабо, но, тем не менее, использование нескольких векторов интересов делает профиль
более точным [8]. Другая технология построения применяется в WebPersonae, там используется n последних посещенных страниц и строится вектор частоты упоминания терминов. После этот вектор берется в качестве текущих интересов пользователя. Следует упомянуть метод, который строит профиль
пользователя, используя иерархию понятий. Классифицирует страницы, посещенные пользователем по
нескольким категориям, учитывая время, проведенное на страницах. Данный метод используется в системе OBIWAN [9].
Традиционно адаптация в адаптивных системах была основана на принятии во внимание различных
характеристик пользователей, представленных в модели пользователя [1, 3]. В настоящее время ситуация другая: адаптивные системы должны быть способны адаптироваться не только к характеристикам
пользователя. Предлагается различать адаптацию к данным пользователя (userdata), рабочим характеристикам (usagedata) и данным окружения (environmentdata) [1]. Данные пользователя включают различные характеристики пользователей. Рабочие характеристики включают данные о взаимодействии
пользователя с системами, которые не могут быть сведены к характеристикам пользователя (но все
еще могут использоваться для принятия решений адаптации). Данные окружения включают все аспекты
пользовательского окружения, которые не связаны с пользователями непосредственно.
Адаптация к данным пользователя.Имеется много особенностей, связанных с текущим контекстом работы пользователя и с пользователем как индивидуумом, которые могут быть приняты во внимание
адаптивной системой. Адаптивные системы должны использовать следующие характеристики пользователя: знания, цели, подготовка, опыт, предпочтенияи индивидуальныеособенностипользователя.
Знание пользователем темы, представленной в предметной области наиболее важная характеристика
пользователя для адаптивных систем. Почти все технологии адаптивногопредставления полагаются на
знание пользователя как источник адаптации. Поскольку знание пользователя непостоянно и изменчиво
для отдельного пользователя, адаптивная информационная система должна распознавать изменения в
состоянии знания пользователя и соответственно обновлять модель.
Знание пользователем темы наиболее часто представляется оверлейной моделью(overlaymodel), которая основана на структурной модели предметной области [5]. Структурная модель (structuralmodel)
представляется как множество связанных между собой понятий, формирующих своего рода семантическую
сеть, которая представляет структуру предметной области. Понятия могут называться по-разному в
различных системах — темами, разделами, элементами знания, объектами, результатами обучения, но
во всех случаях они являются элементарными частями знания для данной предметной области. Смысл
оверлейной моделисостоит в том, чтобы представить знание темы индивидуальным пользователем как
перекрытие («оверлей») модели предметной области. Для каждого понятия модели области оверлейная
модель индивидуума хранит некоторое значение, которое является оценкой уровня знаний пользователем этого понятия. Это может быть двоичное значение (известное — неизвестное), качественная мера
(хорошее — среднее — плохое) или количественная мера, типа вероятности того, что пользователь
знает понятие. Оверлейная модель знаний пользователя может быть представлена как набор пар «понятие — значение», по одной паре для каждого понятия области. Оверлейные модели мощны и гибки, они
могут независимо измерять знание пользователем различных тем.
Иногда используется более простая стереотипная модель(stereotypemodel) пользователя для представления его знаний [1, 3]. Стереотипная модель различает несколько типовых, или «стереотипных»
пользователей. Для каждого аспекта моделирования пользователя система может иметь набор возможных
стереотипов (шаблонов). Конкретный пользователь обычно моделируется с помощью причисления к одному из стереотипов для каждого аспекта моделирования. Стереотипная модель пользователя также может
быть представлена как набор пар «стереотип—значение», где значение может быть не только «истиной»
или «ложью» (что означает, что пользователь принадлежит или не принадлежит стереотипу), но и равняться некоторому вероятностному значению (которое представляет вероятность того, что пользователь принадлежит стереотипу). Стереотипная модель более простая и менее мощная, чем оверлейная
модель, но она также более общая и намного проще для инициализации и обслуживания.
Проблема со стереотипной моделью знаний состоит в том, что многиеэффективные технологии адаптации требуют более мелкомодульной оверлейной модели. В свою очередь, оверлейная модель пользователя имеетпроблему инициализации, поскольку очень трудно установить все значенияпосле короткого
интервью с новым пользователем. Хорошие результатымогут быть достигнуты путем комбинации стереотипного и оверлейногомоделирования. Они могут быть объединены следующим способом: в начале работы
для классифицирования нового пользователя и установленияначальных значений для оверлейной модели
используется стереотипноемоделирование, затем используется обычная оверлейная модель.
Цель пользователя или задача пользователя — характеристика, связанная с контекстом работы
пользователя в адаптивных системах. В зависимости от вида системы, это можетбыть цель работы (в
информационных системах), цель поиска (в информационно-поисковых системах), решение задач или
цель обучения (в адаптивных системах обучения). Цель пользователя — наиболее изменчивая характеристика пользователя: почти всегда она изменяется от сеанса к сеансу и частоможет изменяться несколько раз в пределах одного сеанса работы. В некоторых системах разумно различать локальные
цели, или цели нижнегоуровня, которые могут изменяться весьма часто, и общие цели, или целивысшего уровня, которые являются более устойчивыми.
Текущая цель пользователя обычно моделируется способом, несколько подобным оверлейному моделированию знаний. Как правило, каждая система поддерживает набор возможных целей или задач пользователя, которые она может распознавать. Более развитые «цель-основанные» системы используют расширенное представление возможных и текущих целей пользователя. Наиболее расширенное представление
возможных целей пользователя — иерархия (дерево) задач. Наиболее расширенное представление текущих целей пользователя — набор пар «цель—значение», где значение — вероятность того, что соответствующая цель — текущая цель пользователя.
Две особенности пользователя, которые сходны со знанием пользователем предметной области, но
функционально отличаются от него, — подготовка и опытпользователя в данной адаптивной информационной системе. Под подготовкой пользователяпонимаетсявсяинформация, связанная с предыдущим опытом
пользователя вне предметной области информационной системы, достаточно уместная для рассмотрения.
Например, профессию, опыт работы в связанных областях, а также точку зрения и перспективы пользователя.
Под опытом пользователя понимается знание пользователем структуры информационной системы и его
навигационные возможности. Это не то же самое, что знание пользователем предметной области. Иногда пользователь, который хорошо знаком непосредственно с обрабатываемыми данными, вообще не зна-
ком со структурой информационной системы. Наоборот, пользователь можетбыть хорошо знаком со
структурой без глубокого знания предметной области. Еще одна причина отличать опыт от уровнязнаний — существование технологии адаптивной навигации, которая полагается на эту особенность пользователя. Подготовка и опыт обычно такжемоделируются стереотипной моделью пользователя.
По различным причинам пользователь может предпочитатьрасположение и стили элементов пользовательского интерфейса, а также настройки информационной системы. Эти предпочтения могут быть абсолютными или относительными, т. е. зависящими от текущего состояния обрабатываемых данных.
Предпочтения пользователя отличаются от других компонентов модели пользователя по нескольким
аспектам. В отличие от других компонентов, предпочтения не могут быть выведены системой. Пользователь долженсообщить системе непосредственно или косвенно (простой обратной связью) о своих
предпочтениях. Это больше похоже на адаптируемость, чем наадаптивность. Отличие в том, что адаптивные системы могутвыводить предпочтения пользователя и применять их для адаптации в новых бизнес-процессах работы информационной системы.
Другая специфическая особенность моделирования предпочтений —способ представления. В то время
как другие части модели пользователяобычно представляются символически, предпочтения часто представляютсячисленно и рассчитываются специальными способами. Цифровой способпредставления имеет
некоторые преимущества перед символическим способом: он открывает возможность объединения нескольких моделей пользователей и их суммирования в групповую модель пользователей. Групповые модели накапливают предпочтения определенной группы и таким образом являются хорошей стартовой моделью для нового члена группы.
Индивидуальные особенности пользователя — характеристики пользователя, которые определяют
пользователя как индивидуума, например, индивидуальные показатели (интроверт — экстраверт), познавательные факторы и стиль обучения. Подобно подготовке пользователя, индивидуальные особенности — стабильная характеристика пользователя, которая не изменяется вообще или изменяется в течение длительного периода времени. В отличие от подготовки пользователя, индивидуальные особенности
традиционно извлекаются не простым интервью, а специально разработанными психологическими тестами. Большинство исследователей соглашается с необходимостью моделирования и использования индивидуальных особенностей, но разногласия возникают насчет того, какие особенности могут и должны
использоваться и как их использовать. Кроме того, несколько экспериментальных исследований, проводимых с целью выяснить, есть ли смысл обрабатывать пользователей с различными индивидуальными
особенностями по-разному, не выявили никаких существенных различий.
Адаптация к данным окружения.Адаптация к окружению пользователя — новый вид адаптации [1]. Поскольку пользователи одной и той же информационной системы могут постоянно находиться всюду, а
также использовать различное оборудование, адаптация кокружению пользователя стала важной задачей. Современные адаптивные системы должны содержать технологии для адаптации как к местонахождению пользователя, так и к платформе пользователя (аппаратные средства, программное обеспечение,
пропускная способность сети).
Заключение.После того, как модель пользователя построена, начинается процесс собственно адаптации. В зависимости от системы и от представляемых ей возможностей алгоритмы адаптации могут
сильно отличаться друг от друга, общим между ними является то, что результат их работы всегда
направлен на повышение эффективности взаимодействия пользователя и информационной системы.
Последним шагом процесса адаптации интерфейса является введение результатов адаптации в работающую систему, при этом следует учитывать, что резкие изменения в интерфейсе системы могут вызвать недовольство пользователей, поэтому нужно предупреждать пользователя о принятых адаптациях
и давать ему возможность принимать решение относительно принятия или отклонения предложенных изменений.
ЛИТЕРАТУРА
1. Brusilovsky P. Adaptive Hypermedia // User Modeling and User-Adapted Interaction. — 2001. —
Vol. 11. — P. 87–110.
2. Ходаков В.Е., Пользовательский адаптивный интерфейс: задачи исследования и построения //
Восточно-Европейский журнал передовых технологий №2, 2004. – С. 20-29.
3. Brusilovsky P. Efficient techniques for adaptive hypermedia // Lect. Notes. Comput. Sci. —
1997. — Vol. 1326 — P. 12–30.
4. J. M. Gowan, A Multiple Model Approach to Personalised Information Access, 2003. Master
Thesis in computer science, Faculty of Science, University College of Dublin.
5. De Bra P., Brusilovsky P., Houben G.-J. Adaptive Hypermedia: From Systems to Framework //
ACM Computing Surveys. — 1999. — Vol. 31, № 4.
6. Денинг В., Диалоговая система «человек-ЭВМ». Адаптация к требованиям пользователя – М.: Мир
1984. – 110 с.
7. AlexandrosMoukas, Amalthaea: An evolving multi-agent information filtering and discovery
system for the www. AutonomousAgentsandMulti-AgentSystems, 1(1):59-88, 1998.
8. Matthew Montebello, Evolvable intelligent user interface for www knowledge-based systems.
In IDEAS, 224-233, 1998.
9. Susan Gauch, Profusion: Intelligent fusion from multiple, distributed search engines.
JournalofUniversalComputerScience, 2:637-649, 1996.