Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.
ISBN 5-03-001815-8
Скачать (прямая ссылка):
Стохастическая сеть типа PERT, учитывающая сделанные выше предположения, показана на рис. 4.13, а, где процессы кодирования обозначены еь е%, процессы сравнения — сь с2, а процесс формирования реакции — через г*. Воспользовавшись методами работы [19], можно легко перейти к ДПСП.
Если параметры интенсивности для процессов кодирования, сравнения и формирования реакции известны, можно воспользоваться теоремой 1 и вычислить ожидаемое время реакции Е[Г] для задачи с предъявлением i стимулов, среди которых присутствует эталон. Так, если предъявляются два стимула, теорему 1 можно применить непосредственно к диаграмме на рис. 4.13,6» Рассмотрим случай прекращения поиска при обнаружении эталона. Ожидаемое время реакции при этом является просто суммой взвешенных средних времен реакции для случаев отсутствия эталона ?[Га/]. Если допустить также, что вероят-
254 Глава 4
ность того, что эталон является i-м стимулом, не зависит от i, получим выражение
?[M=27?[7'-.J-
1=1
Заметим, что предположение о независимости времени реакции от типа реакции (наличие или отсутствие эталона) выполняется не всегда, поэтому может потребоваться модификация рассмотренной модели.
Если параметры интенсивности не известны, их следует оценить по данным, полученным в эксперименте. Конкретный метод
с,
о •—*—-? >-« г
е! е2 С2 Г1 а
S3 S5
6
Рис. 4.13. Сеть типа PERT для модели визуального поиска (а) и диаграмма порядка следования процессов (б).
оценивания выбирается из условий эксперимента. Допустим, что время реакции определялось при показе 1, 2, 3 и 4-го стимулов как при наличии среди них эталона, так и при его отсутствии. Это дает восемь различных условий. Допустим, что одновременно могут выполняться четыре сравнения, что параметры интенсивности кодирования %е и сравнения Хс не зависят от очередности появления стимулов и что имеется единственный параметр интенсивности реакции %п- Пусть tai, tPl —наблюдаемые в эксперименте времена реакции соответственно прн наличии и отсутствии эталона, i — количество элементов. Тогда представляется разумным принять в качестве оценок такие зна-
Стохастические сетевые модели
255
чения Ке, Я- с и Хг, которые будут минимизировать сумму квадратов отклонения фактических и ожидаемых значений:
Jj {(? Ра.}- tat)2+{E [TPi]-tPl)*}.
Качество приближения можно оценить, сравнивая эту сумму с дисперсией всех наблюдений.
Визуальный поиск: выделение слов на экране видеотерминала
Полученная в предыдущем пункте модель весьма широко применяется на практике, поскольку визуальный поиск входит составной частью в большинство типов взаимодействия человек — машина. Рассмотрим, например, исследование, представляющее интерес для производителей вычислительной техники. Экраны видеотерминалов становятся все более разнообразными, слова на них могут быть выделены самыми разными способами: шрифтами, инверсным изображением, яркостью, цветом и мерцанием. Целью выделения слов является уменьшение среднего времени поиска, но эта цель может войти в противоречие с чересчур широким применением выделения, поэтому разработчикам программного обеспечения необходимо знать, с какого момента выделение начинает не только не ускорять, но, напротив, замедлять процесс поиска.
Рассмотренная в предыдущем подразделе модель может быть применена для определения оптимального числа выделяемых слов для данного меню, подсказки или другого типа визуализации. Процедура применения модели такова. Пусть Я—множество выделяемых слов для данного меню т, М — множество слов меню т, S — множество слов, поиск которых ведется при просмотре меню. Таким образом, 5 является множеством потенциальных эталонов при поиске в меню т. Положим для простоты, что множество 5 содержит всего одно слово. Определим PW{ как вероятность события, состоящего в том, что слово Wi является целью для меню т, и будем считать эту вероятность известной. Определим ?[7{|1Ю*] как среднее время поиска при условии, что цель совпадает с Тогда выражение для среднего времени поиска имеет вид:
E[T] = '21E[T\wt]P(Wi), Wi?S.
i
Значение P(W{) известно, поэтому нужно определить только условные времена поиска
Эти условные времена будут зависеть от числа выделенных слов меню, множества М слов в меню, множества 5 целей и принятой модели визуального поиска. Допустим, что слово W\ выделено (H={wi}), в меню входят слова wx—ш4(М={ш1, w2>
526 Глава 4
W3, Wi}), а потенциальными целями являются слова w{—шз (5= = {aii, w2, W3}). Допустим, что оператор просматривает сначала выделенные слова и что поиск является последовательным и завершается при обнаружении цели. Пусть время кодирования каждого слова в меню и сравнения его с целью равно е, время формирования реакции равно г и P(w{) =0,45, P(w2) =0,05, P(wz) =0,5.
Вычислим ожидаемое время поиска в рассматриваемом примере. Примем достаточно разумную гипотезу, что оператор просматривает сначала выделенную область экрана. Это значит, что если искомым является слово w\ и это слово выделено, то обнаружение w\ происходит немедленно и условное время поиска равно?[Г| ил] —е+г. Если же искомым является слово w2, оно может быть вторым, третьим или четвертым словом в меню, т. е. условное время поиска равно Е[Т\ш2] =3е + г. Если, наконец, искомым является слово до3, то это слово вообще не входит в меню, поэтому условное время поиска равно E[T\w^\=be + r. Подставляя полученные выражения условных времен в формулу для Е[Г], найдем
