Metodi formali per la definizione di modelli di utente

Seminari di Interazione Avanzata

Paolo Bottonibottoni@di.uniroma1.it

Pictorial Computing LaboratoryDipartimento di Informatica

11/04/23Modelli Utente Pagina 2

Argomenti

• Utenti e Sistemi

• Componenti della modellazione

• Strutture dati per la modellazione

• Il processo di classificazione dell’utente

• Applicazione al caso di studio

11/04/23Modelli Utente Pagina 3

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

11/04/23Modelli Utente Pagina 4

Definizioni dei comportamenti

• Basate sui task• Basate sui linguaggi• Basate sulle interazioni ammesse• Modello del dialogo

– Macchine a stati finiti– Strutture a eventi

11/04/23Modelli Utente Pagina 5

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

11/04/23Modelli Utente Pagina 6

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

11/04/23Modelli Utente Pagina 7

Modificabilità del sistema

• Modulazione del contenuto• Disponibilità di accesso alle azioni• Layout• Organizzazione delle strategie di completamento

11/04/23Modelli Utente Pagina 8

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

11/04/23Modelli Utente Pagina 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

11/04/23Modelli Utente Pagina 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

11/04/23Modelli Utente Pagina 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

11/04/23Modelli Utente Pagina 12

Componenti della modellazione

• Domini• Dati, Relazioni

• Rappresentazioni• Elementi, Layout

• Task• Generici, strutturati

• Categorie• Accesso, Esperienza, Profili sociologici

• Individui• Preferenze, Similarità, Comunità

11/04/23Modelli Utente Pagina 13

Descrittori per profilazione utenti

• Dati personali (e.g. età, genere, posizione, professione)

• Preferenze e interessi• Conoscenze e interessi • Pattern di comportamento

11/04/23Modelli Utente Pagina 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

11/04/23Modelli Utente Pagina 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.

11/04/23Modelli Utente Pagina 16

Conseguenze della profilazione

• personal recommendation• dynamic adjustment

– highlighting, creazione di nuovi link

• static page/site adjustment– in genere eseguito off-line

11/04/23Modelli Utente Pagina 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.

11/04/23Modelli Utente Pagina 18

Strutture di memorizzazione per LTEM e ARM

11/04/23Modelli Utente Pagina 19

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

11/04/23Modelli Utente Pagina 20

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

11/04/23Modelli Utente Pagina 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 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.

11/04/23Modelli Utente Pagina 22

Esempi di time tree

11/04/23Modelli Utente Pagina 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.

11/04/23Modelli Utente Pagina 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

11/04/23Modelli Utente Pagina 25

Mantenimento del belief

Agente crede all’effetto degli operatori applicati

Agente crede a osservazioni dello stato del mondo

11/04/23Modelli Utente Pagina 26

Coevoluzione di modelli di utente e sistema

11/04/23Modelli Utente Pagina 27

Specifica del sistema

11/04/23Modelli Utente Pagina 28

Specifica dell’utente

• Espressa in termini di belief

• Informazioni legate allo stato del sistema

• Definizione delle azioni possibili

11/04/23Modelli Utente Pagina 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.

11/04/23Modelli Utente Pagina 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

dell’utente o del sistema

11/04/23Modelli Utente Pagina 31

Notazione per Higher Order Logic

11/04/23Modelli Utente Pagina 32

Relazioni per USER

11/04/23Modelli Utente Pagina 33

Relazioni per USER

11/04/23Modelli Utente Pagina 34

Modelli per verifica comportamenti

• Proprietà di correttezza1. Per ogni possibile comportamento del sistema interattivo l’utente è in

grado di raggiungere l’obiettivo principale associato allo stato2. L’utente deve essere in grado di completare tutti i task sussidiari generati

nel raggiungimento dell’obiettivo

11/04/23Modelli Utente Pagina 35

Post-completion error

Utente naive

Al termine dell’interazione l’utente non recupera la cartaSi comporta esattamente come previsto dal progettista

11/04/23Modelli Utente Pagina 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

11/04/23Modelli Utente Pagina 37

Revisione dei modelli di utente

• Architettura cognitiva per utente sofisticato (uso di conoscenza sul task)

11/04/23Modelli Utente Pagina 38

Possibilità di design più flessibili

Modellazione di dispositivi fisici

11/04/23Modelli Utente Pagina 39

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

(?)

11/04/23Modelli Utente Pagina 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.