Metodi formali per la definizione di modelli di utente Seminari di Interazione Avanzata Paolo...
-
Upload
maurizio-del-prete -
Category
Documents
-
view
221 -
download
2
Transcript of Metodi formali per la definizione di modelli di utente Seminari di Interazione Avanzata Paolo...
Metodi formali per la definizione di modelli di utente
Seminari di Interazione Avanzata
Paolo [email protected]
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.