04/05/2012

evaluasi

Kenapa Evaluasi ?
Ingatlah:
Pengguna dan tugas-tugas mereka diidentifikasi
Kebutuhan dan persyaratan yang ditentukan
Antarmuka dirancang, dibangun prototipe
Tapi apakah itu ada gunanya? Apakah sistem
mendukung pengguna dalam tugas-tugas mereka? Apakah
lebih baik dari apa yang ada sebelumnya (jika
apa-apa)?

Jenis Evaluasi

Interpretasi dan prediktif

pengingat)

- Heuristik evaluasi, kognitif
walkthrough, etnografi ...

Sumatif vs Formatif

- Apa yang harus mereka, lagi?


Sekarang Dengan Pengguna Terlibat

Interpretasi (naturalistik) vs
empiris:

Naturalistik

- Dalam pengaturan realistis, biasanya
mencakup beberapa terpisah
observasi, hati-hati
pengguna

empiris

- Orang penggunaan sistem, memanipulasi
variabel independen dan
mengamati yang tergantung


Mengapa Mengumpulkan Data?

Desain percobaan untuk
mengumpulkan data untuk menguji
hipotesis untuk mengevaluasi
antarmuka untuk menyempurnakan desain

Informasi yang dikumpulkan dapat berupa:
objektif atau subjektif
Informasi juga dapat:
kualitatif atau kuantitatif


Melakukan Percobaan

• Menentukan TUGAS yang
• Menentukan kinerja
langkah-langkah
• Mengembangkan percobaan
BPPK persetujuan
Merekrut peserta
Kumpulkan data
• Periksa & menganalisis data
Menarik kesimpulan untuk menyelesaikan desain
masalah
Mendesain ulang dan melaksanakan
revisi antarmuka


Tugas

Acuan tugas - mengumpulkan kuantitatif
data
Perwakilan tugas - menambah luasnya,
dapat membantu memahami proses
Katakan kepada mereka apa yang harus dilakukan, bukan bagaimana melakukannya
• Isu:

- Lab pengujian vs bidang pengujian
- Validitas - pengguna khas; tugas khas;
pengaturan khas?
- Jalankan versi percontohan untuk mengguncang keluar bug
"Benchmark" Tugas

Spesifik tugas, jelas dinyatakan untuk
pengguna untuk melakukan
Contoh: Email handler

- "Cari pesan dari Maria
dan membalas dengan respon dari
"Selasa pagi pukul 11​​."

Pengguna melakukan ini di bawah
berbagai kondisi dan Anda
ukuran kinerja
mendefinisikan Kinerja

• Berdasarkan tugas
Spesifik, tujuan
tindakan / metrik
Contoh:

- Kecepatan (waktu reaksi, waktu untuk
menyelesaikan)
- Akurasi (kesalahan, hits / misses)
- Produksi (jumlah file
diolah)
- Skor (jumlah poin yang diterima)
- lainnya ...
Jenis-jenis Variabel

Independen

- Apa yang Anda belajar, apa yang Anda
sengaja bervariasi (misalnya, antarmuka
fitur, perangkat interaksi,
pemilihan teknik)

Tergantung

- Kinerja mengukur Anda
merekam atau memeriksa (misalnya, waktu,
jumlah kesalahan)
"Mengendalikan" Variabel

Mencegah variabel dari mempengaruhi
hasil secara sistematis
• Metode untuk mengendalikan
variabel:

- Jangan memungkinkan untuk bervariasi

misalnya, semua laki-laki

- Memungkinkan untuk bervariasi secara acak

misalnya, secara acak menetapkan peserta untuk
kelompok yang berbeda

- Counterbalance - sistematis bervariasi itu

misalnya nomor, sama laki-laki, perempuan dalam
setiap kelompok

- Pilihan yang tepat tergantung pada
keadaan
hipotesis

Apa yang memprediksi akan terjadi
Lebih khusus, cara Anda
memprediksi variabel dependen (yaitu,
akurasi) akan tergantung pada
independen variabel (s)
• "Null" hipotesis (H o)

- Menyatakan bahwa tidak akan berpengaruh
- Misalnya, "Tidak akan ada perbedaan dalam
kinerja antara dua kelompok "
- Data yang digunakan untuk mencoba untuk menyangkal nol ini
hipotesa
contoh

Apakah orang-orang menyelesaikan operasi
lebih cepat dengan hitam-putih
menampilkan atau warna satu?

- Independen - jenis tampilan (warna atau
b / b)
- Dependent - waktu untuk menyelesaikan tugas
(menit)
- Variabel Terkendali - sama jumlah
pria dan wanita dalam setiap kelompok
- Hipotesis: Waktu untuk menyelesaikan tugas
akan lebih singkat untuk pengguna dengan warna
menampilkan

- Ho: Timecolor = Timeb / b

- Catatan: Di dalam / antara masalah desain,
berikutnya
Dalam Desain Subjek

• Lebih efisien:

- Setiap mata pelajaran memberi Anda lebih banyak data -
mereka menyelesaikan lebih "blok" atau
"Sesi"

• Lebih statistik "kekuatan":

- Setiap orang adalah kontrol mereka sendiri

Oleh karena itu, dapat memerlukan lebih sedikit
peserta
• Dapat berarti lebih rumit
merancang untuk menghindari "efek order"

- Misalnya melihat warna maka b / w mungkin
berbeda dari melihat b / w kemudian warna
Antara Desain Subjek

Lebih sedikit efek untuk

- Peserta dapat belajar dari pertama
kondisi
- Kelelahan mungkin membuat kedua
kinerja buruk

Simpler desain & analisis
Lebih mudah untuk merekrut peserta
(hanya satu sesi)
Kurang efisien
 IRB, Peserta, & Etika

Institutional Review Board (IRB)

- http://www.osp.gatech.edu/compliance.htm

Ulasan semua penelitian yang melibatkan (manusia atau
hewan) peserta
Menjaga peserta, dan
sehingga peneliti dan universitas
• Tidak kajian ilmu (yakni, tidak asess
Anda ide-ide penelitian); keamanan saja & etika
Lengkapi formulir berbasis web, submit
penelitian ringkasan, persetujuan sampel
bentuk, dll
• Semua penguji harus menyelesaikan NIH
sejarah ke media online / kursus etika sebelum
mengirimkan
merekrut Peserta

Berbagai "subjek kolam"

- Relawan
- Dibayar peserta
- Siswa (misalnya, psikologi undergrads) untuk kursus
kredit
- Teman, kenalan, keluarga, anggota laboratorium
- "Ruang publik" peserta - misalnya, mengamati
orang berjalan melalui museum

• Harus sesuai populasi pengguna (validitas)
Motivasi adalah faktor besar - bukan hanya $ $ tapi
juga menjelaskan pentingnya
penelitian
• Catatan: Etika, BPPK, Persetujuan berlaku untuk * semua *
peserta, termasuk teman & "percontohan
subjek "
etika

Pengujian bisa sulit
Setiap peserta harus
persetujuan untuk menjadi dalam percobaan
(informal atau formal)

- Tahu apa percobaan melibatkan,
apa yang diharapkan, apa yang
potensi risiko yang

Harus dapat berhenti tanpa
bahaya atau hukuman
Semua peserta harus diperlakukan
dengan hormat
persetujuan

• Mengapa penting?

- Orang bisa peka tentang hal ini
proses dan masalah
- Kesalahan mungkin akan dibuat, peserta
mungkin merasa tidak memadai
- Mungkin mental atau fisik
berat

Apa saja risiko potensial (ada
selalu risiko)?

- Contoh?

• "Rentan" populasi perlu
khusus perawatan & pertimbangan (& BPPK
ulasan)

- Anak-anak; cacat; hamil; siswa
(mengapa?)
Teori Atribusi

Studi mengapa orang percaya
bahwa mereka berhasil atau gagal -
diri sendiri atau faktor luar
(jenis kelamin, perbedaan umur)

Jelaskan bagaimana kesalahan atau kegagalan
tidak masalah peserta ---
tempat di mana antarmuka perlu
ditingkatkan
Evaluasi adalah Pekerjaan Detektif

• Tujuan: mengumpulkan bukti yang dapat
membantu Anda menentukan apakah
hipotesis Anda sudah benar atau
tidak.
• Bukti (data) harus:

- relevan
- Diagnostik
- Kredibel
- menguatkan
Data sebagai Bukti

relevan

- Yang tepat untuk mengatasi hipotesis

misalnya, Apakah mengukur "jumlah kesalahan"
memberikan informasi tentang efektif baru Anda
lalu lintas udara sistem kontrol mendukung
tugas pengguna?

Diagnostik

- Data tegas memberikan bukti
salah satu cara atau yang lain

misalnya, Apakah meminta pilihan pengguna
jelas memberitahu Anda jika sistem melakukan
lebih baik? (Mungkin)
Kredibel

- Apakah data dapat dipercaya?

Mengumpulkan data hati-hati; mengumpulkan
cukup data

dikuatkan

- Apakah lebih dari satu sumber
bukti dukungan
hipotesis?

misalnya, Kedua akurasi dan user
pendapat menunjukkan bahwa baru
sistem lebih baik dari sebelumnya
sistem. Tapi bagaimana jika waktu penyelesaian
lebih lambat?
Rekomendasi Umum

• Sertakan baik Tujuan &
Data subjektif

- Misalnya, "penyelesaian waktu" dan "preferensi"

Gunakan tindakan beberapa, dalam
jenis

- Misalnya, "waktu reaksi" dan "akurasi"

• Gunakan ukuran kuantitatif
mana mungkin

-

Catatan: Hanya mengumpulkan data yang dibutuhkan;
melakukannya dengan min. gangguan,
kerumitan, waktu, dll

misalnya, preferensi skor (pada skala 1-7)
Jenis Data untuk Kumpulkan

• "Demografi"

- Info tentang peserta, yang digunakan untuk pengelompokan atau
untuk korelasi dengan langkah-langkah lain

misalnya, wenangan, umur, pertama / bahasa terbaik;
SAT skor
• Catatan: Kumpulkan jika relevan. Tidak harus
menjadi yang dilaporkan sendiri: Anda dapat menggunakan tes
(misalnya, Edinburgh wenangan)

Data kuantitatif

- Apa yang Anda mengukur

misalnya, waktu reaksi, jumlah menguap

Data Kualitatif

- Deskripsi, pengamatan yang tidak
dihitung

misalnya, berbagai macam cara memegang mouse;
pendekatan untuk memecahkan masalah; kesulitan
memahami instruksi
Merencanakan Pengumpulan Data

Data apa untuk mengumpulkan?

- Tergantung pada tugas dan setiap
benchmark

• Bagaimana untuk mengumpulkan data?

- Interpretasi, alam, empiris,
prediksi?

Kriteria apa yang penting?

- Sukses pada tugas? Skor?
Kepuasan? ...

Sumber daya apa yang tersedia?

- Peserta, prototipe, evaluator,
fasilitas, tim pengetahuan
(pemrograman, statistik, dll)
pengumpulan Data

Menangkap Sidang

Pengamatan & Catatan pengambilan
Audio dan video recording
Diinstrumentasi antarmuka pengguna
software log
Berpikir-keras protokol - dapat sangat membantu
Insiden penebangan kritis - positif & negatif

Pasca sesi kegiatan

- Terstruktur wawancara; pembekalan

• "Apa yang Anda sukai terbaik / paling tidak?"; "Bagaimana Anda
berubah ..? "

- Kuesioner, komentar, dan skala penilaian
- Post-hoc pengkodean video / Peringkat oleh eksperimen
mengamati Pengguna

• Tidak semudah yang Anda pikirkan
Salah satu cara terbaik untuk mengumpulkan
umpan balik tentang antarmuka Anda
• Perhatikan, dengarkan, dan belajar sebagai
orang berinteraksi dengan Anda
sistem
pengamatan

langsung

- Di ruangan yang sama
- Bisa
membosankan
- User yang menyadari
Anda kehadiran
- Hanya melihatnya satu
waktu
- Dapat menggunakan 1-arah
cermin untuk
menurunkan
intrusi
- Murah, lebih cepat
untuk mengatur dan
menganalisa

Tidak Langsung

- Video
rekaman
- Mengurangi
intrusi, tetapi
tidak
menghilangkannya
- Kamera
berfokus pada
layar, wajah &
Keyboard
- Memberikan arsip
catatan, tapi bisa
menghabiskan banyak
waktu mereka
itu
lokasi

Pengamatan mungkin

- Di laboratorium - Mungkin dibangun khusus
kegunaan laboratorium

Lebih mudah untuk mengontrol
Dapat memiliki pengguna mengatur lengkap
tugas

- Di lapangan

• Perhatikan tindakan mereka sehari-hari
• Lebih realistis
Sulit untuk mengendalikan faktor-faktor lain
Tantangan

• Dalam pengamatan sederhana, Anda
mengamati tindakan tetapi tidak tahu
apa yang terjadi di kepala mereka

• Sering menggunakan beberapa bentuk
lisan protokol di mana pengguna
menggambarkan pikiran mereka
menantang
Verbal Protokol

Salah satu teknik: Berpikir-keras

- Buku ini menjelaskan secara lisan apa
s / dia berpikir saat melakukan
tugas

Apa yang mereka percaya yang terjadi
• Mengapa mereka mengambil tindakan
Apa yang mereka coba lakukan

Sangat banyak digunakan teknik, berguna
Memungkinkan Anda untuk memahami pengguna
pikiran memproses lebih baik
• Potensi masalah:

- Bisa canggung untuk peserta
- Berpikir keras dapat memodifikasi pengguna jalan
melakukan tugas
tim

Teknik lain: Co-
penemuan pembelajaran
(Interaksi konstruktif)

- Join pasang peserta bekerja
bersama
- Gunakan berpikir keras
- Mungkin satu orang telah menjadi
semi-ahli (pelatih) dan satu menjadi
orang baru
- Lebih alami (seperti percakapan)
sehingga menghilangkan kecanggungan beberapa
individu berpikir keras
alternatif

Bagaimana jika berpikir keras selama
sesi akan terlalu mengganggu?
Dapat menggunakan pasca-acara protokol

- Buku melakukan sesi, lalu memandang
video dan menjelaskan apa s / dia
pikir
- Kadang-kadang sulit untuk mengingat
- Membuka pintu interpretasi

sejarah Rekam

• Dalam mengamati pengguna, bagaimana Anda
menangkap peristiwa dalam sesi
untuk analisis nanti?
Menangkap Sesi sebuah

1. Kertas & pensil

- Dapat menjadi lambat
- Dapat kehilangan sesuatu
- Apakah pasti murah dan mudah
2. Rekaman (audio dan / atau
video)

- Baik untuk bicara lantang
- Sulit untuk mengikat ke antarmuka
- Beberapa kamera mungkin
dibutuhkan
- Baik catatan, kaya sesi
- Dapat mengganggu
- Bisa sangat nyeri untuk menuliskan
dan menganalisis
3. software penebangan

- Modifikasi perangkat lunak untuk login pengguna
tindakan
- Dapat memberikan waktu dicap
menekan tombol atau mouse event
- Dua masalah:



Terlalu tingkat rendah, ingin lebih tinggi
peristiwa
Sejumlah besar data, perlu
alat analisis
subyektif data

Kepuasan adalah penting
faktor dalam kinerja dari waktu ke waktu
Belajar apa orang lebih suka yang
Data yang berharga untuk mengumpulkan

metode

Cara mengumpulkan data subjektif

- Kuesioner
- Wawancara
- Pondok Daun (misalnya, pameran dagang)
- Call-in produk panas-line
Dukungan Lapangan pekerja -
• (Fokus pada pertama dua)
kuesioner

Persiapan adalah mahal, tapi
administrasi yang murah
Oral vs ditulis

- Advs Oral: Dapatkah bertanya pertanyaan-pertanyaan lanjutan
- Oral disadvs: Mahal, memakan waktu

Formulir dapat memberikan lebih kuantitatif
data
• Isu

Hanya sebagai baik sebagai pertanyaan yang Anda ajukan
Menetapkan Tujuan dari kuesioner
Jangan tanya hal-hal yang Anda tidak akan menggunakan
Siapa audiens Anda?
Bagaimana Anda memberikan dan mengumpulkan
kuesioner?
kuesioner Topik

Dapat mengumpulkan data demografi
dan data tentang antarmuka
sedang dipelajari
Demografi data:

- Usia, jenis kelamin
- Tugas keahlian
- Motivasi
- Frekuensi penggunaan
- Pendidikan / melek
data Interface

Dapat mengumpulkan data tentang

- layar
- Desain grafis
- terminologi
- kemampuan
- belajar
- Kesan keseluruhan
- ...
Tertutup Format• Tertutup Format- Jawaban terbatas pada serangkaian pilihan- Biasanya sangat kuantitatif- Berbagai gaya• Skala Likert- Skala Khas menggunakan pilihan 5, 7 atau 9- Di atas yang sulit untuk membedakan- Melakukan ganjil memberikannetral pilihan di tengah- Anda mungkin tidak ingin memberikan netralpilihanKarakter di layar adalah:sulit untuk membaca12345mudah dibaca67Pemantapan, kajian difusiInteraksi Manusia KomputerLain GayaYang pengolah katasistem yang Anda gunakan?Peringkat dari1 - Sangat membantu2 - ambivalen3 - Tidak membantu0 - belum digunakanLaTeXKataFrameMaker___ Tutorial___ On-line membantu___ DokumentasiWordPerfectPemantapan, kajian difusiInteraksi Manusia KomputerBuka Format• Meminta pendapat unprompted• Baik untuk umum, informasi subjektif,tetapi sulit untuk menganalisis ketat• Dapat membantu dengan ide-ide desain- "Bisakah Anda menyarankan perbaikan iniantarmuka? "Tertutup Format• Keuntungan- Memperjelas alternatif- Mudah dihitung- Menghilangkan bergunamenjawab• Kekurangan- Harus menutupi seluruhjarak- Semua harusmemiliki kemungkinan yang sama- Janganmenarik,"Berbeda"reaksiPemantapan, kajian difusiInteraksi Manusia KomputerKuesioner Masalah• Pertanyaan spesifisitas- "Apakah Anda memiliki komputer?"• Bahasa- Waspadalah terminologi, jargon- "Seberapa efektif sistem?" (Ambigu)• Memimpin pertanyaan- Dapat diutarakan baik positif atau negatif• Prestige bias - (survei seks Inggris)- Orang-orang menjawab dengan cara tertentu karena merekaingin kau berpikir seperti itu tentang mereka• Memalukan pertanyaan- "Apa Anda memiliki masalah yang paling dengan?"• Hipotesis pertanyaan• "Halo efek- Ketika memperkirakan satu fitur mempengaruhi estimasilain (misalnya, kecerdasan / terlihat)- Estetika & kegunaan, salah satu contoh dalam HCIPemantapan, kajian difusiInteraksi Manusia KomputerPenyebaran• Langkah-langkah- Diskusikan pertanyaan di antara tim- Administer secara lisan / tertulis kebeberapa orang (pilot). Secara verbalpertanyaan tentang pemikiran tentangpertanyaan- Administer tes akhir- Gunakan komputer berbasis input jikamungkin- Memiliki data pra-diproses,disortir, diatur untuk kemudian di analisiswaktu yang dikumpulkanPemantapan, kajian difusiInteraksi Manusia KomputerWawancara• Dapatkan sudut pandang pengguna langsung, tapi jelaspandangan yang subjektif• Keuntungan:- Dapat bervariasi tingkat rincian sebagai masalah muncul- Baik untuk pertanyaan jenis yang lebih eksploratifyang dapat menyebabkan membantu, konstruktifsaran• Kekurangan- View Subyektif- Pewawancara (s) dapat Bias wawancara- Masalah antar-penilai atau antar-eksperimenkeandalan (istilah statistik kesepakatan makna)- Buku mungkin tidak tepat mengkarakterisasipemakaian- Waktu memakan- Sulit untuk mengukurPemantapan, kajian difusiInteraksi Manusia KomputerWawancara Proses• Cara efektif- Rencanakan sejumlah pertanyaan (memberikanuntuk konsistensi tertentu)- Jangan mengajukan pertanyaan terkemuka• "Apakah Anda berpikir penggunaan ikonada benar-benar baik? "• Dapat dilakukan dalam kelompok- Dapatkan konsensus, mendapatkan hidupdiskusi akanPemantapan, kajian difusiInteraksi Manusia KomputerData Inspeksi• Lihatlah hasilnya• Pertama melihat setiap pesertadata- Apakah ada outlier, orang yangtertidur, siapa pun yang mencobamengacaukan studi, dll?• Kemudian melihat agregathasil dan deskriptifStatistikPemantapan, kajian difusiInteraksi Manusia KomputerMemeriksa Data Anda• "Apa yang terjadi dalam penelitian ini?"• Perlu diingat tujuan danhipotesis Anda miliki padaawal• Pertanyaan:- Secara keseluruhan, bagaimana orang lakukan?- "5 W" (Di mana, apa, mengapa,kapan, dan untuk siapa adalahmasalah?)Pemantapan, kajian difusiInteraksi Manusia KomputerDeskriptif Statistik• Untuk semua variabel, bisa merasakanhasil:• Total nilai, waktu, peringkat,dan lain-lain• Minimum, maksimum• Rata-rata, median, rentang, dllApav misalnya "Dua puluh pesertaperbedaanselesai kedua sesi (10 laki-laki, antara10 perempuan; usia rata-rata 22,4, jangkauanberarti &18-37 tahun). "rata-rata?v misalnya "Median waktu untuk menyelesaikan Mengapa menggunakantugas pada kelompok tikus-masukansatu atau yangadalah 34,5 s (min = 19,2, max = 305 s). "lain?Pemantapan, kajian difusiInteraksi Manusia KomputerSubkelompok Statistik• Lihatlah statistik deskriptif(Berarti, median, rentang, dll)untuk setiap subkelompok- Misalnya "Tingkat rata-rata kesalahan untukmouse-masukan kelompok adalah 3,4%.Tingkat rata-rata kesalahan untukkelompok Keyboard adalah 5,6%. "- Misalnya "Penyelesaian medianwaktu (dalam detik) untuk tigakelompok adalah: pemula: 4.4,moderat pengguna: 4,6, danahli: 2,6 ".Pemantapan, kajian difusiInteraksi Manusia KomputerPlot Data• Carilah tren grafisPemantapan, kajian difusiInteraksi Manusia KomputerLain Presentasi MetodeKotak petakPlot pencarTengah 50%tinggiUsiaBerarti20Waktu dalam detik.Pemantapan, kajian difusiInteraksi Manusia KomputerEksperimental Hasil• Bagaimana seseorang mengetahui apakah sebuahHasil percobaan yang berartisesuatu atau mengkonfirmasi setiapkeyakinan?• Contoh: 40 orangberpartisipasi,28 pilihan antarmuka 1,12 pilihan antarmuka 2• Apa yang Anda simpulkan?Pemantapan, kajian difusiInteraksi Manusia KomputerInferensial (Diagnostik) Statistik• Tes untuk menentukan apakah apa yang Anda lihat dalamdata (misalnya, perbedaan dalam cara) adalahdapat diandalkan (ditiru), dan jika mereka cenderungdisebabkan oleh variabel independen,dan bukan karena efek acak- Misalnya, t-test untuk membandingkan dua alat- Misalnya, ANOVA (Analisis Varians) untukmembandingkan beberapa cara- Misalnya, uji "tingkat signifikansi" dari korelasiantara dua variabelBerarti Tidak Selalu SempurnaPercobaan 1Kelompok 2Berarti: 103,6,21Percobaan 2Kelompok 1Berarti: 76,7,8Kelompok 2Berarti: 108,11,11Pemantapan, kajian difusiInteraksi Manusia KomputerInferensial Statistik dan Data• Ajukan pertanyaan diagnostik tentangApakah ini benar-benardataberbeda? Apamenghendaki agarartinya?Pemantapan, kajian difusiInteraksi Manusia KomputerPengujian Hipotesis• Ingat: Kami membuat sebuah null "hipotesis "- Misalnya, tidak boleh adaperbedaan antarapenyelesaian kali dari tigakelompok- Atau, H 0: TimeNovice = TimeModerate= TimeExpert• Hipotesis kami adalah nyata, katakanlah,bahwa para ahli harus melakukanlebih cepat dari pemulaPemantapan, kajian difusiInteraksi Manusia KomputerPengujian Hipotesis• "Signifikansi level" (p):- Probabilitas bahwa Anda nolhipotesis yang salah, cukup dengankesempatan- Bisa juga menganggap ini sebagai probabilitasbahwa Anda "nyata" hipotesis (bukannull), adalah salah- Tingkat cutoff atau ambang p("Alpha" tingkat) sering dipasang pada 0,05, atau5% dari waktu Anda akan mendapatkan hasil yang Andamelihat, hanya secara kebetulan- Misalnya Jika statistik t-test (pengujianperbedaan antara dua cara)mengembalikan t-nilai t = 4,5, dan p-nilai p = .01 perbedaan antarasarana secara statistik signifikanPemantapan, kajian difusiInteraksi Manusia KomputerKesalahan• Kesalahan dalam analisis memang terjadi• Utama Jenis:- Tipe I / positif Salah - Andamenyimpulkan ada perbedaan,padahal sebenarnya tidak ada- Tipe II / Salah negatif - Andamenyimpulkan tidak ada perbedaanketika ada- Menakutkan Tipe IIIPemantapan, kajian difusiInteraksi Manusia KomputerMenggambar Kesimpulan• Membuat kesimpulan Anda berdasarkandeskriptif statistik, tetapi kembali merekadengan statistik inferensial- Misalnya, "dilakukan Kelompok ahlilebih cepat dari kelompok pemula t (1,34) =4,6, p> .01. "• Terjemahkan statistik ke dalam kata-kata yangorang-orang biasa dapat memahami- Misalnya, "Dengan demikian, mereka yang memiliki komputerpengalaman akan dapat melakukanlebih baik, langsung dari awal ... "Pemantapan, kajian difusiInteraksi Manusia KomputerFeeding Kembali Ke Desain• studi Anda, dirancang untuk menghasilkaninformasi dapat Anda gunakan untuk mendesain ulang Andaantarmuka• Apa kesimpulan Anda tercapai?• Bagaimana Anda dapat memperbaiki desain?• Apa manfaat kuantitatif darimendesain ulang?- Misalnya, 2 menit disimpan per transaksi, yangberarti peningkatan 24% dalam produksi, atau$ 45.000.000 per tahun laba meningkat• Apa kualitatif, kurang nyataManfaat (s)?- Misalnya, pekerja akan kurang bosan, kurang lelah,dan karena itu lebih tertarik -> Cust lebih baik.layananPemantapan, kajian difusiInteraksi Manusia KomputerUsability Spesifikasi"Apakah cukup baik ...... Untuk berhenti bekerja di atasnya?... Untuk mendapatkan bayaran? "• tujuan kegunaan kuantitatif, digunakan pedomanuntuk mengetahui kapan interface adalah "baikcukup "• Harus ditetapkan pada awalmungkin- Umumnya sebagian besar dariPersyaratan Specifications dalampusat kontrak desain- Evaluasi sering digunakan untukmenunjukkan desain memenuhi tertentupersyaratan (sehinggadesainer / pengembang harus dibayar)- Sering didorong oleh kegunaan kompetisi,fitur, atau kinerjaPemantapan, kajian difusiInteraksi Manusia KomputerPengukuran Proses• "Jika Anda tidak dapat mengukurnya,Anda tidak bisa mengelolanya "• Perlu untuk menyimpan data pada pertemuansetiap evaluasi dan iteratifperbaikan• Bandingkan tugas patokankinerja ke tingkat yang ditentukan• Tahu kapan untuk mendapatkannya keluar pintu!Pemantapan, kajian difusiInteraksi Manusia KomputerApa yang Termasuk?• Atribut kegunaan umum yangsering ditangkap dalam kegunaanspesifikasi:Awal kinerjaKinerja jangka panjangLearnabilityRetainabilityLanjutan fitur penggunaanPertama kesanJangka panjang kepuasan penggunaPemantapan, kajian difusiInteraksi Manusia KomputerPenilaian TeknikBagaimana Anda akan menilai apakah Anda desainmemenuhi kriteria?MengukurNilai untukSekarang TerburukBerencanainstrum.menjadi penguku. tingkatPerf. tingkat target tingkatBenchmk Panjang15 detik 30 detik20 detiktugaswaktu untuk(Manual)berhasilmenambahkan janjipada sidang pertama-2 .. 2??00.75Pemantapan, kajian difusiInteraksi Manusia KomputerBidang• Mengukur Instrumen- Kuesioner, benchmark tugas• Nilai yang akan diukurWaktu untuk menyelesaikan tugasJumlah persentase kesalahanPersen tugas selesai pada waktu tertentuRasio keberhasilan kegagalanJumlah perintah yang digunakanFrekuensi penggunaan bantuan• Target tingkat- Sering kali didirikan dibandingkan denganbersaing sistem atau non-komputer berbasistugasPemantapan, kajian difusiInteraksi Manusia KomputerRingkasan• spesifikasi Usability dapat bergunadalam pelacakan efektivitasmendesain ulang upaya• Mereka sering bagian darikontrak• Desainer dapat mengatur sendirikegunaan spesifikasi, bahkan jikaproyek tidak menentukan merekadi muka• Tahu kapan itu cukup baik,dan yakin untuk beralih keproyek berikutnya   
sumber : https://docs.google.com/viewer?a=v&q=cache:XW0VOLATLngJ:tavipia.staff.gunadarma.ac.id/Downloads/files/4962/IMK08-Evaluasi.pdf+&hl=id&gl=id&pid=bl&srcid=ADGEEShgWkiIORm9__ZPE1SZx4NC1LN6mAfOktavsxyZzTKwnSa-xncApE-KDnDPIu74gBut-RcEXY2eWCV0Jgz5m8DMBzthNoVpUnz7qJnz3QyXOm6FUeiPWHK71vkPF_03zGBe6PFw&sig=AHIEtbSkZsbT5GYrPNckmFyJDA424pyqQQ
     


Kesalahan IMK

Pendahuluan

Manusia merupakan elemen terpenting
dalam interaksi manusia dan komputer, yaitu
sebagai subjek sekaligus sebagai objek
Manusia dapat dipandang sebagai sistem pemroses
informasi
Model sederhana :
* informasi diterima dan ditanggapi melalui saluran I/O
* informasi disimpan dalam ingatan (memory)
* informasi diproses dan diaplikasikan dalam pelbagai cara
Kemampuan manusia dalam hal ini sangat penting dalam
mendesain yang berbeda antara satu orang dengan orang
lainnya

• Aspek dalam sistem komputer
– Aspek hardware
– Aspek software
– Aspek brainware

• Kegiatan memodelkan manusia adalah kegiatan yang cukup
sulit karena manusia menggunakan panca indera

• Panca indera manusia:
– Mata: benda, ukuran, warna, bentuk, kepadatan, dan
tekstur
– Telinga: nada, warna nada, pola titik nada, intensitas,
frekuensi
– Hidung: membedakan bau
– Lidah: membedakan rasa manis, kecut, pahit, asin
– Kulit: merasakan tekanan dan suhu

Faktor Manusia pada Software
Interaktif

• Interaksi Manusia dan Komputer (IMK) atau Human-
Computer Interaction (HCI) adalah disiplin ilmu yang
berhubungan dengan perancangan, evaluasi dan
implementasi sistem komputer interaktif untuk digunakan
oleh manusia, serta studi fenomena-fenomena besar yang
berhubungan dengannya. (Definisi oleh ACM SIGCHI).
• Titik berat IMK adalah perancangan dan evaluasi antarmuka
pemakai (user interface)
• Antarmuka pemakai adalah bagian sistem komputer yang
memungkinkan manusia berinteraksi dengan komputer.

Tujuan rekayasa sistem IMK

– Fungsionalitas yang semestinya

• Sistem dengan fungsionalitas yang kurang memadai
mengecewakan pemakai dan sering ditolak atau tidak
digunakan.

• Sistem dengan fungsionalitas berlebihan berbahaya:
implementasi, pemeliharaan, belajar dan penggunaan sulit

– Kehandalan, ketersediaan, keamanan, integritas data

• Kehandalan (reliability): berfungsi seperti yang diinginkan
• Ketersediaan (availability): tersedia ketika hendak digunakan
• Keamanan (security): terlindung dari akses yang tak diinginkan
dan kerusakan yang disengaja.
• Integritas data (data integrity): keutuhan data terjamin.

Tujuan Perancangan Berdasarkan
Faktor Manusia

• Setelah merencanakan sistem untuk memenuhi tujuan
rekayasa sistem, pengembang sistem dapat memusatkan
perhatian pada proses perancangan dan pengujian
• Lima faktor manusia terukur (measurable human factors)
adalah:

– Waktu belajar : berapa lama orang biasa mempelajari cara melakukan
suatu tugas yang relevan?
– Kecepatan kinerja : berapa lama suatu tugas dilakukan?
– Tingkat kesalahan : berapa banyak kesalahan dan kesalahan apa saja
yang dibuat pemakai?

Tujuan Perancangan Berdasarkan
Faktor Manusia (2)

– Daya Ingat : bagaimana kemampuan pemakai
mempertahankan pengetahuannya setelah jangka waktu
tertentu?
– Kepuasan subjektif : bagaimana kepuasan pemakai terhadap
berbagai aspek sistem? Berikan kesempatan pemakai
memberi umpan balik.

• Meskipun perancang ingin berhasil dalam setiap
kategori tsb, sering harus direlakan pengorbanan pada
kategori tertentu
• Uji semua alternatif perancangan menggunakan
metode yang jelas.

Kecapakan Manusia dan Komputer

Kecakapan Manusia                                                       Kecakapan Komputer

Estimasi                                                                          Kalkulasi akurat
Intuisi                                                                              Deduksi logika
Kreatifitas                                                                       Aktifitas perulangan
Adaptasi                                                                         Konsistensi
Kesadaran serempak                                                       Multitasking
Pengolahan abnormal/perkecualian                                   Pengolahan rutin
Memori asosiatif                                                             Penyimpanan dan pemanggilan
                                                                                       kembali data
Pengambilan keputusan non-                                           Pengambilan keputusan deterministik
deterministik                                                                  
Pengenalan pola                                                               Pengolahan data
Pengetahuan duniawi                                                         Pengetahuan domain
Kesalahan manusiawi                                                        Bebas dari kesalahan



Saluran input-output

Pandangan (Vision)
- Dua tahap dalam vision
* Penerimaan fisik dari suatu stimulus
* Pengolahan dan interpretasi dari stimulus

Alat fisik : mata
mekanisme untuk menerima cahaya dan
mentransformasikannya ke dalam energi elektrik
cahaya memantul dari objek-objek;citra dari mereka
difokuskan terbalik pada retina
retina mengandung rods (organ berbentuk batang) untuk
pandangan cahaya lemah dan cones (organ berbentuk
kerucut) untuk pandangan berwarna
sel ganglion (simpul/pusat syaraf) mendeteksi pola dan
gerakan

Istilah dalam Penglihatan/Visual

• Luminans/kejelasan objek

– Banyaknya cahaya yang dipantulkan oleh
permukaan obyek
– Semakin besar luminans sebuah obyek, rincian
obyek yang dapat dilihat oleh mata akan semakin
bertambah

• Kontras

– Selisih antara luminans obyek dengan luminans
latar belakang
– Nilai kontras dapat positif atau negatif
– Nilai kontras negatif akan membuat obyek tidak
nampak

Istilah dalam Penglihatan/Visual

• Kecerahan

– Tanggapan subyektif pada cahaya
– Tidak ada kaitan dengan luminans dan kontras, namun luminans dapat
berimplikasi pada kecerahan

• Sudut dan ketajaman penglihatan

– Sudut penglihatan (visual angle): sudut yang
dibentuk antara obyek dengan mata
– Ketajaman penglihatan (visual acuity): sudut
penglihatan minimum ketika mata masih dapat
melihat sebuah obyek dengan jelas

Istilah dalam Penglihatan/Visual

• Medan penglihatan: sudut yang dibentuk ketika
mata bergerak ke kiri terjauh dan ke kanan terjauh

– Daerah I, penglihatan binokuler
– Daerah II, penglihatan monokuler kiri
– Daerah III, penglihatan monokuler kanan
– Daerah IV, daerah buta




Warna

• terbentuk dari hue(corak), intensity(intensitas),
saturation(kejenuhan)
• cones sensitif terhadap panjang gelombang warna
• ketajaman pandangan warna biru adalah yang paling
rendah
• sistem visual mengkompensasikan diri untuk
pergerakan dan perubahan dalam kejelasan
pandangan (luminance)

Warna yang Efektif

Aspek psikologis
• Hindarkan penggunaan warna berikut secara bersama-sama
seperti cyan, magenta, dan kuning karena dapat menimbulkan
kelelahan mata
• Hindarkan warna biru untuk garis tipis, teks dan bentuk kecil,
sebab sistem penglihatan kita tidak disiapkan untuk rangsangan
yang tajam, terinci dan bergelombang pendek
• Pertimbangkan warna tajam untuk pengguna usia tua
• Warna akan berubah jika aras cahaya sekeliling berubah dan
juga akibat penambahan dan penurunan kontras
• Perubahan warna yang dapat dideteksi bervariasi untuk warna
yang berbeda. Merah dan ungu sukar dideteksi dibandingkan
dengan kuning, hijau atau biru
• Hindarkan warna merah dan hijau dalam skala besar pada
tempat berseberangan. Warna yang cocok adalah biru-kuning

Penggunaan Warna

Aspek psikologis
• Warna berlawanan yang dapat digunakan bersama-sama
mis: merah-hijau dan biru-kuning. Kombinasi hijau-biru
memberikan citra jelek
• Hindarkan perubahan warna tunggal untuk menolong
pengguna dengan keterbatasan dalam melihat warna

Aspek kognitif
• Jangan menggunakan warna secara berlebihan. Penggunaan
warna ditujukan untuk menarik perhatian, atau untuk
pengelompokkan informasi. Manfaat itu akan hilang jika
warna yang digunakan terlalu banyak
• Waspadalah terhadap manipulasi warna secara tidak linier
• Kelompokkanlah elemen-elemen yang saling berkaitan
dengan warna latar belakang yang sama

Penggunaan Warna

Aspek kognitif
Warna yang sama “membawa” pesan yang serupa
• Kecerahan dan saturasi akan menarik perhatian
• Urutkan warna sesuai dengan posisi spektralnya
• Warna hangat (panjang gelombang besar) dapat
digunakan untuk menunjukkan aras tindakan.
Biasanya warna yang hangat digunakan untuk
menunjukkan adanya tindakan atau tanggapan yang
diperlukan. Warna yang dingin dapat dipakai untuk
menunjukkan status atau informasi latar belakang

Memori Manusia
Tiga jenis memori
External
environment                                    





Sensory stores

• Sensori untuk merasakan
• Buffer (penyangga) untuk stimuli (rangsangan)

Iconic - visual stimuli (rangsangan visual)

Echoic - aural stimuli (rangsangan suara)

Haptic-touch stimuli(rangsangan sentuhan)
• Dapat dipandang sebagai sekumpulan register penyangga
temporer
• Informasi yang masuk akan dinyatakan dalam bentuk tak
terproses atau tak terkodekan
• Informasi disimpan dalam bentuk fisik dan bukan dalam
bentuk simbolik
• Secara terus menerus akan diperbarui
• Pemilihan rangsangan diatur oleh selera/gairah

Short-term memory

• Dapat dipandang sebagai penyimpan temporer
• Informasi yang masuk akan dinyatakan dalam bentuk
terkodekan bukan dalam bentuk fisik
• Sering disebut sebagai working memory
• Lapisan scratch(scratch pad) untuk pengingatan kembali
sementara
- akses cepat = 70ms
- penghilangan cepat = 200ms
- kapasitas terbatas
• Recency effect-recall sesuatu yang terakhir dilihat lebih baik
daripada recall item-item yang lebih dulu

Long-term memory

• Informasi yang masuk melalui kesadaran penuh yang disebut proses
“belajar” atau lewat proses bawah sadar yang terjadi berulang-ulang
• Berbasis semantik dan diakses secara asosiatif
• Sifat penyimpanannya sukar dilupakan
• Tempat penyimpanan (repository) untuk semua pengetahuan kita
- akses pelan = 1/10s
- decay(penghilangan) pelan,jika ada
- kapasitas yang besar atau tidak terbatas
• Dua jenis
- Episodik-memory berurutan dari kejadian-kejadian
- Semantik-memory terstruktur dari fakta-fakta,konsep dan
ketrampilan
• Informasi dalam memory jangka panjang semantik diturunkan dari
memory jangka panjang episodik

Long-term memory

• Struktur memory Semantik
- menyediakan akses ke informasi
- merepresentasikan hubungan diantara bit-bit informasi
- mendukung inferensia
• Model jaringan semantik
f) Inheritance,node-node anak dituruni properti(sifat dan
kemampuan) dari node-node orangtuanya
g) Hubungan diantara bit-bit informasi dilakukan secara eksplisit
h) Mendukung inferensia melalui inheritance (penurunan sifat)

Thinking “Reasoning and Problem Solving”

Thinking - Pertimbangan (reasoning)
a. Deduktif:menurunkan konklusi yang diperlukan secara lojik dari
premise (dasar pikiran), contoh:
Jika hari Minggu maka dia akan berlibur
Jika hari Minggu.Oleh karena itu dia akan berlibur.
* konklusi secara lojik tidak mesti harus benar
Jika hari mendung maka akan turun hujan
Hari mendung.Oleh karena itu akan turun hujan.
b. Induktif:generalisasi dari kasus yang terlihat untuk case yang
belum terlihat. Unreliable (tidak dapat diandalkan) hanya dapat
dibuktikan kesalahannya bukan kebenarannyaContoh:semua
gajah memiliki belalai oleh karena itu semua gajah memiliki
belalai.

Thinking - Pertimbangan (reasoning)

c. Abductive (penculikan) : pertimbangan dari kejadian ke
penyebab. Contoh,Dino lari dengan kencang disaat dikejar anjing.
Jika melihat Dino lari dengan kencang, diasumsikan ia dikejar
anjing. Unreliable(tidak dapat diandalkan) dapat mengarah ke
penjelasan yang salah.

Penyelesaian Masalah
Proses menemukan solusi untuk tugas-tugas yang tidak familiar
menggunakan pengetahuan

Teori Penyelesaian Masalah - Gestalt
Penyelesaian masalah baik produktif dan reproduktif
Penyelesaian masalah produktif menempatkan dirinya dari
dalam dan merestrukturisasi permasalahan
 Atraktif tetapi tak cukup ada bukti untuk menjelaskan situasi
dan lain-lain
Berpindah dari behavioralism (paham perilaku) dan mengarah
pada teori-teori pemrosesan informasi

Teori Penyelesaian Masalah –
Teori ruang permasalahan (problem space)
Ruang permasalahan terdiri dari bagian/keadaan (states)
permasalahan
Penyelesaian masalah melibatkan pembangkitan states
(keadaan) menggunakan operator-operator legal
Beroperasi dalam sistem pemrosesan informasi
manusia,contoh:batasan memory jangka pendek
Banyak diaplikasikan untuk penyelesaian masalah dalam area
yang sudah dikenal, contoh:puzzle
Heuristics dapat digunakan untuk memilih operator

Teori Penyelesaian Masalah – Analogi

• Permasalahan yang baru diselesaikan dengan
menggunakan pengetahuan dari domain yang serupa
dalam domain baru-pemetaan secara analogi
• Pemetaan secara analogi kemungkinan sulit jika
domainnya secara semantik berbeda

Kesalahan dan Model Mental

• Jenis-jenis kesalahan:
- Slips(selip/terpeleset/tergelincir)-perubahan aspek perilaku
berketrampilan dapat menyebabkan selip
- Pemahaman yang tidak benar-manusia menciptakan model
mental untuk menjelaskan perilaku/kebiasaan. Jika salah
(berbeda dari sistem aktual) kesalahan dapat saja terjadi.
• Perbedaan individu
Berdasarkan jangka waktunya:
- Jangka panjang - jenis kelamin,fisik dan kemampuan
intelektual
- Jangka pendek - efek dari stres (tertekan) atau keletihan
- Perubahan - usia

Psikologi dan Rancangan Sistem Interaktif

• Beberapa dapat diterapkan pada aplikasi langsung.
• Contoh:ketajaman/kejelasan warna biru adalah tidak bagus
sehingga warna biru tak seharusnya digunakan untuk detil
yang penting
• Namun demikian, suatu aplikasi secara umum membutuhkan
- pemahaman mengenai konteks dalam psikologi
- pemahaman mengenai kondisi-kondisi eksperimen tertentu
• Banyak pengetahuan telah disarikan dalam
- guidelines(garis pedoman)
- model kognitif
- teknik-teknik evaluasi analitis dan eksperimental

Tipe-tipe Kesalahan (Errors):
• Kesalahan Persepsi
• Kesalahan Kognitif
• Kesalahan Motor (Gerak)

Tipe-tipe Slip:
• Kesalahan Capture
• Kesalahan Deskripsi
• Kesalahan Data Driven
• Pengaktifan Asosiatif
• Hilangnya Pengaktifan
• Kesalahan Mode

Panduan Pencegahan Kesalahan
- Menghapus mode-mode atau menyediakan petunjuk yang terlihat
untuk mode-mode tersebut.
- Gunakan teknik koding yang baik (warna, gaya).
- Memaksimalkan pengenalan, mengurangi hafalan.
- Merancang urutan gerak atau perintah yang tidak sama.
- Mengurangi kebutuhan untuk mengetik.
- Uji dan memantau kesalahan-kesalahan dan memperbaikinya.
- Memungkinkan pertimbangan ulang aksi-aksi yang dilakukan oleh
user, misalnya memindahkan file dari recycle bin.

Panduan Recovery Kesalahan
- Menyediakan tipe-tipe tanggapan yang sesuai.
- Query: bertanya pada user apa yang sudah dilakukan, kemudian
melegalkan tindakan yang salah.
- Menyediakan fungsi “undo” dan pembatalan dari proses yang sedang
berjalan.
- Meminta konfirmasi untuk perintah yang drastis dan bersifat merusak.
- Menyediakan pengecekan yang beralasan pada masukan data.
- Mengembalikan kursor ke area kesalahan, memungkinkan untuk
melakukan perbaikan.
- Menyediakan beberapa kecerdasan buatan.
- Menyediakan akses cepat kepada bantuan untuk konteks-sensitif.

JENIS-JENIS DARI DOKUMENTASI/HELP

- Tidak pernah suatu penggantian untuk desain tidak baik, tetapi
penting.
- Sistem sederhana
user memanggil dan menggunakannya, berikan
nama.
- Hampir sebagian sistem dengan banyak fitur membutuhkan
help/bantuan.

Jenis-jenis Bantuan:
- Tutorial
- Review/Referensi yang cepat
- Manual Referensi (Penjelasan lengkap)
- Bantuan untuk context-sensitive (spesifikasi tugas)

Ada sebagian pendapat menyatakan bahwa sistem yang interaktif
dijalankan tanpa membutuhkan bantuan atau training. Hal ini mungkin
ideal, akan tetapi jauh dari kenyataan. Pendekatan yang lebih
membantu adalah dengan mengasumsikan bahwa user akan
membutuhkan bantuan pada suatu waktu dan merancang bantuan
(help) ke dalam sistem.
Empat Jenis Bantuan Yang Dibutuhkan User:

• Quick Reference
Digunakan sebagai pengingat untuk user dari suatu yang detail yang
secara dasar sangat familiar dan biasa digunakan.

• Task-Spesifik Help
Digunakan untuk membantu user menghadapi masalah atau tidak
pasti mengambil tindakan dalam memecahkan masalah yang khusus.

• Full Explanation
Suatu alat bantu atau perintah yang dapat membantu memahami
secara lengkap.

• Tutorial
Khusus untuk user baru yang menyediakan perintah secara step by
step.

Kebutuhan Dari User Support:

• Availability
User dapat menggunakan bantuan pada setiap waktu selama
berinteraksi dengan sistem.

• Accuracy dan Compieteness
Bantuan ini seharusnya menyiapkan keakuratan dan kelangkapan
sistem bantuan.

• Consistency
User membutuhkan jenis-jenis yang berbeda dari bantuan untuk
digunakan pada kegunaan yang berbeda. Hal ini dapat secara tidak
langsung menyebabkan sistem bantuan tidak dapat bekerja. Sistem
bantuan harus konsisten terhadap semua sistem yang ada dan juga
pada sistem itu sendiri.

• Robustness
Sistem bantuan ini biasanya digunakan oleh orang yang sedang
dalam kesulitan, karena sistem mempunyai perilaku yang tidak dia
harapkan atau mempunyai kesalahan. Hal ini sangat penting dimana sistem bantuan seharusnya kuat, baik dalam hal menangani
kesalahan dan perilaku yang tidak diharapkan.

• Flexibility
Sistem bantuan yang fleksibel akan membuat setiap user dapat
berinteraksi dalam mencari sesuatu yang dibutuhkannya.

• Unobtrusiveness
Sistem ini seharusnya tidak mencegah user dalam melanjutkan
pekerjaannya.

Pendekatan-pendekatan User Support:

• Commad Assistance
Pendekatan yang umum untuk user support adalah menyediakan
bantuan pada level command, user yang membutuhkan bantuan
pada command yang khusus dan ditampilkan pada layar bantuan
atau pada manual page yang menjelaskan tentang command
tersebut.
Contoh: pada UNIX man help dan DOS help command.

• Commad Prompt
Menyediakan bantuan ketika user menemukan kesalahan yang
sering terjadi dalam bentuk prompt perbaikan.

• Context-Sensitive Help
Berbentuk menu based system yang menyediakan bantuan pada
menu option.
Contoh: editor help command dan machintos ballon help.

• On-line Tutorial
Mengijinkan user bekerja melalui aplikasi dasar dengan lingkungan
percobaan. User dapat melihat kemajuan sesuai dengan kecepatan
dan dapat mengulangi bagian dari tutorial yang dia inginkan.
Kebanyakan on-line tutorial tidak mempunyai intelligent, karena tidak
mempunyai pengetahuan tentang user dan pengalaman user
sebelumnya.
• On-line Documentation
Membuat efektif dengan membuat dokumentasi tersedia di komputer.

• Intelligent Help System
Dioperasikan
untuk
memonitoring
aktifitas
user
dan
mengkonstruksikan model sesuai dengan user. Model ini termasuk
pengalaman, preferences, kesalahan user atau kombinasi dari
semuanya.

Knolwledge Representation: User Modelling

• Quantification
Model yang sederhana dari user modelling yang menggunakan
jumlah tingkatan dari keahlian yang akan merespon kearah yang
berbeda.

• Stereotypes
Berbasiskan pada karakteristik user dan kemungkinan sederhana,
seperti membuat perbedaan antara user baru dan user yang ahli atau
yang lebih kompleks, seperti membuat stereotype yang berbasiskan
pada lebih dari satu informasi.

• Overlay Models
Merupakan model yang ideal yang membandingkan perilaku user.
Hasilnya ditampilkan dalam dua model atau perbedaan. Keuntungan
dari model ini dapat melihat secara pasti bagian dari aktifitas suatu
sistem. Pendekatan yang sama digunakan pada error bases model
dimana sistem menyimpan rekaman kesalahan dan perilaku
sebenarnya dari user serta membandingkannya.

Knowledge Representation: Domain dan Task Modelling

Pendekatan yang umum dari masalah ini adalah untuk mewakili tugas
user dari urutan perintah yang tersedia untuk mengeksekusinya.
Sebagaimana pada tugas user, command digunakan untuk
membandingkan urutan tugas yang telah disimpan dan mencocokkan
dengan urutan tepat. Jika urutan command user tidak cocok, maka
dibutuhkan bantuan. Pendekatan ini digunakan pada sistem PRIAM.
Knowledge Representation: Modelling Advisory Strategy

Sistem ini kadang disebut dengan intelligent help yang membuat
modelling advisory atau strategi tutorial. Pada sistem ini tidak hanya
membolehkan memilih nasehat yang cocok untuk user, tetapi juga
menggunakan metode yang cocok.

Teknik Untuk Knowledge Representation

Terdapat empat grup utama dari teknik yang digunakan dalam
knowledgw representation untuk intelligent help system:

1. Rule Based Techniques
Pengetahuan digunakan untuk mengetahui sekumpulan aturan dan
kenyataan. Teknik ini digunakan untuk domain yang relatif besar dan
dapat mewakili kegiatan yang menampilkan pengetahuan.

2. Frame Based Techniques
Digunakan untuk mewakili situasi yang umum terjadi. Frame
merupakan suatu struktur yang berisi slot yang diberi label yang
memiliki ciri yang berhubungan.

3. Network Based Techniques
Mewakili pengetahuan tentang user dan sistem yang merupakan
hubungan antara kenyataan, contoh yang paling umum adalah
semantic network. Network merupakan suatu hirarki dan child dapat
berhubungan dengan parent-nya.

4. Examples Based Techniques
Mewakili pengetahuan yang secara
keputusan dari suatu klasifikasi sistem.

implisit

dengan

struktur

Masalah dengan Knowledge Representation dan Modelling

Pengetahuan mewakili suatu issue pusat dalam intelligent help system,
tetapi tidak tanpa masalah itu sendiri, pengetahuan kadang sulit
didapatkan, terutama jika ada domain expert tidak tersedia. Masalah lain
adalah menginterpretasikan informasi yang cocok.

Masalah lain:

- Inisiatif
Haruskan user mempertahankan pengawasan yang lengkap
terhadap sistem, haruskah sistem langsung berinteraksi atau
haruskah penggabungan dialog didukung?

- Effect
Para perancang seharusnya memperhatikan efek dari modelling dan
adaptasi.

- Scope
Para perancang perlu memperhatikan scope dari bantuan dimana
digunakan pada level aplikasi atau sistem yang luas.

Merancang User Support System

Terdapat banyak cara untuk merancangnya dan semua itu diserahkan
pada perancang untuk memilih cara yang terbaik akan tetapi hal yang
perlu diperhatikan adalah:

- Perancangan seharusnya tidak seperti “add-on” pada sistem. Secara
ideal seharusnya merupakan bagian integral dalam sistem.

- Perancangan harus memperhatikan isi dari bantuan dan konteks
sebelum teknologi tersedia.

Masalah Presentasi

- How is help request?
Pilihan pertama bagi perancang untuk membuat bagaimana bantuan
dapat diakses oleh user. Terdapat beberapa pilihan. Bantuan ini
dapat berupa command, button fungsi yang dapat memilih on atau off
atau aplikasi yang terpisah.

- How is help displayed?
Bagaimana bantuan dapat dilihat oleh user. Dalam system window
mungkin ditampilkan dalam window yang baru. Dalam sistem lain mungkin dalam layar yang penuh atau bagian dari layar. Alternatif
lain dapat berbentuk pop-up box atau tingkat command line.

- Effective presentation of help
Tidak menjadi masalah teknologi apa yang digunakan untuk
membuat akan tetapi yang perlu diperhatikan akan menjadi suatu
prinsip, yaitu keefektifan.

Masalah Implementasi

- Para perancang harus membuat keputusan untuk implementasi
berupa secara fisik maupun pilihan yang tersedia untuk user.
Keputusan ini sudah termasuk dalam pernyataan command operating
system, apakah berbentuk meta-command atau aplikasi. Hambatan
fisik berupa screen space, kapasitas memori dan kecepatan.

- Masalah lain adalah bagaimana struktur data bantuan: apakah
berbentuk single file, hierarchy file atau database.

Sumber :
https://docs.google.com/viewer?a=v&q=cache:bwolnj6D4KsJ:eprints.undip.ac.id/22724/1/Pert2_Manusia.pdf+jenis+-+jenis+kesalahan+dan+slip+interaksi+manusia+dan+komputer&hl=id&gl=id&pid=bl&srcid=ADGEESi3v6g5llwYuV9pWpMJhV-RScASN_0Z06T0bCsXf9SXJ6TvhiarLFjT2t2qa32T5ILjWwNR7crS7g8REAMNBbxddwp1hk7wkRbigTxHoW4e531jSaha1sP-MieNu7mm9wVKcBrY&sig=AHIEtbRiKZUYCL0_K5E5QfMjePWG1njdCA

https://docs.google.com/viewer?a=v&q=cache:bZKytSyTFUgJ:staffsite.gunadarma.ac.id/febriani/index.php?stateid%3Ddownload%26id%3D10585%26part%3Dfiles+petunjuk+pencegahan+kesalahan+IMK&hl=id&gl=id&pid=bl&srcid=ADGEESi4HJAGyF1rW222-OrwsXL1g1u6lD3eGW1dCm2C9iR0uQ3t33n-rcw7_RUH8PbRpwQInzqbOC19IbCwcTChu_c31XT6qgIbGKWakkSqPGrXeuloQJ3nfXCLSSTtIeQklb35kDd_&sig=AHIEtbQaqzlI5_K_q9sKmKB4Hp8Ge6ZPjA