Comparative Analysis of cognitive performance models across task complexities
- Thema:
- Comparative Analysis of cognitive performance models across task complexities
- Art:
- MA
- BetreuerIn:
- Andreas Schmid
- BearbeiterIn:
- Michelle Lanzinger
- Status:
- abgeschlossen
- Stichworte:
- TBD
- angelegt:
- 2023-08-24
- Antrittsvortrag:
- 2023-11-06
- Abschlussvortrag:
- 2024-04-22
Hintergrund
Cognitive performance models werden in der HCI oft unter anderem zur Berechnung der Dauer von Interaktionen mit Benutzeroberflächen verwendet. Manche dieser Modelle sind wenig komplex, vereinfachen aber Prozesse stark und können die Dauer von manchen Aufgaben aus diesem Grund möfglicherweise nicht akkurat vorhersagen. Andere Modelle sind dagegen sehr komplex, jedoch auch schwierig anzuwenden und zeitintensiv. Bei der Modellierung einer Aufgabe muss der Modellierer abwägen, welches Modell (oder kognitive Architektur) am besten für die Komplexität der Aufgabe geeignet ist. Mithilfe eines Vergleichs der Performance gängiger HCI Modelle für verschiedene Standardaufgaben aus der HCI könnte diese Auswahl erleichtert werden und damit möglicherweise Ressourcen eingespart werden.
Zielsetzung der Arbeit
In dieser Arbeit sollen cognitive performance models verglichen werden, um herauszufinden welche Modelle zur Modellierung welcher Aufgabenkomplexität geeignet ist.
Konkret sollen folgende Fragen beantwortet werden:
- Wie variieren die Vorhersagegenauigkeiten der KLM-, CPM-GOMS- und ACT-R-Modelle bei Aufgaben unterschiedlicher Komplexitätsgrade?
- Welche Faktoren beeinflussen die Vorhersagen der Modelle für Aufgaben unterschiedlicher Komplexitätsgrade?
Konkrete Aufgaben
- Auswahl geeigneter Modelle
- Ausarbeiten der Modelle für passende Aufgaben
- Durchführen einer Nutzerstudie
- Vergleich der Modelle basierend auf den Ergebnissen der Nutzerstudie
Erwartete Vorkenntnisse
TBD
Weiterführende Quellen
TBD