• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>PLoS Clinical Trials >Experienced mental workload, perception of usability, their interaction and impact on task performance
【2h】

Experienced mental workload, perception of usability, their interaction and impact on task performance

机译：经验丰富的工作量，对可用性的感知，交互作用以及对任务绩效的影响

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Past research in HCI has generated a number of procedures for assessing the usability of interacting systems. In these procedures there is a tendency to omit characteristics of the users, aspects of the context and peculiarities of the tasks. Building a cohesive model that incorporates these features is not obvious. A construct greatly invoked in Human Factors is human Mental Workload. Its assessment is fundamental for predicting human performance. Despite the several uses of Usability and Mental Workload, not much has been done to explore their relationship. This empirical research focused on I) the investigation of such a relationship and II) the investigation of the impact of the two constructs on human performance. A user study was carried out with participants executing a set of information-seeking tasks over three popular web-sites. A deep correlation analysis of usability and mental workload, by task, by user and by classes of objective task performance was done (I). A number of Supervised Machine Learning techniques based upon different learning strategy were employed for building models aimed at predicting classes of task performance (II). Findings strongly suggests that usability and mental workload are two non overlapping constructs and they can be jointly employed to greatly improve the prediction of human performance.
机译：HCI过去的研究已经产生了许多评估交互系统可用性的程序。在这些程序中，有一种趋势是忽略用户的特征，上下文的方面和任务的特殊性。构建包含这些功能的内聚模型并不明显。人为因素在人为因素中被极大地调用。它的评估对于预测人类绩效至关重要。尽管可用性和心理工作量有多种用途，但在探索它们之间的关系方面做得很少。这项实证研究的重点是：I）这种关系的研究，II）两种结构对人类绩效影响的研究。进行了一项用户研究，参与者在三个流行的网站上执行了一组信息搜索任务。对可用性，心理工作量，任务，用户以及目标任务绩效的类别进行了深入的相关性分析（I）。许多基于不同学习策略的监督机器学习技术被用于构建旨在预测任务绩效类别的模型（II）。研究结果强烈表明，可用性和精神工作量是两个不重叠的结构，可以共同使用它们来大大改善对人类绩效的预测。

著录项

  • 期刊名称 PLoS Clinical Trials
  • 作者

    Luca Longo;

  • 作者单位
  • 年(卷),期 2012(13),8
  • 年度 2012
  • 页码 e0199661
  • 总页数 36
  • 原文格式 PDF
  • 正文语种
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号