Bases neurales pour linteraction homme machine. Sommaire Motivation Présentation Modèle prédictif Modèle descriptif Fondement scientifique et modèle de

Bases neurales pour l’interaction homme machine

Bases neurales pour l’IHM

Sommaire Motivation Présentation

Modèle prédictif Modèle descriptif

Fondement scientifique et modèle de description Loi de Fitts Modèle Guiard du talent bimanuelle Etude de cas

Prévisions des taux d'entrée de texte sur les téléphones mobiles

Affordance que produit l'interface sur le contrôle bimanuel et sur le bureau

Situation actuelles et autres documents


Motivation

Présentation de modèles de mouvement humain pertinent à l’IHM : Issus de la recherche Issus des besoins spécifiques

•Limites de mouvements

•Capacité

•Potentiel

•Périphérique d’entrée

•Techniques d'interaction

•Système informatique

HUMAINMACHINE

Faire correspondre


Présentation Modèle Simplification de la réalité

Modèles : Prédictif Modèle de Fitt’s (mathématique) Descriptif Modèle de Guiard (métaphorique)

2 modèle utilisés couramment en IHM

Evaluer Concevoir Offrir une base pour comprendre le comportement d’un objet


Modèle Prédictif : Hick-Hyman Modèle Prédictif modèles de l'ingénierie

1

1. Loi de Hick-Hyman : RT = a + b log2(n) 2

ReactionTime=MovementTime+ProcessingSpeed.log2(n)

ProcessingSpeed :Temps pris pour prendre une décision

n : Nombre de choix Utilisé dans les systèmes interactifs 3 : téléphone

mobile pour prédire le temps de sélection des menus

modèles de performance 1


Modèle Prédictif : Keystroke-Level Model2. Keystroke-Level Model 4: Texecute=

tk+tp+th+td+tm+tr Prédit le temps d’accomplir une tâche K : appuie sur la touche P : pointage H : main vers souris et vice versa D : dessin avec souris M : opérateur mentale R : opérateur de système de réponse Servit à prédire les performances en entrée de

texte pour les utilisateurs handicapés physiques utilisant les systèmes de prédictions5


Modèle Descriptif : Key-Action Model Il ne donne pas de mesure quantitative Permet de définir un cadre ou un contexte

d’application afin de décrire une situation ou un problème

KAM : clavier Touches de : symbole, modification, exécution


Modèle Descriptif : 3-State Model 3-State Model Graphical Input 6

Simulation des états d’un périphérique par des primitives : une souris

Base de modélisation pour un dispositif de pointage multi boutons, exemple : TouchPad


Modèle Descriptif : TouchPad Apple : 1994 lance le TrackPoint TouchPad7 sur

le PowerBook 500 Base de développement : 3-State Model qui a

conduit au mouvement lift-and-tap similaire à : Cliquer, Double cliquer, Glisser


Modèle Descriptif : TouchPad Problèmes :

Certaines primitives sont difficile à réaliser Contiennes des erreurs lors de la réalisation Frustration des utilisateurs

Exemple : Lors d’un double clic, le doigt doit se trouver à la

même position spatiale que lors du premier clic, sinon le double clic n’est pas effectué

Conséquence : Les 3 primitives ont été adaptées8 sur le TouchPad


Modèle Descriptif : Cartographier des Degrés de Liberté à des Dimensions 1er degré : X, exemple : vers la droite 2ème degré : Y, exemple: vers le haut 3ème degré : θz, rotation autour d’un axe


Modèle Descriptif : Cartographier des Degrés de Liberté à des Dimensions Souris traditionnelle souris à 2D9

Problème : θz : non ressenti

Souris à 2 boules permet de retrouver le degré de liberté manquant

Plus besoin d’un « outil de rotation »10


Modèle Descriptif : Cartographier des Degrés de Liberté à des Dimensions Système 3D

Isotrak II by Polhemus, Inc. (Colchester, VT)

Rockin'Mouse11


Fondement scientifique et description du modèle : Loi de Fitts Modèle hautement adapté mouvement

humain et sans doute le plus réussit12

Amplitude d’un mouvement

Signal électronique

Précision spatiale du mouvement

Bruit électronique

Système moteur humain : Canal de

communication


Fondement scientifique et description du modèle : Loi de Fitts Motivation :

Evaluer la difficulté des tâches Savoir comment celles-ci ont été réalisée

Les mouvements sont considérés comme la transmission de signaux

Basé sur le Théorème de Shannon 1713 : C = B log2(S / N + 1) C : Capacité de l’information (bits/s) B : bande passante (Hetz) S : Puissance du signal N : Puissance du bruit


Fondement scientifique et description du modèle : Loi de Fitts Fitts a présenté ses lois dans 2 Articles14

ID = log2 (2A / W) A : Amplitude ( Signal de Shannon S) W : Largeur ( Bruit N)


Fondement scientifique et description du modèle : Loi de Fitts Amélioration de l’information analogique par

MacKenzie , 1989 : ID = log2 (A / W + 1)

Le temps de mouvement est : MT = a + b × ID A et b : constantes déterminées par tests


Fondement scientifique et description du modèle : Loi de Fitts : exemple


Fondement scientifique et description du modèle : Loi de Fitts : exemple


Fondement scientifique et description du modèle : Loi de Fitts : exemple Une tâche :

ID = 4,09 bits MT = 0,979 s ID/MT = 4,18 bits/s

Pour Fitts : ID/MT = IP (Indice de Performance) En 1999 : ID/MT = TP15 (Throughput débit de

terme)

Figure 3.6 : Débit moyen Périphérique A : 2,4/0,644 = 3,73 bits/s Débit moyen Périphérique B : 2,4/01,555 = 1,57 bits/s Sur A, la performance est 2,4 fois plus élevée que B


Fondement scientifique et description du modèle : Loi de Fitts : exemple Mais, le calcul de débit n’est pas aussi simple en

réalité Il est parfois comme l’inverse de la pente de la

droite de régression16

Avec ce raisonnement : TP de A : 1/0,197 = 5,08 bits/s Alors que avec ID/MT = 3,73 bits/s Difficile à calculer car il faut inclure la précision

spatiale pour retrouver l’analogie avec le Th. De Shannon17

On aurait donc : We = 4,133 × SDX

Sdx : écarte type des cordonnées sur un bloc de trials18


Fondement scientifique et description du modèle : Modèle Guiard du talant bi-manuel Contrôle Bi-manuel ou Latéralité19 : domaine du

comportement moteur Les mains sont asymétriques : rôle et tâches

différentes pour chaque mains fondement du travail de Guiard (1987)

Modèle de Guiard : Définit un des caractéristique d’un espace de problème

Rôle et Action des mains à préférer ou non


Fondement scientifique et description du modèle : Modèle Guiard du talant bi-manuel : exemple

Patron main gauche (Nonpreferred hand leads)

Le patron est manipulé au dessus du dessin (définit le cadre de référence)

Stylo main droite (preferred hand follows) dans le patron ( à l’intérieur du cadre de référence fixé par la « Nonpreferred hand leads »)

Croquis : la main préférée fait des mouvements précis


Fondement scientifique et description du modèle : Modèle Guiard du talant bi-manuel : conclusion

Buxton and Myers (p. 321, 1986) : conclut que la tendance naturelle de sujets utilisant 2 mains étaient dû à « l’efficacité de la main motrice »

La recherche fondamentale s’est servit des résultats et a exploités les recherches de Guiard grâce aux effort de Paul Kabbash20

L'article de Kabbash, Buxton et Sellen (1994) fut le premier en HCI à citer le papier de Guiard de 1987


Etude de cas : Loi de Fitts & Téléphones mobiles Etude sur la prévision des taux d’entrée de

texte sur les téléphones mobiles

Motivation : Volume de SMS de l’ordre du Milliard par mois (www.gsmworld.com)

2 approches : Multitap Saisie prédictive : T9


Etude de cas : Loi de Fitts & Téléphones mobiles : Multitap 33 pressions 15 caractères Moyenne : 2,034 pressions pour 1 caractère,

d’après MacKenzie, 2002. Problème :

Segmentation : 2 lettres dans le mot le sont sur la touche 6délai supplémentaire

3 ou 4 lettres par touche


Etude de cas : Loi de Fitts & Téléphones mobiles : T9 16 pressions 15 caractères

Problème : Plusieurs mots ont la même séquence de touche

le mot par défaut est choisit


Etude de cas : Loi de Fitts & Téléphones mobiles : calcul de la vitesse de frappe avec la loi de Fitts

Modèle non approprié car : Tâche complexe Mouvement fait par 2 mains et 10 doigts

Solution : Réduire la frappe à 1 doigt

Des modèles ont été rapportés par Silfverberg, MacKenzie et Korhonen (2000)



Nécessite : informations sur la position et la taille des touches l'affectation des lettres aux touches les probabilités relatives des diagrammes dans la

langue cible

Pour une entrée avec l’index : MT = 165 + 52 ID

Pour une entrée avec le pouce : MT = 176 + 64 ID

Tableaux de probabilité disponibles21



On limite à 26 caractères + Espace on a 27² = 729

MTL = ΣΣ (Pij × MTij) MTL : temps du mouvement pour une lettre j : prédiction de la lettre i MTij : temps pour entrer une lettre Pij : pondération de la probabilité d’avoir la lettre dans

le diagramme

WPM = MTL × (60 / 5) WPM : Mot par minute 5 : Moyenne d’un mot en anglais


Etude de cas : Loi de Fitts & Téléphones mobiles : Prédiction des taux d’entrée

Problème : Pression de 1 à 4 fois sur 1 touche Mtrepeat

Mtrepeat :Tâche de la loi de fitts avec « 0 amplitude de mouvement »A=0

L’indice de difficulté ID = log2(0/W + 1) = 0 bits


Bibliographie 1 : Card, Moran, & Newell, 1983, p. 411;

Marchionini & Sibert, 1992 2 : Hick, 1952; Hyman, 1953 3: Card et al. (1983, p. 74) 4 : Card et al. (1980; 1983, chap. 8) 5 : Koester & Levine, 1994 6: Buxton, 1990 7 : MacNeill & Blickenstorfer, 1996 8 : pour (ACM Computing Machinery) Special

Group for Computer-Human Interaction (SIGCHI) (MacKenzie & Oniszczak, 1997; MacKenzie & Oniszczak, 1998).


Bibliographie 9 : Zhai & Mac Kenzie, 1998 10 : Mac Kenzie, Soukoreff, et Pal (1997) 11 : The Rockin'Mouse: Integral 3D Manipulation on

a Plane : http://portal.acm.org/citation.cfm?id=258778

12 : MacKenzie, 1991; MacKenzie, 1992; Meyer, Smith, Kornblum, Abrams, et Wright, 1990; Welford, 1968

13 : Shannon & Weaver, 1949, pp. 100-103 14 : 1er en 1954 (Fitts, 1954), le 2ème en 1964 (Fitts

& Peterson, 1964) 15 : Douglas, Kirkpatrick, & MacKenzie, 1999; ISO,

1999

http://portal.acm.org/citation.cfm?id=258778


Bibliographie 16 : Card, anglais, & Burr, 1978; MacKenzie,

Sellen, & Buxton, 1991 17 : Fitts & Peterson, 1964; Welford, 1968 18 : The coefficient 4.133 emerges from the

term (2 × π × e)1/2 in Shannon’s original theorem. See MacKenzie (1992) for details

19 : Kelso, Southard, & Goodman, 1979; Peters, 1985; Porac & Coren, 1981; Wing, 1982

20 : Kabbash, Buxton, & Sellen, 1994; Kabbash, MacKenzie, & Buxton, 1993


Bibliographie 21 : Mayzner & Tresselt, 1965; Soukoreff &

MacKenzie, 1995; Underwood & Schulz, 1960

Documents

Bases neurales pour linteraction homme machine. Sommaire Motivation Présentation Modèle prédictif Modèle descriptif Fondement scientifique et modèle de