GOMS

GOMSによるユーザー モデリングのアプローチには、長所と短所があります。人間とコンピュータのインターフェースの相互作用を測定する最も正確な方法ではありませんが、すべての手順知識を可視化できます。GOMS を使用すると、アナリストは特定の相互作用を簡単に推定し、迅速かつ容易に計算できます。これは、各特定のタスクの平均メソッド時間測定データが、事前に高い精度で実験的に測定されている場合にのみ可能です。^{[ 2 ]}

GOMS は熟練ユーザーにのみ適用されます。エラーが発生してデータが変更される可能性があるため、初心者や中級者には適用されません。^{[ 3 ]} また、このモデルは、システムを学習しているユーザーや、長期間使用していなかった後にシステムを使用するユーザーには適用されません。^{[ 3 ]} もう 1 つの大きな欠点は、エラーを考慮していないことです。熟練ユーザーでもエラーは発生しますが、GOMS はエラーを考慮していません。^{[ 3 ]} 精神的負荷はモデルで考慮されていないため、予測不可能な変数となります。疲労についても同様です。^{[ 3 ]} GOMS はシステムのタスクのユーザビリティのみを扱い、その機能性は扱いません。^{[ 3 ]}

GOMS モデルでは、ユーザーの性格、習慣、または身体的な制約 (たとえば障害) は考慮されていません。すべてのユーザーは全く同じであると想定されています。最近、GOMS のいくつかの拡張が開発され、障害のあるユーザーのインタラクション行動を記述する GOMS モデルを定式化できるようになりました。^{[ 4 ] [ 5 ] [ 6 ]}

キーストロークレベルモデル（KLM ）は、スチュアート・カード、トーマス・P・モラン、アレン・ニューウェルが作成した、GOMS の最初の最も単純な手法です。^{[ 6 ]} タスクの実行時間を推定するには、演算子のシーケンスをリストし、個々の演算子の実行時間を合計します。KLM では、アナリストは各タスクインスタンスを実行するために使用される方法を指定する必要があります。さらに、指定された方法はシーケンス形式に限定され、キーストロークレベルのプリミティブ演算子のみを含みます。GOMS とKLMの最大の違いは、実行時間の予測に関して、認知演算子と知覚演算子に時間を割り当てる方法です。もう 1 つの大きな違いは、GOMS では目標階層が明示的であるのに対し、KLMでは暗黙的であることです。観測不可能な演算子の性質も重要な違いです。KLMでは、各認知的アクション単位の前に単一のM演算子があります。対照的に、GOMS ではそのような認知的オーバーヘッドに時間を割り当てません。しかし、どちらのモデルにも、画面上の情報を探したり入力内容を確認したりするなど、時間のかかる精神的動作のためのMのような演算子が含まれています。どちらの方法も、観察できない知覚活動と認知活動にほぼ同じ時間を割り当てています。また、観察できない認知演算子と知覚演算子について異なる仮定を置いているため、時間の配分方法も異なります。 ^{[ 2 ] [ 7 ]}

KLMの実行部分は、4つの身体運動オペレーターによって説明される。

• K キーストローク/キープレス
• P がマウスでターゲットを指し示す
• Hキーで手をキーボードに戻す
• D.グリッド上に線分を描く

1つのメンタル演算子Mは、ユーザーがアクションを実行するために精神的に準備する時間を表し、システム応答演算子Rは、ユーザーがシステムを待つ時間を表します。実行時間は、異なる演算子タイプの実行に費やされた時間の合計です。

T _execute = T _K + T _P + T _H + T _D + T _M + T _R . ^{[ 1 ]}

これらの演算子はそれぞれ、実行時間の見積もりを持っています。それは単一の値の場合もあれば、パラメータ化された見積もりの​​場合もあります。

CMN-GOMSは、スチュアート・カード、トーマス・P・モラン、アレン・ニューウェルによって提案されたオリジナルのGOMSモデルです。

CMN は Card、Moran、Newell の略で、KLM を基本としてサブゴールと選択ルールを追加します。このモデルは、オペレーターのシーケンスと実行時間を予測できます。CMN-GOMS モデルはプログラム形式で表現できるため、分析と実行の両方に適しています。CMN-GOMS は、ワードプロセッサ^{[ 1 ]}や人間工学設計のための CAD システム ( CADを参照) ^{[ 2 ]}のモデリングに使用されています。CMN メソッドは、タスクのオペレーターのシーケンスと実行時間を定量的に予測でき、定性的なレベルで目標を達成する方法に焦点を当てることができます。

Bonnie E. JohnとDavid E. Kierasの例では、原稿の編集に関するシンプルなCMN-GOMSが示されています。^{[ 2 ]}

目標：原稿の編集 目標。ユニットタスクの編集...ユニットタスクがなくなるまで繰り返す 目標。ユニットタスクを取得する...タスクが記憶されていない場合 目標。ページをめくる…原稿の末尾にある場合 目標：スクリプトから取得 . . 目標。ユニットタスクを実行...ユニットタスクが見つかった場合 ...目標。テキストの変更 ……選択。目標。テキスト移動*……テキストを移動する場合 . . . . . . 目標。フレーズの削除...フレーズを削除する場合 . . . . . . 目標。INSERT-WORD ... 単語を挿入する場合 . . . . 検証編集 

以下に簡単なコピー＆ペーストの例を示します。^{[ 9 ]}

目標：テキストのコピー＆ペースト 目標テキストのコピー 目標 テキストのハイライト オペレーターカーソルを先頭に移動 オペレーターマウスボタンをクリック オペレーターカーソルを末尾に移動 オペレーターShiftキーを押しながらマウスボタンをクリック オペレーターハイライトの確認 目標 コピーコマンドの発行 選択* 目標マウスの使用 オペレーターカーソルを編集メニューに移動 オペレーターマウスボタンを押す オペレーターカーソルをコピーアイテムに移動 オペレーターハイライトの確認 オペレーターマウスボタンを離す 目標 キーボードの使用 オペレーターCtrlキーを押す オペレーターCキーを押す オペレーターキーを離す 目標テキストの貼り付け[...] *目標ISSUE-COPY-COMMAND の選択ルール 手がキーボードにある場合GOAL USE-KEYBOARD を選択するか、そうでなければ目標 を選択マウスを使用 

NGOMSL は、GOMS モデルを表現するための構造化された自然言語表記法であり、GOMS モデルを構築するための手順でもあります。このプログラム形式は、演算子シーケンス、実行時間、およびメソッドの学習時間の予測を提供します。アナリストは、メソッドがプリミティブ演算子（通常はキーストロークレベルの演算子）のみを含むまで、ユーザーのトップレベルの目標をメソッドにトップダウンの幅優先展開することで NGOMSL モデルを構築します。このモデルは、CMN-GOMS と同様に目標構造を明示的に表現し、高レベルの目標を表現できます。^{[ 10 ]}

以下に簡単な例を示します。^{[ 2 ]}

NGOMSL声明 ゴール 移動テキストの方法 ステップ1： 目標達成 テキストを切り取る  ステップ2： 目標達成 テキストを貼り付ける  ステップ3 ：目標達成 戻る 目標カットテキストの方法 ステップ 1 目標を達成する テキストをハイライトする ステップ 2 コマンドがカットであることを覚えておく 目標を達成する 命令を発する ステップ3： 目標を達成して戻る 等 

ボニー・E・ジョンとデビッド・キーラスは、4 種類の GOMS について説明しています。CMN-GOMS、KLM、NGOMSL は、すべての操作が順番に発生し、活動レベルより下の操作を含まないことを前提としています。4 番目の方法である CPM-GOMS は、認知プロセッサ、知覚プロセッサ、運動プロセッサの操作が互いに並列に動作できることを前提としたモデル ヒューマン プロセッサレベルの操作を使用します。CPM-GOMS の最も重要な点は、重複する動作をモデル化する能力から熟練した動作を予測できることです。 ^{[ 11 ] [ 12 ]}

^{SGOMSはSociotechnical GOMS [ 13 ] [ 14 ] [ 15 ]}の略で、GOMSが複雑な社会技術システムでの作業をモデル化できるようにするために作成されました。GOMSは、認知心理学の実験と同様に、予期せぬ中断のない孤立した作業を行う個々のユーザーをモデル化することを目的としています。このレベルの分析は、現実世界の認知を指すマクロ認知と区別するために、マイクロ認知と呼ばれることがあります。SGOMSは、GOMSの適用範囲をマクロ認知レベルの分析に拡張することを目的としています。これを行うために、SGOMSはGOMSに計画ユニットと呼ばれる高レベルの制御構造を追加します。これにより、GOMSは予期せぬ中断に対処できるようになります。

計画単位は、単位タスクのリストです。計画単位は順序付け可能（単位タスクは順番に実行されなければならない）または状況依存（リスト内の単位タスクは状況に応じて実行される）のいずれかです。CPM -GOMSと同様に、SGOMS は、エージェントが脅威を検出するために状況を並行して監視できると想定しています（神経生理学的には、この機能は扁桃体と関連付けられています）。計画単位は中断してブックマークすることができ、後で再開できます。計画単位が中断されると、エージェントは状況を考慮し、同じ計画単位を再開するか、ブックマークして別の計画単位に切り替えることができます。SGOMS はこの選択方法を規定していませんが、決定がルーチン的な専門知識に基づいている場合は、SGOMS モデルに含めることができます。

GOMS分析では、正確な仮定が不可欠です。詳細な機能の平均時間を適用する前に、実験者は仮定を用いて可能な限り多くの変数を考慮していることを確認することが非常に重要です。実験者は、分析対象のシステムを最も頻繁に使用するであろうユーザーを想定してGOMS分析を設計する必要があります。たとえば、実験者が、長年使用してきたインターフェースをF22ラプターのパイロットが操作するのにかかる時間を測定したいとします。パイロットは優れた視力と良好な健康状態にあると想定できます。さらに、パイロットは膨大なシミュレーション時間と過去の使用経験から、インターフェースを迅速に操作できると想定できます。これらの点を考慮すると、この状況ではファストマン時間を使用するのが妥当です。一方、飛行経験のない80歳の人が同じF22ラプターのインターフェースを操作しようとする場合を考えてみましょう。この2人はスキルセットが大きく異なり、そのスキルセットは主観的に考慮されるべきであると言えるでしょう。

GOMS分析におけるエラーを考慮する唯一の方法は、エラーが最も発生しやすい箇所を予測し、予測されたエラーを修正するのにかかる時間を測定することです。例えば、被験者が「the」という単語を入力する際に​​、「teh」と誤って入力する可能性が高いと実験者が考えたとします。実験者は、誤った単語を入力するのにかかる時間、間違いに気づくのにかかる時間、そして認識したエラーを修正するのにかかる時間を計算します。

CPM-GOMS の成功事例は、ニューイングランド電話会社が実施したプロジェクト アーネスティンです。人間工学に基づいて設計された新しいワークステーションと古いワークステーションを、電話オペレーターのパフォーマンス向上という観点から比較しました。CPM-GOMS 分析では、生産性が 3% 低下すると推定されました。4 か月の試用期間中に 78,240 件の通話が分析され、新しいワークステーションでは実際に生産性が 4% 低下したと結論付けられました。提案されたワークステーションは元のワークステーションよりもキーストローク数が少ないため、時間テストからは低下の原因が明らかではありませんでした。しかし、CPM-GOMS 分析により、問題は新しいワークステーションが作業者の余裕時間を活用していないことにあることが明らかになりました。CPM-GOMS は正確な推定値を提供するだけでなく、状況に関するより多くの情報を提供しました。^{[ 16 ]}

GOMS モデルは、産業人間工学のためのCAD (コンピュータ支援設計) システムの再設計に採用されました。^{[ 17 ]} 適用された GOMS モデルは、インターフェースの再設計が必要な箇所を示すとともに、設計コンセプトやアイデアの評価も提供します。リチャード・ゴンの例では、GOMS が非常に非効率的な方法でサポートされている頻繁な目標を明らかにしたとき、彼はその方法をより効率的な方法に変更しました。GOMS が、どの方法でもサポートされていない目標があることを示した場合、新しい方法が追加されました。GOMS はまた、類似の目標が矛盾した方法でサポートされている箇所、つまりユーザーが何をすべきかを覚えるのに問題が生じる可能性のある状況を明らかにし、方法を一貫性のあるものにする方法を示しました。^{[ 17 ]}