2006/Nov./28 輪講 Wu Raychi - 1 - Modeling the Effect of Task and Graphical Representation on Response Latency in a Graph Reading Task Peebles, David & Cheng, Peter C-H.(2003).Modeling the Effect of Task and Graphical Representation on Response Latency in a Graph Reading Task. Human Factors, 45(1), pp. 28-45. Introduction l 情報爆発時代こそ、図表とグラフを解読及び推論する能力が必要とされ 知覚と推論スキルの熟達 図表に関する広い範囲で一般及び特定の知識 l 図表推論というプロセス、以下3要因間に複雑な交互作用から生じた活動 推論者の認知と知覚スキル 外的表象にある図表的属性 タスクに関する特定な制限 l 3 要因間の相関をより深く理解できれば より効率的な図表表象/構造化する方法への示唆 l グラフよる推論(GBR=graph-based reasoning )領域 3 要因はいかに推論に影響を与える ² 異なるタイプの Cartesian グラフ(X、Y 軸を操作;直交座標) GBR モデルを提案(Peebles & Cheng, 2001, 2002; Peebles, Cheng & Shadbolt, 1999 ) l 目的は他のモデルやと類似:HCI 行動のフレームワークを提案 Cognition-artifact-task(Gray & Altmann, 2001) Embodied cognition-artifact-task(Byrne, 2001; Gray, 2000; Gray & Boehm-Davis, 2000) l (Fig. 1)本研究で使われた 4 枚グラフ イギリス 20 年間の海底石油とガス産量(百万単位)を示す Argument Variable/AV:年代(time in years ) Quantity Variable/QV:石油とガスの産量(oil and gas ) AV QV Function graphs X 軸 Y 軸 Parametric graphs 曲線としてプロットされ/ 変数的(parameterized )存在 X 軸(gas ) Y 軸(oil ) l 2 種類のグラフの類似度を評価する基準(Larkin & Simon, 1987 ) 情報的等価(informationally equivalent ):If no information can be inferred from one that cannot be inferred from the other and if each can be constructed from the information in the other. 計算的等価( computationally equivalent ): If they are informationally equivalent and if any inferences that can be drawn “ quickly and easily ” from the explicit information in one can be similarly drawn from the explicit information in the other, and vice versa. (本研究の重心)
13
Embed
Modeling the Effect of Task and Graphical …miwalab.cog.human.nagoya-u.ac.jp/database/resume/2006-11...2006/11/28 · Modeling the Effect of Task and Graphical Representation on
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
2006/Nov./28 輪講 Wu Raychi
- 1 -
Modeling the Effect of Task and Graphical Representation on Response Latency in a Graph Reading Task Peebles, David & Cheng, Peter C-H.(2003).Modeling the Effect of Task and Graphical Representation on Response Latency in a Graph Reading Task. Human Factors, 45(1), pp. 28-45. Introduction l 情報爆発時代こそ、図表とグラフを解読及び推論する能力が必要とされ Ø 知覚と推論スキルの熟達 Ø 図表に関する広い範囲で一般及び特定の知識
l 図表推論というプロセス、以下3要因間に複雑な交互作用から生じた活動 Ø 推論者の認知と知覚スキル Ø 外的表象にある図表的属性 Ø タスクに関する特定な制限
l 3 要因間の相関をより深く理解できれば Ø より効率的な図表表象/構造化する方法への示唆
l グラフよる推論(GBR=graph-based reasoning)領域 Ø 3 要因はいかに推論に影響を与える ² 異なるタイプの Cartesianグラフ(X、Y軸を操作;直交座標)
l 2 種類のグラフの類似度を評価する基準(Larkin & Simon, 1987) Ø 情報的等価(informationally equivalent):If no information can be inferred
from one that cannot be inferred from the other and if each can be constructed from the information in the other.
Ø 計算的等価( computationally equivalent): If they are informationally equivalent and if any inferences that can be drawn “quickly and easily” from the explicit information in one can be similarly drawn from the explicit information in the other, and vice versa.(本研究の重心)
① 認知アーキテクチャ(Cognitive Architecture)とは、言わば知的エージェントの設計図である。何らかの認知システム、多くの場合人間のように行動する人工的に計算可能なプロセスやある種の知能を示す行動をするプロセスを作るための設計図である。認知アーキテクチャは汎用のエージェントアーキテクチャの一種でもある。「アーキテクチャ」と呼ばれるのは、振る舞いのモデル化だけでなくシステムの構造的な観点のモデル化も含むことを意味している。 http://ja.wikipedia.org/wiki/認知アーキテクチャ ② ACT-R(Adaptive Control of Thought--Rational、思考の適応制御--理性)とは、カーネギーメロン大学のジョン・R・アンダーソンを中心として開発された認知アーキテクチャである。ACT-R は人間の精神を成り立たせる基本的な認識と知覚の操作を定義することを目指している。理論上、人間の行う行為は、そのような個々の操作の連鎖から成っているとされている。ACT-R の根底にある仮定のほとんどは認知神経科学(cognitive neuroscience)の進歩に触発されたものでもあり、実際 ACT-R は脳内の個々の処理モジュールによって認識を生み出す過程を説明するものと言う事もできる。 http://ja.wikipedia.org/wiki/ACT-R
2006/Nov./28 輪講 Wu Raychi
- 4 -
l 本研究内容 Ø グラフによる推論(GBR)の実験とその結果 Ø 認知的プロセスモデルの構築及び制限
l 被験者に 2種類(function graphs/parametric graphs)のグラフを使い Ø 注意順序の指定により、簡単な課題を完成させ Ø GBR の最適化仮説に基づき、反応行動予測する
l 眼球運動の測定により最適化行動を検証 Ø 反応時間とエラーデータは GBR の予測とおりに Ø 部分眼球運動のパターンは GBR の最適化予測順序と不一致
l ACT-R/PM 認知アーキテクチャーを用い、2つのモデルを構築 Ø 反応時間のパターンと類似、眼球運動の測定を解釈できる予測結果を得られ
Experiment l 簡単なグラフ読み課題を使用 Ø 基本的グラフ読みスキルのみ要る Ø 指定した数値(given location)から Ø ターゲット(target locatoin)数値を探し出す Ø 異なる種類グラフの有効性(Peebles et al., 1999) ² 課題内容(どれが指定、どれがターゲット)に関わる
l 実験刺激(Fig.1) Ø AV(year)・QV(oil/gas)共に(最大値が 9、最小値が 0)10段階 Ø 120 質問作成 ² これらのデータに基づき ² それぞれ(given location)と(target locatoin)を含む ² 3 given variables X 2 required variables X 10 variable value X 2
graphs ² 最小限文字数でグラフの上方に質問提示
質問種類 given Target 例 QV-QV QV QV gas = 2, oil = ?
QV-AV QV AV gas = 6, year = 197? oil = 3, year = 198?
AV-QV AV QV year = 1978, gas = ? l 実験手続き Ø 被験者は同じ質問 60題を 2種類(1970’s/1980’s)のグラフを用い解答する Ø ただし質問 120題(試行)はランダムに提示(グラフ種類は試行ごと交替) Ø 答えを見つけたら出来るだけ早く画面(Fig.3)上の Answer をクリック Ø 画面上から質問とグラフは消され Ø 反応時間は、質問提示された時点からマウスのクリックしたまでの時間 Ø 0 から 9までの数字から答えを選択させる Ø 事前に実験装置の操作練習する時間ある
Results Participants' graph familiarity(表1) l 実験直後、2種類のグラフに対する熟知程度の主観評定 Ø encounter frequency ² 2 種類のグラフ過去の使用頻度(高、中、低)を聞く
l (Carpenter & Shah, 1998)グラフ理解に関する研究、6つの subgoals Ø 質問を読む Ø Given variable より start 位置を確認 Ø Given locationを見出す、 Ø Given locationより target locationを見出す Ø Target variable を探し出す Ø 質問を回答
2006/Nov./28 輪講 Wu Raychi
- 7 -
start location given location
QV-QV AV-QV function graphs QV-AV
X 軸か Y 軸 軸上にあるポイント
QV-QV X 軸か Y 軸 軸上にあるポイント AV-QV プロットされた曲線 曲線上のポイント parametric graphs QV-AV X 軸か Y 軸 軸上にあるポイント
l QV-QV 条件での RT、function > parametric Ø 走査パスは少ないと解釈できる。 Ø parametric (question, x/y axis, graph, x/y axis, answer) Ø function (question, y axis, graph, graph, y axis, answer)
l QV-AV 条件での RT、function > parametric Ø parametric(question, x/y axis, graph, answer)、同じ X軸(x= 0) Ø function(question, y axis, graph, x axis, answer)、異なる領域
l AV-QV 条件での RT、AV-QV < QV-AV < QV-QV Ø function(question, x axis, graph, y axis, answer)、走査パス数は2歩 Ø parametric(question, graph, x/y axis, answer)
Eye movement data 各試行の画面の7つ領域に頻度及び留まる時間、領域間の移動パターン l (Carpenter & Shah, 1998)term gaze を使い Ø to refer to a sequence of consecutive fixations on a display region Ø that is unbroken by fixations in other regions
手続き的知識は「プロダクション」の形式で表現される。「プロダクション」という用語は ACT-R が一種のプロダクションシステムであることにも由来しているが、実際プロダクションは主に皮質(バッファ)から基底核、基底核から皮質という情報の流れを形式的に表現するものと言える。 各瞬間に、バッファの現状と一致するプロダクションを検索するパターン照合器が動作する。ある瞬間には 1つだけプロダクションが選択され実行される。プロダクションを実行するとバッファの内容が変更され、システムの状態が変化する。従って ACT-R における認知は、プロダクションの逐次的実行として展開される。 l ACT-R/PM models of the experiment Ø A description of the models Ø Read the question Ø Identify the start location Ø Identify the given location Ø Identify the target location Ø Identify the target value the enter the answer
How learning affects the models' behaviour over time Ø 特に質問の required variable 位置を学習が RT を減少に有効
Comparing the models to the experiment data l GBR より精確に RT を予測できるようにこそ ACT-R/PM Ø 熟知程度より高いほう(質問条件ごと 60試行)のデータを使用 Ø function/parametric それぞれ 20回を計算
l Explaining eye movement data(Fig.5/Fig.6) Ø Answer region Ø Given value(Fixation 1) Ø Given variable(Fixation 2) Ø Check the axis(Fixation 3) Ø Given value(Fixation 4) Ø Given location(Fixation 5) Ø Require variable(Fixation 6) Ø Return to given location(Fixation 7) Ø Require value(Fixation 8) Ø Answer button(Fixation 9)