NGOMSL

NGOMSL (Natural GOMS Language) — это методология анализа и моделирования человеко-компьютерного взаимодействия, основанная на формальном языке описания когнитивных и моторных действий пользователя. NGOMSL является одной из разновидностей семейства методов GOMS (Goals, Operators, Methods, Selection Rules), предназначенных для прогнозирования времени выполнения задач и оценки эффективности интерфейсов без проведения эмпирических тестов с участием реальных пользователей. Метод был разработан Бонни Джон (Bonnie John) и Дэвидом Кирсом (David Kieras) в конце 1980-х — начале 1990-х годов как развитие идей GOMS, предложенных Стюартом Кардом (Stuart Card), Томасом Мораном (Thomas Moran) и Алленом Ньюэллом (Allen Newell).

История возникновения

Первые работы по GOMS были опубликованы в 1983 году в книге «The Psychology of Human-Computer Interaction». В их основе лежала модель человеческого процессора (Model Human Processor, MHP), описывающая восприятие, память и моторику как систему с фиксированными временными параметрами. Однако оригинальный GOMS не имел строгой синтаксической записи и оставлял значительную свободу интерпретации.

В 1988 году Бонни Джон и Дэвид Кирс предложили NGOMSL как формализованную версию, в которой действия пользователя записываются на специальном языке, похожем на псевдокод. Это позволило:

• устранить неоднозначность в описании методов;
• автоматизировать частичный анализ;
• сделать прогнозы более воспроизводимыми.

Метод получил распространение в академических исследованиях и в индустрии разработки программного обеспечения, особенно в проектах, где требовалась высокая надёжность интерфейсов (авиация, военная техника, медицинское оборудование).

Основные компоненты NGOMSL

Методология NGOMSL опирается на четыре ключевых понятия, общих для всего семейства GOMS:

• Цели (Goals) — задачи, которые пользователь ставит перед собой (например, «сохранить файл» или «найти контакт в адресной книге»). Цели могут быть иерархическими: верхнеуровневая цель разбивается на подцели.
• Операторы (Operators) — элементарные действия, не требующие дальнейшего разложения. К операторам относятся нажатия клавиш, движения мыши, перемещения взгляда, когнитивные операции (например, «подумать», «вспомнить»). Каждому оператору в NGOMSL приписывается стандартное время выполнения, взятое из модели человеческого процессора.
• Методы (Methods) — последовательности операторов, реализующие достижение конкретной цели. Метод записывается в виде процедуры: «Method for goal: <цель>; Step 1: <оператор>; Step 2: <оператор>; ...».
• Правила выбора (Selection Rules) — условия, определяющие, какой из нескольких методов следует применить в данной ситуации. Правила записываются в формате: «If <условие> then use method <имя>».

В NGOMSL все эти компоненты оформляются в виде текста на естественном, но строго структурированном языке, что отличает его от более ранних версий GOMS, где допускались произвольные формы записи.

Процесс моделирования

Моделирование с помощью NGOMSL включает несколько этапов:

1. Определение задачи. Выбирается типичная задача пользователя (например, «отправить электронное письмо»). Задача должна быть достаточно узкой, чтобы её можно было разложить на 10–50 шагов.
2. Построение иерархии целей. Задача разбивается на подцели, пока каждая подцель не станет соответствовать одному методу.
3. Запись методов. Для каждой подцели записывается метод в синтаксисе NGOMSL. Пример:

`` Method for goal: ввести текст Step 1: нажать клавишу 'A' Step 2: нажать клавишу 'B' Step 3: вернуть результат ``

1. Добавление правил выбора. Если существует несколько способов выполнить одну цель, формулируются правила выбора метода.
2. Расчёт времени. Каждому оператору присваивается время (в миллисекундах) из таблицы операторов. Суммарное время выполнения задачи получается сложением времён всех операторов.
3. Верификация. Полученные прогнозы сравниваются с реальными данными (если доступны). При расхождениях модель корректируется.

Таблица операторов и временные параметры

В NGOMSL используются стандартные значения времени, основанные на модели человеческого процессора (MHP). Ниже приведены типичные операторы и их длительность:

Эти значения могут варьироваться в зависимости от конкретной реализации и контекста (например, время нажатия клавиши для опытного пользователя может быть меньше). В NGOMSL допускается корректировка параметров под целевую аудиторию.

Пример применения

Рассмотрим упрощённый пример моделирования задачи «открыть файл в текстовом редакторе»:

`` Goal: открыть файл Method for goal: открыть файл Step 1: переместить курсор мыши на меню 'Файл' Step 2: нажать левую кнопку мыши Step 3: переместить курсор на пункт 'Открыть' Step 4: нажать левую кнопку мыши Step 5: в диалоговом окне выбрать файл Step 6: нажать кнопку 'Открыть' Step 7: вернуть результат ``

После расчёта времени: 4 перемещения мыши (4×1100 мс) + 3 нажатия (3×100 мс) + 1 когнитивный оператор на выбор файла (200 мс) = 4400 + 300 + 200 = 4900 мс (около 5 секунд). Если реальное время пользователя отличается, модель уточняется.

Достоинства и ограничения

Достоинства

• Точность прогнозов. При правильной настройке NGOMSL позволяет предсказать время выполнения задачи с ошибкой менее 10–20 %.
• Формализация. Строгий синтаксис исключает двусмысленность, что облегчает обсуждение модели между разработчиками и дизайнерами.
• Возможность автоматизации. Существуют инструменты (например, CogTool), которые частично автоматизируют построение моделей NGOMSL.
• Независимость от пользователя. Модель строится на основе интерфейса, а не на основе тестов с людьми, что экономит ресурсы на ранних этапах разработки.

Ограничения

• Трудоёмкость. Построение модели для сложной задачи может занимать часы или дни.
• Узкая область применения. NGOMSL применим только для задач, выполняемых одним пользователем за короткое время (до нескольких минут). Для длительных или многопользовательских сценариев метод не подходит.
• Игнорирование ошибок. Модель предполагает, что пользователь не совершает ошибок и не отвлекается. В реальности ошибки могут существенно увеличить время.
• Зависимость от эксперта. Для построения качественной модели требуется обученный специалист, знакомый с когнитивной психологией и интерфейсами.

Сравнение с другими методами GOMS

NGOMSL занимает промежуточное положение: он более формален, чем KLM, но менее сложен, чем CPM-GOMS, который требует учёта параллельных процессов.

Критика

Некоторые исследователи указывают, что NGOMSL, как и другие методы GOMS, основан на упрощённой модели человеческой когнитивной архитектуры (MHP), которая не учитывает современные данные о работе мозга. Кроме того, метод не предусматривает анализа эмоционального состояния пользователя, усталости или мотивации. В ответ на критику сторонники NGOMSL отмечают, что метод не претендует на полное описание поведения, а лишь даёт инженерную оценку времени выполнения, достаточную для практических задач.

Применение в России

В российской практике NGOMSL используется преимущественно в академических исследованиях по эргономике и человеко-компьютерному взаимодействию. Ряд вузов (например, МГУ им. М.В. Ломоносова, НИУ ВШЭ, МФТИ) включают метод в курсы по проектированию интерфейсов. В промышленности метод применяется редко из-за высокой трудоёмкости и отсутствия массовых инструментов поддержки. Однако отдельные проекты в области авиационной и космической техники (например, разработка интерфейсов для тренажёров) используют NGOMSL для оценки эффективности.

Источники

• Card, S. K., Moran, T. P., & Newell, A. (1983). The Psychology of Human-Computer Interaction. Lawrence Erlbaum Associates.
• John, B. E., & Kieras, D. E. (1996). The GOMS Family of User Interface Analysis Techniques: Comparison and Contrast. ACM Transactions on Computer-Human Interaction, 3(4), 320–351.
• Kieras, D. E. (2004). GOMS Models for Task Analysis. In: The Handbook of Task Analysis for Human-Computer Interaction. Lawrence Erlbaum Associates.
• Головач, В. В. (2012). Проектирование пользовательских интерфейсов. М.: ДМК Пресс.