منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · شهریور ۱۴۰۵ · زمان مطالعه: حدود ۱۱ دقیقه

مدل‌سازی شناختی (Cognitive Modeling) چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

فرض کنید دو طراحی برای یک فرم دارید و می‌خواهید بدانید کدام سریع‌تر پر می‌شود. راه بدیهی این است که هر دو را بسازید و آزمون بگیرید. راه دیگری هم هست: روی کاغذ حسابش کنید.

مدل‌سازی شناختی همان راه دوم است — قدیمی‌ترین ابزار کمّیِ تجربهٔ کاربری، و کم‌استفاده‌ترینشان.

تعریف

مدل‌سازی شناختی ساختن یک مدل محاسباتی بر پایهٔ مفاهیم روان‌شناختی است که نشان می‌دهد آدم‌ها چگونه مسئله حل می‌کنند و وظیفه انجام می‌دهند. منبع تأکید می‌کند که این مدل می‌تواند به‌سادگی روی کاغذ ترسیم شود یا در قالب یک برنامهٔ رایانه‌ای پیچیده پیاده شود — هدف در هر دو حالت یکی است: پیش‌بینی رفتار کاربر در برابر وظیفه‌ها.

و دقیقاً می‌گوید کدام رفتارها موضوع علاقه‌اند: مدت‌زمان انجام وظیفه، اینکه کاربر روی کدام قلم منو و کدام دکمه کلیک خواهد کرد، و خطاهایی که ناگزیر رخ می‌دهند. رایج‌ترین روش‌های مدل‌سازی هم اینها هستند: ACT-R، EPIC، GOMS و Soar.

تفاوتش با تحلیل وظیفهٔ شناختی در جهت کار است: آن یکی از رفتار واقعی شروع می‌کند تا بفهمد در ذهن چه می‌گذرد؛ این یکی از یک مدل ذهنی شروع می‌کند تا پیش‌بینی کند بیرون چه خواهد شد.

خانوادهٔ GOMS: چهار حرف که کل ایده را می‌گویند

از آن چهار روشی که منبع نام می‌برد، GOMS همان است که یک طراح می‌تواند بی هیچ ابزاری به‌کارش ببرد. سرواژه‌اش چهار جزء مدل را می‌گوید:

• - هدف‌ها (Goals): کاربر می‌خواهد به چه برسد — «این فاکتور را صادر کنم».
• - عملگرها (Operators): کنش‌های ابتدایی و اندازه‌پذیر — یک کلید، یک کلیک، یک حرکت دست، یک نگاه.
• - روش‌ها (Methods): توالی‌های آموخته‌شده‌ای که هدف را برمی‌آورند — «از منوی فایل» یا «با میان‌بر صفحه‌کلید».
• - قاعده‌های انتخاب (Selection rules): کاربر خبره بر چه اساسی یکی از آن روش‌ها را انتخاب می‌کند.

و جزء چهارم همان است که مدل را از یک شمارش ساده جدا می‌کند: طراحی‌ای که سه راه برای یک کار دارد، برای کاربر خبره سریع است و برای تازه‌وارد یک تصمیم اضافه.

مدل سطح‌کلید: حساب‌کردن یک جریان روی کاغذ

ساده‌ترین عضو این خانواده مدل سطح‌کلید است: جریان را به عملگرهای ابتدایی می‌شکنید، به هرکدام یک زمان تقریبی می‌دهید، و جمع می‌زنید. زمان‌ها از پژوهش‌های اصلی می‌آیند و برای مقایسه به‌قدر کافی دقیق‌اند:

• - K — یک کلید یا کلیک: حدود ۰٫۲ ثانیه برای کاربر متوسط.
• - P — بردن اشاره‌گر روی یک هدف: حدود ۱٫۱ ثانیه (و اگر بخواهید دقیق‌تر باشید، همان چیزی است که قانون فیتس حسابش می‌کند).
• - H — بردن دست میان صفحه‌کلید و ماوس: حدود ۰٫۴ ثانیه.
• - M — یک مکث ذهنی: حدود ۱٫۳۵ ثانیه.

و همان لحظه که این چهار عدد را کنار هم می‌گذارید، یک چیز خودش را نشان می‌دهد: گران‌ترین عملگر، فکرکردن است. یک مکث ذهنی تقریباً به‌اندازهٔ هفت فشار کلید هزینه دارد. پس طراحی‌ای که یک کلیک کم می‌کند و یک تصمیم اضافه می‌کند، کندتر شده — و این نتیجه‌ای است که با شمردن کلیک هرگز به‌دستش نمی‌آورید.

مشهورترین کاربرد این خانواده هم همین بود: در اواخر دههٔ هشتاد، تیمی با نسخهٔ پیشرفتهٔ GOMS ایستگاه‌کار تازهٔ اپراتورهای تلفن یک شرکت مخابراتی را مدل کرد و پیش‌بینی کرد که ایستگاه جدید — با وجود گران‌تر‌بودن — کندتر از قدیمی است. آزمون میدانی همان را نشان داد، و آن مدل، خرید چند ده میلیون دلاری را متوقف کرد.

اپراتور M: جایی که همهٔ عدم‌قطعیت پنهان است

این بخش افزودهٔ مترجم است، و مهم‌ترین چیزی است که در معرفی‌های این روش گفته نمی‌شود.

سه عملگر اول (کلید، اشاره‌گر، حرکت دست) قابل مشاهده و قابل شمارش‌اند. عملگر چهارم — مکث ذهنی — نه. و همان است که نتیجهٔ محاسبه را تعیین می‌کند. قاعده‌های اصلی برای اینکه کجا M بگذارید سرانگشتی‌اند: پیش از هر کنشی که کاربر باید انتخابش کند، پیش از تایپ‌کردن چیزی که از حافظه می‌آید، و پیش از هر کاری که پیامد برگشت‌ناپذیر دارد.

نتیجهٔ عملی‌اش این است: مدل سطح‌کلید ابزار مقایسه است، نه ابزار پیش‌گویی. عددی که برای یک جریان درمی‌آورید معنای مطلقی ندارد؛ اما اختلاف دو جریان که با یک قاعدهٔ ثابت برای گذاشتن M حساب شده‌اند، قابل اتکاست. پس دو کار را همیشه با هم انجام دهید: قاعدهٔ گذاشتن مکث ذهنی را بنویسید، و هر دو طراحی را با همان قاعده حساب کنید.

و یک آزمون صحت ارزان هم دارد: مدل را برای جریانی که از قبل وجود دارد اجرا کنید و بعد با کرنومتر روی سه کاربر واقعی بسنجید. اگر مدل و واقعیت بیست درصد فاصله داشتند، اشکال از قاعدهٔ M شماست، نه از روش.

چه چیزهایی را مدل نمی‌کند

منبع می‌گوید این روش خطاها را هم پیش‌بینی می‌کند، و این ادعا در نسخه‌های پیشرفته (مثل ACT-R) درست است — اما در نسخه‌ای که یک تیم محصول واقعاً اجرا می‌کند، چهار چیز بیرون از مدل می‌مانند:

• - یادگیری. مدل کاربر خبره‌ای را فرض می‌گیرد که روش را می‌داند. تازه‌واردی که هنوز نمی‌داند کدام دکمه چه می‌کند، در هیچ عددی نیست — و سهولت یادگیری اغلب مهم‌تر از سرعت خبره است.
• - خطا و بازگشت از خطا. نسخهٔ رایج، مسیر بی‌خطا را حساب می‌کند. اما در جریان واقعی، وقتِ خرج‌شده اغلب در تصحیح است، نه در انجام.
• - انگیزه و توجه. کاربری که وسط کار پیامک می‌گیرد، کاربری که حوصله‌اش سر رفته، کاربری که می‌ترسد اشتباه کند — هیچ‌کدام در مدل نیستند.
• - ارزش. مدل می‌گوید این جریان چهار ثانیه سریع‌تر است؛ نمی‌گوید کسی این کار را می‌خواهد بکند یا نه. عددِ سرعت، جای پرسش مطلوب‌بودن را نمی‌گیرد.

پس جای درست این روش مشخص است: وظیفه‌های تکراری، کاربر خبره، و مقایسهٔ دو طراحی. برای صفحهٔ فرود یا آشناسازی، ابزار غلطی است.

در بافت فارسی: عددهای قرض‌گرفته درست نیستند

زمان‌های استاندارد این مدل روی تایپ لاتین سنجیده شده‌اند. برای جریان‌های فارسی سه چیز جابه‌جا می‌شود، و هر سه در کارِ روزمرهٔ ما رایج‌اند:

• - جابه‌جایی زبان صفحه‌کلید، خودش یک عملگر است. فرمی که در آن نام فارسی و ایمیل لاتین و شمارهٔ تلفن پشت هم می‌آیند، کاربر را چند بار بین دو چیدمان جابه‌جا می‌کند. هر جابه‌جایی هم زمان کلید دارد و هم یک مکث ذهنی — و این دومی است که گران است.
• - ارقام دو نظام دارند. کاربری که در حال تایپ عدد است، اگر فیلد فقط یکی از دو نظام را بپذیرد، یک تصمیم و اغلب یک تصحیح اضافه می‌کند. این همان جایی است که اعتبارسنجیِ یکسان‌ساز مستقیماً از زمان انجام وظیفه کم می‌کند.
• - مسیر اشاره‌گر قرینه می‌شود. در چیدمان راست‌به‌چپ، فاصلهٔ میان فیلد و دکمهٔ اصلی همان فاصلهٔ نسخهٔ لاتین نیست؛ پس عملگر P را باید روی ماکت فارسی اندازه گرفت، نه روی نسخهٔ آینه‌نشدهٔ اصلی.

و کاربرد عملیِ این روش در تیم‌های اینجا معمولاً یکی است: پنل‌های داخلی. جایی که یک کارشناس روزی دویست بار یک جریان را تکرار می‌کند، دو ثانیه صرفه‌جویی در هر تکرار، در ماه چند ساعت است — و برای همان تصمیم، نه بودجهٔ آزمون لازم دارید و نه دسترسی به کاربر بیرونی. کافی است دو جریان را روی کاغذ حساب کنید و عدد را در تعداد تکرار ضرب کنید.

جمع‌بندی

• - مدل‌سازی شناختی یک مدل محاسباتی بر پایهٔ مفاهیم روان‌شناختی است که رفتار کاربر را پیش‌بینی می‌کند: زمان انجام وظیفه، انتخاب قلم منو و دکمه، و خطاها. می‌تواند روی کاغذ باشد یا یک برنامهٔ رایانه‌ای؛ هدف یکی است.
• - رایج‌ترین روش‌ها ACT-R و EPIC و GOMS و Soar هستند؛ و از میانشان GOMS همان است که یک طراح بی ابزار هم می‌تواند به‌کارش ببرد — هدف‌ها، عملگرها، روش‌ها و قاعده‌های انتخاب.
• - مدل سطح‌کلید چهار عملگر ساده دارد (کلید ۰٫۲ ثانیه · اشاره‌گر ۱٫۱ · حرکت دست ۰٫۴ · مکث ذهنی ۱٫۳۵) و نتیجه‌اش این است که گران‌ترین عملگر، فکرکردن است: طراحی‌ای که یک کلیک کم و یک تصمیم اضافه کند، کندتر شده.
• - همهٔ عدم‌قطعیت در اپراتور مکث ذهنی پنهان است؛ پس این روش ابزار مقایسه است نه پیش‌گویی: قاعدهٔ گذاشتن مکث را بنویسید و هر دو طراحی را با همان قاعده حساب کنید.
• - چهار چیز بیرون از مدل می‌مانند: یادگیری · خطا و بازگشت از آن · انگیزه و توجه · و ارزش. پس جای درستش وظیفهٔ تکراری با کاربر خبره است، نه صفحهٔ فرود.
• - و برای فارسی، عددهای استاندارد را نمی‌شود قرض گرفت: جابه‌جایی صفحه‌کلید یک عملگر است · دو نظام ارقام یک تصمیم اضافه می‌سازد · و مسیر اشاره‌گر را باید روی ماکت فارسی سنجید.