رابط‌های انسانی/درک کاربران

ویکی‎کتاب، کتابخانهٔ آزاد
پرش به ناوبری پرش به جستجو


ترجمه دوم - بخش اول - فصل پنج

ترجمه سوم - بخش اول - فصل پنج

درک کاربران

صص ۱۰-۱

فصل 5.pdf

تجزیه و تحلیل در سطح دانش

آلونسو ورا، دانشگاه هنگ کنگ

مقدمه :

فناوری شناخت (CT)در میان اهداف خود، پیشنهاد ایجاد یک مجموعه جدید از روشها برای درک متقابل میان انسان و ماشین آلات ارائه میکند. در مقایسه با روشهای سنتی تعامل انسان با کامپیوتر (HCI) ، هدف از پیشنهاد فناوری شناخت (CT) ایجاد ابزارهایی برای تعامل بین فرهنگ ، جامعه و انسان است. نگرش فناوری شناخت (CT) مشکلات تعامل انسان با کامپیوتر (HCI) را در تمرکز غلط بر روی ساخت ماشین آلات دقیق به جای انسان هوشمند مشخص میکند. این مشکل توسط پزشکان بعنوان نقصان آگاهی از نقش های ذهنی آنها در" علم " دیده می شود.( Gorayska و مارش ، 1996)

بنابر استدلال من، مشکل اصلی امروز تکنولوژی کامپیوتر، ارتباطی با مسائل ما بین محقق ، انسان و محیط زیست ندارد، اما به جای آن با کمبود خاصی از استفاده از روش های طراحی کاربر محور مواجه است. همچنین ارتباط کمی با تلاش برای ایجاد کامپیوتر شبیه انسان دارد . پژوهش حاضر در HCI برای توسعه ابزار و برای کمک به انسان ها در جایی است که آنها محدود هستند (به عنوان مثال ، کار کرد حافظه) و بصورت هوشمندانه از فعالیت هایی پشتیبانی می کند که در آن انسان ها بهترهستند (به عنوان مثال ، تصمیم گیری).دلیل اصلی اینکه چرا تکنولوژی امروز برای استفاده معمول انسان مناسب به نظر نمی رسد این نیست که روش های HCI شکست خورده اند بلکه به این دلیل است که آنها به ندرت استفاده شده اند ، وقتی با دقت بکار گرفته شده اند موفقیت های قابل توجهی به دست آمده است. (نگاه کنید به Landauer (1995) به شواهدی در این خصوص).

روش هایی مانند مدلسازی شناختی به ما اجازه می دهند توصیفی از مکانیسم های شناختی ، فرآیندها ، و محدودیت های دخیل در عملکرد وظایف مشخص انجام دهیم. اگر این وظایف مبتنی بر فن آوری باشند، در آن صورت این روش در مورد چگونگی افزایش فرایندهای شناختی ما و یا مانعی که با تکنولوژی ایجاد میگردد، پرتوی می افشاند . موارد کمی در مورد تاثیرات اجتماعی و فرهنگی از فن آوری های جدید وجود دارند اما من می خواهم بگویم که این اثرات تا حد زیادی مستقل از تکامل امکانات شناختی ما هستند. بنابراین ، اگر چه این موارد بعنوان تغییرات اجتماعی و فرهنگی به عنوان یک نتیجه از فن آوری میباشد ، به این معنی نیست که تغییر اجتماعی باعث تغییرات واقعی در ساختار شناخت ما میشود.

رویکرد پژوهش درHCI

با استفاده از تجربه خود من در تحقیقات اخیر در اعمال HCI ، من استدلال می کنم که وقتی روش HCI به درستی استفاده می شود ، ابزاری که مشخصأ به طور خاص برای نیازهای کاربران هدف استفاده میشود را می توان با موفقیت توسعه داد. -- ابزار ها برای به دست آوردن کارکرد ساده تر به کارشناسان کمک می کنند --ایجاد انسان های بهتر ممکن است امکان پذیر باشد و یا ممکن نباشد ، اما درک فرایندهای شناختی ما و توسعه ابزار پشتیبانی از آنها قطعا امکان پذیر است. روش های ارائه شده درطی 20 سال پژوهش HCI ، سنگ زیربنایی برای دستیابی به فن آوری های بهتر شناخت است.

قابلیت یادگیری و قابلیت استفاده(مجدد) دو متغیر اصلی هستند که تعیین کیفیت واسط را بر عهده دارند.واسطی که برای یادگیری ساده تر است، نیاز به کمترین زمان آموزش و پشتیبانی پس از آموزش را در بخش ارائه کننده نرم افزار دارد. علاوه بر این، واسطی که برای استفاده ساده تر است و یک بار یادگیری شده ، بر سیستم هایی که سطح مشابهی از عملکرد را دارند و تخصصی ترند ترجیح داده میشوند. این دو مزیت با تجزیه و تحلیل وظایف خاص کاربران با سیستم به دست می آید. ترکیب تجزیه و تحلیل وظیفه با دانش در شناخت امکانات و محدودیت های کاربران عادی، پارامتر های لازم برای ایجاد یک واسطه خوب را به دست میدهند. برای درک اهمیت واسطه های کامپیوتر، شاید مفید باشد به عنوان یک تشبیه به تعامل اجتماعی انسان برای تعامل با رایانه فکر کنیم. امروزه ، به طور گسترده ای پذیرفته شده است که مغز منبعی از ظرفیت های بالای توانایی شناختی انسان است. درک مغز و اعمال آن به سرعت در چند دهه گذشته پیشرفت کرده است. ما اکنون می دانیم ، به عنوان مثال ، که اعمال مختلفی از قبیل زبان ، احساسات ، و حتی انواع خاصی از دانش در مناطق خاصی از قشر مغزمان وجود دارند. پیشرفتهای از این نوع ، با این حال، بیانگر این واقعیت است که درک درستی از جنبه های رفتار انسانی مانند انگیزه ، تعهد ، قدرت مدیریت ، مهارت های تحلیلی و مانند اینها ، در قلمرو علوم مغز و اعصاب نیست. این توانایی ها زیر دامنه ای از زمینه های فهم تجاری و پیشبینی رفتار انسانی مانند علوم شناختی، روان شناسی، جامعه شناسی، مردم شناسی و اقتصاد می باشد.

با در ارتباط با رایانه نیز وضعیتی بسیار مشابه وجود دارد. تا اواسط دهه 1980، کاربران کامپیوتر در درجه اول دانشمندان و توسعه دهندگان نرم افزار بودند. رایانه های شخصی این روند را تغییر داد ، و حرکت در 10 سال گذشته بگونه ای است که کامپیوتر از آزمایشگاه به سمت هر مورد قابل تصوری حرکت کرد. کامپیوترها دیگرفقط توسط توسعه دهندگان خود بکار گرفته نشد، قابلیت یادگیری و قابلیت استفاده، تبدیل به ملاحظات اصلی گردید. تعامل انسان و کامپیوتر، به عنوان یک زمینه تحقیقاتی ، زمانی متولد شد که مردمی که دانشمندان و یا مهندس نرم افزار نبودند شروع به استفاده از کامپیوتر به منظور افزایش بهره وری نمودند.

همانطور که انسان تصمیم گیری میکند ، کامپیوتر ارائه پشتیبانی برای تصمیم گیری مینماید. آنها همچنین نمایشی اضافی از دانش، آموزش، مدلهایی از داده ها، راه های دستیابی به اهداف خاص و غیره فراهم می کنند. این همه فعالیت به بهترین وجه در سطح "دانش" در مقابل سطح باینری قابل درک میباشد. در حالی که توسعه دهندگان تا حدودی مانند دانشمندان علوم مغز واعصاب هستند -- که کار خود را برای درک مکانیسم های عملکردهای سیستم متمرکز میکنند-- کار محققان HCI درک چگونگی عملکرد سیستم ها در ارتباط با کاربران خود است. لازم به ذکر است که این درک چگونگی شکل وظاهر هر واسط نیست بلکه بیش از همه مشابه درک رفتار انسان در مقایسه با چهره یک فرد است.

واسط سیستم فقط ویژگی های سطحی صفحه نمایش نمی باشد. رابط سیستم اشاره به عملکرد گسترده تر و کیفیت ویژگی های تعاملی است. رابط کاربری واقعا در سطح دانش از سیستم است. این سطحی است که سیستم چگونگی تطبیق انتظارات کاربر با وظیفه آن را به خوبی مشخص می کند،چگونگی دسترسی سریع به عمل های تکراری که انجام میشود را تعیین میکند و چگونگی ارائه سلسله ای از اقدامات مورد نیاز متناظر با عملکرد کاربران از کار را دارد. این سطوح دانش، تحت تاثیر قابلیت یادگیری و استفاده از سیستم دارد به شدت متغیر است.

روش های تعامل انسان با کامپیوتر GOMS- HCI

پژوهش در حوزه تعامل انسان و کامپیوتر، روشهایی برای نمونه سازی و تست واسط دستگاه قبل ازاستفاده آنها توسط مردم فراهم می کند. که شامل استفاده از مکانیسم های شناختی شناخته شده و راه برقراری ارتباط انسان ها با کامپیوتر برای ایجاد مدل های کاربران کامپیوتر است که می تواند برای تست واسط های جدید مورد استفاده قرار گیرد.

تعدادی از تکنیکها توسط محققان تعامل انسان و کامپیوتر که در حوزه "مدل های مهندسی عملکرد انسانی" فعالیت دارند توسعه یافته اند(نگاه شود به John and Kieras 1994 برای بررسی و مقایسه بیشتر این ابزارها). نظیر علوم فیزیک ، این مدل اجازه یک پیش بینی استقرایی از عملکرد انسان در کارهای کامپیوتر را میدهد.آنها همچنین می توانند به طور مداوم به طیف وسیعی از وظایف و عملکرد آنها و تقریبی مفید از عملکرد رفتار مورد انتظار برسند. یکی از این روش ها تجزیه و تحلیل است که حمایت تجربی قابل توجهی در سال های اخیر به دست آورده است GOMS است (کارد ، مورن ، و نیوئل ، 1983 )، GOMS مخفف کلمات اهداف ، عملگرها ، روشها ، قواعد انتخاب است.

GOMS تکنیکی است که اجازه می دهد تا پژوهشگران و طراحان نرم افزار توصیف یک وظیفه مبتنی بر کامپیوتر (به عنوان مثال با استفاده از MS Word و یا دستگاه های خودپرداز) در یک سطح از جزئیات که بازده پیش بینی های کاربر در مورد یادگیری و عملکرد است را داشته باشند. مدل GOMS با مفهوم هدف سطح بالا شروع می گردد که کاربر به دنبال کسب آن است و مجموعه ای از وظایف واحد است که کاربر بصورت تکراری انجام میدهد تا هیچ عملی باقی نماند. هدف با اجرای یک روش بدست می آید ، که متشکل از یک سری از مراحل است که در آن عملگر سطح پایین یک عمل را انجام میدهد ، یا برای به انجام رساندن مجموعه کارهای کوچک، زیرهدف نامیده می شود. عملگر ممکن است یکی از سه نوع از موارد باشد : ادراکی مانند خواندن یک صفحه نمایش ، حرکتی (موتور) ، مانند حرکت و کلیک ماوس ، یا شناختی ، مانند ساخت استنتاج از داده های در دسترس .

روش ها به عنوان یک سری از مراحل متوالی برای رسیدن به هدف، سازمان داده میشوند. در یک گام ممکن است هدف جدید درخواست شود، که در این صورت روش برای زیرهدف بسیار شبیه به فراخوانی یک زیر روال میباشد، یا ممکن است یک مرحله فراخوانی از عملگر باشد، که حاوی ضمنی روند و دانش صریح است یک مرحله ممکن است عمل ذخیره سازی یک بخش در یک حافظه ، فراخوانی یک قسمت از حافظه و یا بازیابی یک بخش از حافظه بلند مدت باشد .

در مواردی که بیش از یک روش برای به انجام رساندن یک هدف وجود دارد ، قوانین انتخاب هستند که تصمیم میگیرند که کدام روش با توجه به وظیفه واحد فعلی ، وضعیت فعلی اطلاعات کاربر ، و وضعیت فعلی از عوامل خارجی مانند واسط صفحه نمایش، مناسب است. قواعد انتخاب نیز ممکن است انعکاسی از ترجیح شخصی کاربر را برای یک نوع از عملیات بر دیگری در شرایط مختلف باشد ؛ با این حال ، قوانین برای انتخاب روش باید روشن باشد و در یک واسط خوب طراحی شده باشد. در GOMS ، قواعد انتخاب به موازات تست شده اند ، و در هر زمان داده شده ، دقیقا یکی از قوانین باید شرط درست را داشته باشد. نتیجه یک گراف غیر مدور از اهداف و زیراهداف است که نود های ترمینال آن عملگرها سطح پایین هستند که رفتار واقعی انجام شده توسط کاربر جذب میکند.

ساخت مدل GOMS براساس تجزیه و تحلیل وظیفه است ، که خود نیازمند استفاده از تعدادی تکنیک های از برنامه های کاربردی است . اطلاعات دست اول از کاربران کامپیوتر در دامنه انتخاب شده جمع آوری شده است. این به طور معمول شامل گرفتن مصاحبه های عمیق و همچنین به عنوان پروتکل های دقیق از عملکرد وظیفه است. سپس این اطلاعات با خصوصیات وظیفه خاص از دانش حرفه ای (به عنوان مثال ، راهنماهای آموزشی) یکپارچه شده است. این یک فرآیند رفت و برگشتی است که در آن یک محقق بین مدل و داده ها به منظور به حداکثر رساندن مناسب پیش بینی مدل رفت وبرگشت می کند میرود.

استفاده از روش های HCI به منظور توسعه واسط های بهتر

قابلیت یادگیری اولیه از سیستم و فردمتخصص در سطح قابلیت استفاده آن ارتباط معکوس دارد. ایجاد یک موازنه بین این دو نیاز به درک درستی از کار انجام شده توسط کاربر نهایی دارد . وظیفه تجزیه و تحلیل ابزارهایی از قبیل GOMS ارائه توضیحات مناسب سطح مورد نیاز برای مشخص کردن تعامل کاربر با سیستم است. نتایج مرتب شده حاصل از این تجزیه و تحلیل، هم می تواند و هم باید با تلاش هایی که جهت طراحی واسط با ویژگی های بصری بیشترمیگردد، یکپارچه گردد.

روش های تعامل انسان با کامپیوتر مانند GOMS با موفقیت در پروژه های متعددی بکار گرفته شده است. نویسنده در تعدادی از پروژه ها از جمله توسعه نظام بانکی آنلاین برای یک کانال تلویزیون تعاملی ، ایستگاه رادار برای یک شرکت هوافضا ، اتوماسیون پشتیبانی از واسط برای سیستم پستی ایالات متحده ، و سیستمی که کمک کرده تا شرکت های ارسال کننده پیگیری بسته های خود را از طریق یک شرکت بزرگ حمل و نقل داشته باشند، درگیر بوده است. همه این پروژه ها موفق بوده اند . مروری بر دو نوع از این مطالعات ارائه شده است. هدف این است تا نشان دهد که بکار بردن دقیق روش های موجود HCI و عملکرد فن آوری های تعاملی بهتر، برای استفاده انسان مناسب است.


یک واسط هوشمند برای انجام عملیات رادار

همانطور که در Vera و(1995) Rosenblatt شرح داده شده ، محققان وظایف اپراتورهای نظارتی رادار و ترافیک دریایی در رادار یک کشتی را مورد مطالعه قرار دادند. کار بسیار تعاملی ، بین اپراتور و دیگر اعضای خدمه ، و همچنین بین اپراتور و رادار است. در این کار از GOMS برای مدل کردن وظیفه اپراتور انسانی استفاده گردید. هر چند این روش در اصل برای مدل کردن رفتار معمول فرد متخصص در انجام وظایف غیر تعاملی توسعه یافته ، کار های اخیر نشان داده است که این روش زمانی در وظایف تعاملی بکار رود، بازده عالی دارد. (جان ورا و نیوئل ، 1994 ؛ گری، جان و اتوود1993 ؛ اندستاد و مایر ، 1993). هدف کلی این پروژه توسعه یک مدل کاربری مبتنی بر عامل هوشمند بود که می توانست راهنمایی و کمک در سرعت و دسترسی به اطلاعات در کار با کامپیوتر و به طور خاص ، درکشتی های مبتنی بر عملیات رادار داشته باشد. به طور مستقل از عملکرد ورود اطلاعات نرم افزاری برای دستیابی به رفتارپیچیده ، هوشمند (به عنوان مثال ، یادگیری ، حل مسئله ، استدلال ، و غیره) ، با دامنه دقت محدود است. عاملهای هوشمند سمت وسوی نویدبخشی را برای پژوهش در تعامل انسان و کامپیوترارائه میدهند. ایده اولیه برای واسط های سیستم پیچیده ، مانند هواپیما و یا در ترافیک هوایی در برج کنترل ترافیک است، که می تواند کاربران را در انجام وظایف خود کمک کند. عاملهای هوشمند که به تازگی ایجاد شده است در اصل سیستم های خبره تعاملی ، برنامه ریزی برای یک تابع خاص (به عنوان مثال ، Maes ، 1994)است. این پژوهش رویکرد جدیدی برای عوامل مبتنی بر مدل کاربر ، مطرح میکند که به آنها اجازه میدهد به مشاهده و ردیابی فعالیت کاربران و همچنین پیش بینی شرایطی که کاربر به کمک نیاز دارند بپردازند.

تلاش برای ایجاد مدل های گسترده و قوی از رفتار کلی بشری موفقیت آمیز نبوده است. با این حال اخیرا ، انجام پژوهش از تعامل بین انسان و کامپیوتر راههای جدیدی برای مدل سازی رفتار انسان در انواع خاصی از کارها ارائه داده است. اگر مدل را بتوان در نرم افزار عامل هوشمند ایجاد کرد ، این عامل ها باید قادر به انجام وظایفی مانند انسان باشند. شاید مهم تر ، این عامل ها نیز قادر به ارائه کمک به کاربرباشند زیرا آنها قادر خواهند بود برای ردگیری و پیش بینی رفتار کاربر عمل کنند. در نتیجه عاملهای هوشمند کلاس کاملا جدیدی از فن آوری تعاملی مبتنی بر کامپیوتر را ارائه میدهند. آنها برنامه های نرم افزاری هستند که در یک سطح برای کاربران انسانی طراحی شده اند ودر سطح دیگر به طور خاص مربوط به وظیفه کاربرمی باشند.

تعدادی از رویکردها برای توسعه عامل هوشمند به تازگی بوجود آمده است. آنها می توانند بطور گسترده به عنوان سیستم هایی که برای به دست آوردن دانش در مورد مناطق خاص ، یا از طریق برنامه نویسی و یا در مکانیسم های یادگیری مشخص گردند. ما یک رویکرد متفاوتی را توسعه داده ایم که در آن دانش عامل بر روی یک مدل انسان شناختی استوار است. به جای برنامه نویسی عامل با یک دانش مشخص ، مدل نحوه رفتار بشر با یک کار خاص به آن عامل داده شده است. در نتیجه، عامل شباهت کمتری به سیستم خبره دارد و بیشتر شبیه شرکت کنندگان فعال در فعالیت است. به عنوان بخشی از یک واسط ، چنین عاملی قادر خواهد بود که ردگیری از رفتار کاربران داشته باشد ، ارائه کمک و راهنمایی در هنگام نیاز ، و حتی یاد گیری (به عنوان مثال ، به روز رسانی مدل های خود از کاربر) از رفتار کاربرداشته باشد.

برای کار مشترک با کاربر ، عامل خودکار باید از اهدافی که کاربر در حال تلاش برای دستیابی به آن است و جایی که در فرآیند رسیدن به آنهاست، آگاه باشد. علاوه بر این ، تأثیر عامل کاربر و همکاری و ارتباط تا حد زیادی با شناخت از اولویت های فعلی و اعتقادات دیگر افزایش یافته است. نمونه هایی از ردیابی عامل را می توان در عرصه های مختلف ، از جمله آموزش و پرورش (به عنوان مثال ، آموزگار هوشمند که پیگیر فعالیت های دانش آموز است) ، آموزش (به عنوان مثال ، شرکت کنندگان هوشمند در شبیه سازی میدان جنگ تعاملی) ، و سرگرمی (به عنوان مثال ، تعامل کاراکترها در یک واقعیت مجازی مانند رمان رمز و راز ).نیاز به واسط های کاربری هوشمند بیشتر در مشاغل با فشار بالا مانند کنترل ترافیک هوایی و عملیات رادار ، مطرح است که در آن عامل باید بطور همزمان پاسخ دهد ، که در حال حاضر تلاش های تحقیقاتی ما متمرکز به این مورد است.

ایده مهمی که اخیرا در شناخت علوم مطرح است این است که شناخت را می توان توزیع شده دانست. تمام فرایندهای شناختی در ارتباط با تکمیل یک وظیفه ، لازم نیست که در یک طرف باشند شناخت چیزی بیشتر از نمایش عوامل داخلی را شامل میشود. محیط وعوامل خارجی فعال روی رفتار ما و شناخت ما تاثیر میگذارند . دانش خارجی دیگر فقط به عنوان کمک حافظه دیده نمی شوند ، بلکه به عنوان چیزی است که ساختارها و محدودیت رفتار شناختی ما ، را شکل میدهند و نتایج پردازش وطبیعت وظایف ما را تغییر میدهند.

(Hutchins 1995) 

در حال حاضر محدودیت اصلی استفاده از روش شناخت توزیع فقدان مدل فرآیند است. نظریه دانش خارجی بدون توضیح کافی از فرآیند آن ناقص است. اجازه امکان پیش بینی کنترل جریان واقعی بین دانش داخلی و خارجی را به عنوان یک وظیفه نمی دهد. به منظور ایجاد چنین مدل فرایند ، مفهوم عوامل داخلی و خارجی به عنوان نهاد مجزا در روند شناخت باید شامل تعامل واقعی بین کنترل داخلی و خارجی از رفتار باشد. از طریق ضبط مشاهدات از افرادی که هم کار میکنند و با محیط خود در دنیای واقعی وظایف ، داده هایی جمع کرده ایم مبنی بر اینکه چگونه یک سیستم بزرگتر که شامل تأثیرات داخلی و خارجی در رفتار است ، می تواند روند مناسبی ازمدل وظایف تعاملی را شرح دهد.

پروژه عملیات رادار می تواند به عنوان گسترش روش های تجزیه و تحلیل وظیفه در GOMS و وظیفه پیچیده و توزیع شده دیده شود. در مدل GOMS نشان میدهیم که چگونه وظایف پیچیده با موفقیت از طریق تعامل از نشانه های خارجی و حافظه انجام می پذیرد ، وآن را توسعه میدهیم. ویژگی های GOMS بصورت ایده آل برای مدل سازی وظایف توزیع شناختی مناسب است. در وهله اول ، GOMS اهداف کاربر و همچنین اهداف دستگاه را بدست می آورد؛ این اهداف را می توان به عنوان اهداف داخلی و خارجی در تجزیه و تحلیل ، بیان کرد. دوم ، هدف تعریف شده در ساختار GOMS صریح و روشن می باشد که در آن فرایند همکاری با متخصصان دیگر و با محیط خود را مشخص میکند.سوم ، مدل GOMS به صراحت توضیح می دهد چگونه اطلاعات توسط جریان کار از داخل به دنیای خارج حرکت داده می شود. از این رو ، استفاده از روش GOMS نه تنها ادعا می کنند که رفتارهای شناختی، تعامل میان کاربران ، خاطرات و عوامل خارجی است ، بلکه زمان و چگونگی رخداد این تعاملات را آشکارمی کند.

عاملی که به عنوان یک دستیار هوشمند خدمت می کنند باید قادر به شناخت تدبیر باشند ، به عنوان مثال ، مشاهده اعمال کاربر و استنباط اینکه اعتقادات ، مقاصد و اهداف در آن اعمال چیست. پژوهش در شناخت تدبیر که عمدتا در حوزه های شبه ایستا است و در جایی که در آن محدودیت همزمانی و عدم اطمینان در نظر گرفته میشود متمرکز است و ارائه آنها برای انجام وظایف بسیار مهم نامناسب است.( (Dousson ، Gaborit و Ghallab ، 1993 ) سیستم تشخیص تدبیر بصورت بالا به پایین عمل می کنند ، هدف گرا است ، حفظ فرضیه در مورد دیگر عوامل ، خواسته ها ، علاقه و نیتها را دارد(Bratrnan ، 1987 )، به طوری که تجزیه و تحلیل - ممکن است به منظور پی بردن به اقدامات بعدی باشد (گری گوری پک و جان، 1992 ؛ Tambe و Rosenbfoom ، 1995 ) ابزار مدل سازی مانند GOMS ، توصیفی در سطح دانش یک وظیفه (نیوئل ، 1982) و ارائه یک ساختار سلسله مراتبی برای تجزیه اهداف به جزئیات ظریف تر و در نتیجه فراهم کردن وسیله ای برای پیش بینی اهداف کاربر ، باورها ، و اولویت ، و اقدامات ایجاد می کند (گری ، جان و اتوود ، 1993). با این حال ، در مقایسه با سیستم های دیگر ، هیچ برنامه ریزی و یا جستجو برای اقدام بعدی در مدل GOMS لازم نیست؛ تصمیم گیری ها با استفاده از قوانین انتخاب ساخته شده است ، بنابراین مراقب واکنش عامل است (جان ورا و نیوئل ، 1994 ). روش ما شامل روش داده محور مناسب تری برای یک دامنه بسیار پویا است که در آن اولویت ها و اقدامات، اغلب از یک لحظه به بعد بر اساس تغییر در وقوع یک رویداد جدید است.

وقتی در حال توسعه مدلی از یک وظیفه پویا در دنیای واقعی هستیم ، دریافت و حفظ کیفیت به همان صورتی که انسان یک وظیفه را انجام دهد، از اهمیت حیاتی برخوردار است . این پژوهش نشان می دهد که GOMS میتواند نتایج را در سلسله ای از رفتارهای طبیعی کسب کند مانند آنهایی که توسط انسان ها در انجام وظایف مشابه تولید شده است (همچنین نگاه کنید به جان و ورا ، 1994). این پژوهش نشان داد قدرت GOMS به پیش بینی رفتار در حوزه های تعاملی بیشتر است و نشان داد که GOMS به خصوص در پیش بینی در مورد رفتار انسان در سطح هدف دارای عملکردی مفید است.

مدل GOMS واکنش خود را از روش های خود در سازماندهی وقوانین انتخاب استنتاج میکند. در هر لحظه در رفتار مدل ، هدف نسبتا کم عمق است ، زیرا تعداد کمی از روش های زنجیروار وجود دارد که یک ترتیب را بدست میدهد.بنابراین ، این مدل بصورت "وضعیتی" رفتار می کند ، و از موارد مربوط به ( Suchman و Agre 1993)رفتار سیستم های هوش مصنوعی موجود که ذاتا غیر فعال می باشد اجتناب میکند . واکنش توسط وادار کردن مدل به تغییر در جهان در هر روش حاصل نمیشود (به عنوان مثال ، دستورات جدید و یا تماسها) ، اما به جای بازگشت به هدف سطح بالا ، پس از اتمام اولویت بخشی به زیر وظیفه ها صورت میگیرد. روش سطح بالا، پس از آن میتواند برای تغییرات در جهان بررسی گردد. اجتناب از سلسله ای بلند و مرتبط از روش ها اجازه می دهد تا مدل برای تغییرات مهمی در محیط خود را بگونه ای کنترل کند که بیش از حد از حافظه کار نکشد و باعث قطع عملکرد های متعارف نگردد. این مدل در نتیجه قادر به ترکیب طبیعت معمول از رفتار متخصص با خواسته های واقعی دنیای تعاملی است.

یادگیری نیز از جنبه های مهم یک عامل هوشمند است، به طوری که ممکن است با گذشت زمان دانش خود را در مورد دامنه کار و در مورد روش ها و تنظیمات کاربران شخصی افزایش دهد(Maes و Kozierok ، 1993 ).پیاده سازی یک عامل در معماری هوش مصنوعی مانند Soar (نیوئل ، 1990) و یا ACT-R (اندرسون ، 1993) اجازه می دهند که یادگیری نماید و مدل داخلی خود را بر اساس مشاهدات از جهان واقعی اصلاح نماید.

آموزش در یک عامل هوشمند به دو شکل صورت می گیرد : بهبود مدل وظیفه و بهبود مدل کاربر روشهای تقویت یادگیری را می توان برای بدست آوردن درجه بزرگی از تنوع فردی بین کاربران بوسیله پاداش در صورت پذیرش و مجازات درصورت عدم پذیرش، استفاده کرد . با این حال ، آنها تمایل به یادگیری آهسته دارند به طوری که کاربر باید عامل را قبل از آن که به عنوان دستیارمفید واقع گردد، آموزش دهد .این رویکرد مزیت حداکثری از ساختار وظیفه را در مدل در اختیار میگیرد. مدل وظیفه می تواند بر اساس خروجی های مختلف ومحتمل بطور دقیق تر با زمان بر اساس تجربه واقعی به روز گردد.

در وضعیت فعلی، ما یک مدل محاسباتی از وظیفه کاربر رادار را در ایستگاه مستقر در کشتی توسعه داده ایم. استفاده از GOMS ، نشان داده است که تا حد زیادی وظایف اپراتور رادار از طبیعت بسیار معمول برخوردار هستند. مدل، مشخص کننده اهداف اپراتور و نیز روش استفاده او میباشد.اجرای شبیه سازی شده از مدل در یک نمونه از سناریوی ساده ، پاسخ اپراتور را با درجه بالایی از دقت پیش بینی کرد. ، و علاوه بر این، جزئیات بیشتر از این اقدامات ارائه نمود که در شرح و توصیف سناریو به صراحت بیان نشده بود. بر اساس این مدل ، آن بخش از وظایف عامل هوشمند که قادر است به اپراتور در انجام وظایف خود کمک کند، شناسایی شدند. تصمیم گیری و جمع آوری اطلاعات که از وظیفه اپراتور است و می توان از عامل هوشمند کمک گرفته شود تشریح گردیدند، و همچنین ویژگیهای ساختاری لازم برای معماری عامل هوشمند برای تحقق این نقش شناسایی شدند. فاز بعدی این پروژه که شامل یکپارچه سازی مدل دانش به کمک کامپیوتر در محیط مجازی است، توسط همکاران ما توسعه یافته است.

همانطور که پیچیدگی برنامه های کاربردی کامپیوتر افزایش می یابد و مقدار اطلاعات موجود در سیستم رشد می کند ، وظیفه کاربران این سیستم ها به طور فزاینده ای تحت الشعاع پردازش اطلاعاتی که به آنها ارائه میشود قرار میگیرند.. ارائه رابط های هوشمند می تواند در تعامل بین انسان و کامپیوتر، به افزایش بهره وری ، کاهش اشتباهات ، و ایجاد کار لذت بخش تر برای کاربر کمک کند. اگر چه GOMS به طور معمول به عنوان یک ابزار مدل سازی شناختی نبوده است، ولی از آنجایی که توصیفی است به جای توضیحی ، به محققان اجازه می دهد تا آن را برای توصیف عملکرد انسان در کارهای روزمره که نیاز به دانش تخصصی دارد بکار گیرند. گسترش طیف وسیعی از وظایف که ابزارهایی از قبیل GOMS را بکار میگیرند از آن جهت یک فعالیت مهم با توجه به توسعه فن آوری های می باشد که برای استفاده انسان در زمینه وظایف خاص مناسب تر است.