Адаптация модели GOMS для мобильных приложений

DOI:

В настоящее время мир охвачен цифровой эпидемией. Люди очень озабочены своим комфортом и тем, как максимально быстро получить желаемые товары и услуги с привлечением наименьших усилий. Большинство сфер деятельности, основанных на взаимодействии с людьми, сейчас стремятся предложить своим пользователям переход в интернет-плоскость. При этом постоянное использование мобильных устройств позволяет стать поставщикам товаров и услуг ещё ближе к своим потребителям. В связи с этим существует и непрерывно появляется масса мобильных приложений, направленных на удовлетворение потребностей пользователей. В большинстве случаев при имеющемся многообразии приложений схожего функционала пользователь с большей вероятностью выберет для себя более быстрое, визуально и функционально комфортное приложение. Бесспорно, удобство и визуальный комфорт каждого пользователя индивидуальны, но с целью удовлетворить как можно большую часть своей целевой аудитории разработчики занимаются тщательным изучением и подбором интерфейсов. Пользовательский интерфейс – часть приложения, которую видит пользователь и с помощью которой он взаимодействует с приложением. Как и всё в приложении интерфейс безусловно проходит этап тестирования.

Мобильные устройства хотя уже несколько лет и занимают значительную долю времени многих людей, но пока так и не появилось достаточно разнообразного перечня методов тестирования мобильных приложений. Так можно выделить ряд тестов, направленных на проверку различных критериев удобства мобильного интерфейса, предлагаемых Атисковым и Давидович [1]. Данные тесты позволяют проверить удобочитаемость текстовых элементов интерфейса, время их прочтения, наличие мигающих и всплывающих элементов, потенциально мешающих отображению полезного контента и прочие критерии. Также исследователи предлагают адаптации тестов на основе законов Фиттса [2, 3] и Хика [3]. Для целей тестирования мобильных интерфейсов часто применяют адаптации методов тестирования десктопных приложений, которые на сегодняшний день отличаются гораздо большим количеством и разнообразием. В качестве примеров можно привести A/B-тестирование [4], суть которого заключается в проверке и сравнении интерфейсов, отличающихся лишь одной деталью; бумажное прототипирование [5], заключающееся в тестировании интерфейсов, в том числе ещё на этапе проектирования, с целью понять удобство интерфейса и логику пользователя; CWT-анализ [6], позволяющий оценить взаимодействие с интерфейсом пользователя, который работает с ним впервые, либо поставленным в новую для него ситуацию, древовидный тест [7], нацеленный на выявление недостатков навигации в приложении, GOMS-анализ [8], дающий тестировщикам доступ к прогнозированию времени, затрачиваемого на выполнение той или иной задачи и т.д. Важно заметить, что основная масса методов тестирования мобильных интерфейсов представлена качественными методами тестирования, в свою очередь количественных методов можно обнаружить значительно меньше. Кроме того, все эти методы в чистом виде адаптированные под мобильные устройства. В рамках данного исследования была поставлена задача изучить один из количественных методов тестирования десктопных интерфейсов – метод GOMS-анализа – и адаптировать его для мобильных устройств.

GOMS-АНАЛИЗ

Итак, GOMS – (от английского Goals, Operators, Methods and Selection rules) – метод моделирования, предложенный в 1983 году Кардом, Мораном и Ньюэллом [8]. GOMS-анализ позволяет оценить и спрогнозировать время выполнения той или иной задачи пользователем с применением определённого интерфейса. Также этот метод может быть применён для сравнения эффективности двух разных интерфейсов, решающих одну и ту же задачу.

ОСНОВНЫЕ ЭЛЕМЕНТЫ GOMS

Метод GOMS-анализа, как понятно из его названия подразумевает следующие элементы: цели – то, к чему стремится пользователь, некоторая точка, в которую пользователь может вернуться в случае возникновения ошибки; операторы – примитивные действия, совершаемые для достижения цели. Степень примитивности оператора определяется тестировщиком. Автор в [9] определяет перцептивные, когнитивные, моторные операторы и их комбинации. Операторы всегда проще целей; Методы – последовательности операторов, позволяющие достичь заданной цели. Если тестированию подвергается сложный интерфейс, позволяющий несколькими путями прийти к одному заданному результату, то все эти пути будут являться методами; правила выбора – особенности поведения пользователя, которые могут помочь аналитику, так называемые привычки. Этот элемент немного сложен для понимания на первый взгляд, но по сути он представляет собой способ решения пользователем той или иной примитивной задачи при наличии нескольких вариантов поведения. Примером может служить выделение слова, некоторые пользователи для выделения слова могут использовать двойной клик мышью, некоторые зажимают кнопку мыши на одном конце слова и дотягивают до другого, а третьи вообще могут использовать зажатый Shift и стрелки на клавиатуре для выделения, либо же зажатые Shift, Ctrl и стрелки. Если пользователь привык использовать разные методы при разных условиях, аналитику необходимо об этом знать.

ПОПЫТКИ АДАПТАЦИИ GOMS ДЛЯ МОБИЛЬНЫХ УСТРОЙСТВ

Абсолютно очевидно, что так как метод GOMS-анализа существует с 1983 года, мобильные устройства также уже не один десяток лет находятся в нашем обиходе, уже предпринимались попытки адаптировать метод GOMS для мобильных устройств. В настоящее время существует как минимум четыре версии методов, претендующих на схожесть с GOMS. При этом они все отличаются операторами, которые эти методы позволяют учитывать при анализе. Приведём ниже таблицу, которая покажет соотношение операторов этих методов тестирования с операторами десктопного метода KLM-GOMS (Keystroke-level Model) [10-14].

Таблица 1 – Сравнение операторов адаптаций GOMS для мобильных и KLM-GOMS.

Table 1 – Comparison of operators of GOMS adaptations for mobile and KLM-GOMS.

В целом, представленные в таблице 1 операторы учитывают многие возможности сенсорных мобильных устройств, но с другой стороны эти перечни операторов можно расценить как одновременно избыточные и недостаточные. Так достаточно очевидно, что с одной стороны часть методов, например, не учитывают используемый сейчас на всех устройствах жест поворота устройства, жест масштабирования и т.п. С другой стороны, наиболее полный с точки зрения операторов метод TLM учитывает оператор начального действия, то есть перехода на домашнюю страницу, который в большинстве случаев представляет собой обычное касание, либо же нажатие клавиши. Также не ясно, каким образом можно оценить жест «отвлечение внимания», так как очевидно, что этот процесс индивидуален для каждого человека и зависит от того, насколько хорошо человек концентрируется и как много раздражающих факторов находится в области внимания тестируемого в момент тестирования. Такой жест может быть полезен лишь для тестирований в полевых условиях, в лабораторных же условиях для чистоты эксперимента скорее всего обеспечивается отсутствие отвлекающих факторов.

Итак, мы выявили проблему отсутствия адаптации метода GOMS-анализа для мобильных устройств, учитывающего исчерпывающий перечень операторов, используемых для анализа. Кроме того, для предлагаемых операторов не была найдена информация об экспериментальных измерениях с целью определения времени, затрачиваемого на выполнение того или иного оператора. Мы выделили перечень операторов, который в настоящее время является на наш взгляд исчерпывающим. Стоит отметить, что в данном перечне не учитывались голосовые команды, так как они также зависят от особенностей человека, его скорости общения и других факторов. Кроме того, не приняты во внимание операции с перчатками и стилусом, так как они могут быть соотнесены с выполнением операторов без перчаток, в данном случае наличие перчаток и стилуса не должно значительно влиять на скорость и удобство взаимодействия с интерфейсом. Итак, нами были выделены следующие операторы: одиночное касание, двойное касание, свайп, мульти-свайп, долгое нажатие, скролл, протягивание для обновления, перетаскивание, поворот устройства, встряхивание устройства, зум, ментальный оператор и оператор отклика системы. Далее нами был проведён эксперимент, в рамках которого были проанализированы взаимодействия 20 людей с тремя хорошо известными им приложениями: Мой МТС, Вконтакте и Яндекс Карты. По половому признаку респонденты были представлены в соотношении 50/50. Возрастная группа респондентов была от 20 до 35 лет. Эксперимент проводился в лабораторных условиях. В результате эксперимента было проведено 100 измерений для каждого оператора. Далее нами были произведены расчёты, которые позволили вычислить примерное время выполнение каждого оператора. Результаты измерений приведены в таблице 2.

Таблица 2 – Статистики для операторов.

Table 2 – Statistics for operators.

*ДИЛ – левая граница доверительного интервала, вычисленного через СКО

Из таблицы 2 видно, что у каждого приведённого оператора получен достаточно небольшой коэффициент вариации при большом коэффициенте осцилляции. Исходя из этого, мы приходим к выводу о неоднородности исходной выборки и необходимости расчёта доверительных интервалов. Доверительные интервалы мы вычислили двумя методами с целью при заданной точности 95% выявить наиболее узкий интервал. В данном случае наиболее узкий интервал нам позволил вычислить метод расчёта с помощью критерия Стьюдента. Метод расчёта с помощью СКО дал нам более широкий, но при этом более уверенный доверительный интервал.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Таким образом, мы вычислили среднее, позволяющее использовать данные операторы в рамках GOMS, коэффициенты вариации и осцилляции, позволяющие выявить степень однородности выборки и относительное колебание крайних значений выборки вокруг среднего. В результате у всех операторов был получен достаточно небольшой коэффициент вариации, но при этом мы наблюдаем большие значения коэффициента осцилляции. Это говорит о неоднородности исходной выборки и подтверждает необходимость расчёта доверительных интервалов. Проведённые измерения доверительных интервалов позволяют сделать вывод, в каком диапазоне будет лежать истинное значение времени выполнение оператора с точностью 95%. Вычисление доверительных интервалов двумя способами позволило понять, что значения интервалов пересекаются и нам подходит любой из выбранных методов, в свою очередь, при одинаковом уровне достоверности способ расчёта с применением критерия Стьюдента даёт нам более узкий доверительный интервал. Собранный и представленный нами набор операторов может помочь специалистам, занимающимся тестированием как самостоятельный или в качестве дополнения к одному из методов, представленных выше. В данной работе был предложен ещё один вариант адаптации GOMS для мобильных, который учёл максимум возможностей, которые могут применяться пользователями мобильных приложений. Предложенный метод очищен от неактуальных в настоящее время уже операторов, но может быть применён к любому из сенсорных устройств в полной мере. В последствие данный метод рекомендуется развивать и дополнять как наиболее современную адаптацию, учитывающую все прошлые наработки.