Характеристики модели запросов ЛПР

Как мы уже отмечали выше, в настоящее время существует множество определений понятий «модель запросов», «модель ЛПР» или «модель пользователя». Но можно выделить два основных подхода к определению моделей такого класса.

Согласно первому подходу, под моделью пользователя (ЛПР) понимается набор характеристик (параметров) и совокупность правил, которые на основании значений этих характеристик управляют процессом общения системы с пользователем [19].

Второй подход рассматривает модель пользователя как набор параметров, измеряемых во время работы системы с пользователем и определяющих степень усвоения им информации по рассматриваемой предметной области.

Однако без учета методов, которые работают с данным набором характеристик, последний теряет смысл. Следовательно, модель пользователя можно определить как совокупность набора характеристик пользователя и методов (правил) обработки этого набора.

В адаптивных гипермедиасистемах существуют требования, привязанные к конкретной предметной области, что позволяет более качественно имитировать общение пользователя со специалистом в данной предметной области. Однако адаптивная гипермедиасистема в общем случае не должна быть ориентирована на конкретную предметную область, поэтому и назначение требований, входящих в модель пользователя, должно быть другим. В первую очередь эти требования должны отражать изменения самой модели пользователя по результатам его работы с системой, что позволит разработчику системы управлять формированием этой модели, т. е. осуществлять алгоритмическую настройку без программирования.

Информация, содержащаяся в модели пользователя, должна отражать следующие характеристики [34]:

- цели;

- знания;

- предпочтения;

- уровень подготовки и имеющийся опыт.

Рассмотрим эти характеристики более подробно.

Цель, или задача пользователя – это параметр, зависящий в большей степени от самой природы работы пользователя в АГС. чем от пользователя как такового. В зависимости от типа системы это может быть рабочая цель (в прикладных системах), цель поиска (в информационно-поисковых системах) или цель обучения или решения (в обучающих системах). Во всех этих случаях цель является ответом на вопросы: почему пользователь использует гипермедиасистему и чего пользователь хочет в итоге достичь.

Цель пользователя – это наиболее изменчивая его характеристика. Она почти всегда будет другой при новом сеансе работы с системой, а иногда может изменяться и во время одного сеанса работы. В некоторых системах целесообразно различать локальные цели, или цели нижнего уровня, которые могут изменяться достаточно часто, и общие цели, или цели высокого уровня, являющиеся более стабильными. Например, в обучающих системах цель обучения – это цель высокого уровня, в то время как цель решения задачи – цель нижнего уровня, которая может изменяться от одной учебной задачи к другой несколько раз в течение одного сеанса работы.

Таким образом, цель пользователя может рассматриваться как очень важная характеристика пользователя в адаптивных гипермедиасистемах.

Уровень знаний пользователя по теме, реализованной в АГС, – это ещё одна наиболее важная характеристика пользователя.

Уровень знаний является переменной величиной для каждого конкретного пользователя. Это означает, что адаптивная гипермедиасистема, использующая знания пользователя, должна фиксировать изменения уровня этих знаний и соответствующим образом модифицировать модель пользователя.

Знание пользователя в какой-либо области наиболее часто представляется оверлейной (перекрывающейся) моделью [34], которая основана на структурной модели предметной области (ПО), представленной в виде системы концептов (понятий) ПО. Концепты связаны друг с другом и формируют своего рода семантическую сеть, отражающую структуру ПО. Эти концепты в различных системах могут называться по-разному: темами, элементами знаний, объектами, результатами обучения, но в любом случае они являются лишь элементарными единицами знания в данной ПО. Некоторые системы используют упрощенную форму модели предметной области без каких-либо связей между концептами, но в большинстве АГС применяются более развитые модели ПО с несколькими типами концептов, представляющими различные типы элементов знания (или объектов) и несколькими видами связей, обозначающими различные виды отношений между концептами.

Идея оверлейной модели состоит в том, чтобы представить знания пользователя по определенной теме как перекрытие, или наложение этих знаний на модель ПО. Индивидуальная оверлейная модель каждого концепта модели ПО сохраняет определенное значение, которое является оценкой уровня знаний пользователя этого концепта. Это может быть булева переменная (известно/не известно), качественная оценка (хорошо/удовлетво-рительно/плохо) или количественное значение (например, вероятность того факта, что пользователь знает концепт). Таким образом, оверлейная модель знаний пользователя может быть представлена как набор пар «концепт – значение» (одна пара для каждого концепта ПО).

Оверлейные модели являются очень мощным и гибким механизмом. Они могут осуществлять независимое измерение уровня знаний пользователя по различным темам.

Иногда для представления знаний пользователя применяется более простая, стереотипная модель пользователя [15]. Эта модель пользователя различает несколько типичных, или стереотипных пользователей. Для каждого направления моделирования пользователя система может иметь свой набор возможных стереотипов. Например, некоторые системы используют два направления классификации: для представления знаний пользователя в области общих компьютерных понятий и для представления знаний пользователем специализированных операционных систем – и два набора стереотипов новичок – начинающий – опытный - эксперт. Каждый пользователь обычно моделируется своей принадлежностью к одному из стереотипов для каждого направления классификации.

Стереотипная модель пользователя также может быть представлена как набор пар «стереотип–значение», где значением может быть не только «истина» или «ложь» как показатель того, что пользователь принадлежит или не принадлежит к данному стереотипу, но и некоторая вероятностная величина, отражающая вероятность того факта, что пользователь принадлежит данному стереотипу.

Стереотипная модель – более простой и менее мощный механизм, чем оверлейная модель, но она более универсальна и ее намного проще инициализировать и поддерживать.

Однако использование стереотипной модели для представления знаний пользователя осложняется тем, что для реализации большого количества эффективных технических приемов адаптации необходима более детализированная оверлейная модель. Одним из способов разрешения этой проблемы состоит в обеспечении преобразования данных из стереотипной модели в оверлейную. Это может быть реализовано путем сопоставления фиксированного набора пар «концепт–значение» с каждым стереотипом [15] или с помощью более гибкого подхода, основанного на концептах [13]. В свою очередь использование оверлейной модели пользователя связано с проблемами инициализации, так как чрезвычайно трудно установить весь набор значений модели после краткого интервьюирования нового пользователя. Хорошие результаты могут быть достигнуты при комбинировании стереотипного и оверлейного моделирования, осуществляемого следующим образом: в начале работы для классификации нового пользователя и инициализации начальных значений оверлейной модели применяется стереотипное моделирование, а затем – традиционная оверлейная модель.

Одной из важных характеристик пользователя, рассматриваемой адаптивными гипермедиасистемами, является система предпочтений пользователя. Пользователь по различным причинам может предпочитать некоторые узлы, ссылки и части страниц гипермедиа другим. Эти предпочтения могут быть абсолютными или относительными, т. е. зависящими от текущего узла, цели или контекста.

Предпочтения отличаются от других компонентов модели пользователя по нескольким аспектам.

Предпочтения в отличие от остальных компонентов не могут быть логически выведены системой. Пользователь должен непосредственно или косвенно сообщить системе свои предпочтения.

Еще одной специфической особенностью моделирования предпочтений является способ представления. В то время как другие компоненты модели пользователя обычно представлены в символьном виде, предпочтения зачастую представляются и вычисляются в численной форме с помощью особых методов [26; 83]. Численная форма представления имеет некоторые преимущества перед символьной: она дает возможность комбинировать несколько моделей пользователя и накапливать модель группы пользователей, отражающую предпочтения определенной группы пользователей (например, таких, как научно-исследовательские лаборатории). Групповая модель наиболее предпочтительна в качестве модели для нового члена группы.

Следующие две характеристики пользователя имеют нечто общее с уровнем знаний пользователя, но функционально отличаются от него. Это уровень подготовки пользователя и имеющийся опыт работы пользователя с данной адаптивной гипермедиасистемой. Под уровнем подготовки пользователя понимается вся информация, связанная с предыдущим опытом работы пользователя, но не относящаяся к теме данной гипермедиасистемы. Подготовка включает в себя профессию пользователя, опыт работы в смежных областях, а также точку зрения пользователя и его перспективы. Некоторые системы включают уровень подготовки пользователя в модель пользователя и применяют этот параметр для адаптивного представления материала, другие системы используют его для адаптивной поддержки навигации [39].

Опытом работы пользователя в данной АГС назовем характеристику, отражающую то, насколько хорошо пользователь знаком с ее структурой, и то, насколько легко он может осуществлять в ней навигацию. Это не то же самое, что уровень знаний пользователя по теме, представленной в гипермедиа [28]. Иногда бывает так, что пользователь хорошо знаком с темой, но абсолютно не знаком со структурой гиперпространства. И наоборот, пользователь может быть хорошо знаком со структурой гиперпространства, но не иметь глубоких знаний по теме, представленной в нем. Еще одной причиной того, что необходимо различать опыт работы в АГС и уровень знаний пользователя, является существование технического приема адаптивной поддержки навигации, который основан на этой характеристике пользователя.