1 / 35

Arviointimenetelmien vertailu

Arviointimenetelmien vertailu. Antti Kavonen Ke 26.4.2006 58306103 Käyttöliittymien arviointimenetelmät. Taustaa. Käyttöliittymän arviointimenetelmät (UEM) uusi tieteenala, puhumattakaan niiden vertailusta

jaime-britt
Download Presentation

Arviointimenetelmien vertailu

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Arviointimenetelmien vertailu Antti Kavonen Ke 26.4.2006 58306103 Käyttöliittymien arviointimenetelmät

  2. Taustaa • Käyttöliittymän arviointimenetelmät (UEM) uusi tieteenala, puhumattakaan niiden vertailusta • 80-luvulla alettiin soveltaa laboratoriokäytettävyystestausta, jossa arvioitiin yksinkertaisesti käytettävyyden nopeutta, tarkkuutta ja virheitä • Minimoidaan service callit • Parannetaan myyntiä parantamalla tuotetta • Vähennetään riskiä • Tehdään samalla pohjatyötä tulevien tuotteiden parantamiseksi

  3. Taustaa • 90-luvulla tarvittiin parempia tuloksia lyhyemmässä ajassa • Laboratoriotestaus suoritettiin tuotekehityksen loppuvaiheessa – nyt haluttiin aloittaa aiemmin • Asiantuntijapohjaisten menetelmien synty • Ohjeistoilla arviointi, heuristinen arviointi, kognitiivinen läpikäynti, käytettävyysläpikäynti, heuristinen läpikäynti jne.

  4. Taustaa • Eri menetelmien vahvuudet ovat perustuneet maalaisjärjelle, erilaista käyttötilanteista saadulle kokemukselle, case-tutkimuksille ja toki eri menetelmiä vertailevalle kokeelliselle tutkimukselle • Tutkimuksia ei ole paljon

  5. Esimerkkitutkimus: Jeffries et al. 1991 • Alan tärkeimpiä tutkimuksia • Kohteena HP-VUE, Unixin graafinen käyttöliittymä, betatestausversio • Haluttiin testata tiedostojen käsittelyä, sovellusten käynnistämistä ja sulkemista, näytön asetusten muuttamista ym. • Testatut menetelmät: • ”heuristinen arviointi” = asiantuntija-arvio • Käytettävyystestaus • ohjeistoilla arviointi • kognitiivinen läpikäynti

  6. ”Heuristinen arviointi” • Termin merkitys on muuttunut: käytännössä asiantuntija-arvio käyttöliittymäspesialistit/ohjelmiston kehittäjät • Testiryhmä: neljä käyttöliittymäspesialistia • Tutustuivat järjestelmään ja tekivät koetehtäviä omaa tahtiaan kahden viikon aikana muiden töidensä ohella

  7. Käytettävyystestaus • Testiryhmä: HCI-ammattilainen sekä kuusi tavallista PC-käyttäjää, joille Unix ei ollut tuttu • Tutustuivat HP-VUE-järjestelmään kolme tuntia ja suorittivat heti perään kaksi tuntia koetehtäviä

  8. Ohjeistoilla arviointi • Käyttivät 62-kohtaista HP:n sisäistä ohjeistusta, joka on sangen yleisluontoinen: voidaan käyttää monenlaisten järjestelmien arviointiin • HP-VUE-järjestelmän suunnittelijat ja toteuttajat olisivat olleet ihanteellinen testiryhmä, mutta koska he eivät olleet saatavilla, käytettiin kolmea ohjelmistoinsinööriä. Kahdella heistä oli aiempaa kokemusta HP-VUE:n käytöstä

  9. Kognitiivinen läpikäynti • Läpikäynti suunniteltiin ennakkoon, ja koehenkilöille jaettiin valmiit tehtävät • Ohjeistojen tavoin testiryhmänä kolme ohjelmistoinsinööriä

  10. Koe • Käytettävyysongelma: ”mikä tahansa käyttöä vaikeuttava seikka kirjoitusvirheestä järjestelmän kaatumiseen” • Koehenkilöt kirjoittivat standardimuotoisiin lomakkeisiin lyhyen kuvauksen ongelmasta sekä sen löytymisestä • Myös ”vahingossa” eli muuten kuin testatulla menetelmällä havaitut virheet kirjattiin

  11. Tulokset • Kolme ulkopuolista tutkijaa käsitteli ja luokitteli löydetyt ongelmat • Seitsemän käyttöliittymäammattilaista antoi niille vakavuusluokituksen asteikolla 1-9

  12. ”Heuristinen arviointi” eli asiantuntija-arvio • ”Heuristinen arviointi” tuotti parhaat tulokset: löysi eniten etenkin vakavia ongelmia ja oli suhteellisen nopea toteuttaa • Menetelmä vaatii runsaasti ammattitaitoista väkeä • Löytää toisaalta myös runsaasti vähäisiä ongelmia

  13. Vertailua aiempiin esityksiin • Aki Korpua: Käyttöliittymäkatselmus (asiantuntija-arvio) muistutti heuristista arviointia • Akin esityksessä paljon tarkkoja ongelmakuvauksia: ”Explicit communication: Ei pystynyt tietämään ’kuunteliko’ toinen chattia” • Vertailu Jeffriesin et al. tuloksiin hankalaa

  14. Käytettävyystestaus • Myös käytettävyystestaus löysi paljon vakavia ongelmia ja jätti huomiotta useita epäolennaisia • Kulutti eniten aikaa, ja huomattava määrä vakavia ongelmia jäi myös löytämättä

  15. Vertailua aiempiin esityksiin • Jani Hanhisalo: ”Käytettävyystesti työläs” • Jeffries et al. eivät yksityiskohtiin pureudu, joten tarkempi vertailu hankalaa

  16. Ohjeistoilla arviointi • Ohjeistoilla arvioidessa löydettiin eniten toistuvia ja yleisluontoisia ongelmia • Hyvä ohjeisto saa arvioijat tarkastelemaan kohdetta suurena kokonaisuutena eikä pieninä nippeleinä, kuten ehkä voisi kuvitella • Ohjeistoilla ei kuitenkaan löydetty tehokkaasti etenkään vakavia ongelmia • Huomioitava, että ohjeistoja käyttivät insinöörit eivätkä käyttöliittymäasiantuntijat

  17. Vertailua aiempiin esityksiin • Tommi Ahonen: ”Korkean abstraktiotason ohjeistus käytettävissä monen sovelluksen tai sovellusalueen suunnittelussa”

  18. Kognitiivinen läpikäynti • Tulokset verrattavissa ohjeistoihin • Läpikäyntiä käytettiin nyt ensimmäistä kertaa monimutkaisen järjestelmän testaukseen, joten tuloksia kannattaa tarkastella kriittisesti • Käyttäjän tavoitteiden määrittely koettiin hyödylliseksi harjoitukseksi, mutta välillä liian työlääksi ja pikkutarkaksi • Läpikäynti löysi harvinaisia virheitä • Aikaa kului paljon, eikä kaikkia tehtäviä saatu suoritettua

  19. Vertailua aiempiin esityksiin • ?

  20. Tutkimuksen yhteenveto • ”Heuristinen arviointi” ja käytettävyystestaus ovat päteviä menetelmiä, joiden onnistunut käyttö kuitenkin vaatii useiden rautaisten käyttöliittymäammattilaisten tietämystä ja kokemusta

  21. Tutkimuksen kritiikkiä: Gray & Salzman 1998 • Heuristinen arviointi -termin merkitys on siis muuttunut, minkä Jeffries et al. itsekin myöhemmin totesivat. Tämä aiheuttaa väärinkäsityksiä, kun tutkimusta luetaan tutustumatta muihin artikkeleihin • Muut menetelmät vastasivat suurin piirtein standardeja

  22. Tilastollinen pätevyys • Ryhmissä 3-6 koehenkilöä -> suuri wildcard-riski, eli yksittäisen ihmisen pienellä teolla voi olla tuloksiin suuri vaikutus • Osa koehenkilöistä toimi ryhmässä, osa yksinään • Ei tarkkoja tilastollisia analyysejä, vaan kaikki tulokset perustuvat epämuodollisiin lukumäärien ja prosenttien vertailuun

  23. Sisäinen pätevyys • Yhden ryhmän muodostivat käyttöliittymäspesialistit, kaksi muuta taas ohjelmistoinsinöörit • Osalla ohjeistoja käyttäneistä insinööreistä oli aiempaa kokemusta HP-VUE-järjestelmän käytöstä, joten he eivät löytäneet monia ongelmia itse menetelmällä vaan olivat havainneet ne jo aiemmin

  24. Asetelma • ”Heuristisen arvioinnin” ryhmä teki testin omaan tahtiinsa kahden viikon ajassa ja ilmeisesti omilla tietokoneillaan • Käytettävyystestausryhmälle puolestaan annettiin kolmen tunnin koulutus, ja itse testi kesti kaksi tuntia • Ilmeisesti myös ohjeistojen ja kognitiivisen läpikäynnin ryhmät suorittivat testit yhdeltä istumalta; asiasta ei ole mainintaa • Yhdenmukaisuus puuttuu

  25. Ennakkoluulot • Kun ongelmien vakavuutta arvioitiin asteikolla 1-9, arvioijille annettiin suoraan koehenkilöiden täyttämät lomakkeet, joten arvioijat tiesivät, mitä menetelmää käyttäneen ryhmän lomake oli kyseessä • Käytettävyystestauksen ongelmat määriteltiin muita vakavammiksi, ja Jeffries et al. myöntävät mahdollisen puolueellisuuden

  26. Rakenteellinen pätevyys • Käytettävyysongelmia vain laskettiin, eikä samantyyppisiä ongelmia pyritty mitenkään luokittelemaan tai vertailemaan – eri menetelmien välinen suora vertailu olematonta • Mitään tietoa samojen ongelmien löytämisestä ei ole, joten esim. kognitiivisen läpikäynnin tulos ”tulokset verrattavissa ohjeistoihin” on hyvin harhaanjohtava

  27. Ulkoinen pätevyys • Tutkimuksessa käytetyt metodit, ympäristöt, arvioijat ja osin jopa UEM:t muodostavat erikoislaatuisen yhdistelmän, jonka minkäänlainen yleistäminen muihin henkilöihin, paikkoihin tai variaatioihin on täysin mahdotonta

  28. Johtopäätösten pätevyys • Jeffriesin et al. eräs tarkoitus oli määritellä, miten ammattitaito vaikuttaa suoritukseen, ja johtopäätöksissä todetaan, että ”heuristinen arviointi vaatii onnistuakseen useita käyttöliittymäammattilaisia” • Tutkimusta ei kuitenkaan suunniteltu tutkimaan tarpeellisten ihmisten tai vaadittavan tiedon ja osaamisen määrää, joten johtopäätös on hieman epäpätevä

  29. Tutkimuksen arvioinnin yhteenveto • Jos kyseessä olisi case-tutkimus, siitä saisi huomattavilla muokkauksilla pienen esityksen siitä, miten Hewlett-Packard suunnittelee käytettävyysanalyysejä 80-luvun lopussa • Tämän sijasta tutkimus esitettiin neljän arviointimenetelmän kokeellisena vertailuna, jossa tehtiin liian rohkeita johtopäätöksiä • Etenkin UEM:ien välinen vertailu oli heikkoa tilastollisten puutteiden ja testiryhmien välisten suurten erojen vuoksi • Eri menetelmien vahvuuksien ja heikkouksien arviointi ylitti tutkimuksen rajat ja kyvyt

  30. Gray & Salzman: mietteitä • Jeffries et al. ei suinkaan ole ainoa puolivillainen tutkimus alalla • Yksikään UEM ei luonnollisesti ole täydellinen, eikä käyttöliittymäongelmissa aina ole absoluuttista totuutta • Jos menetelmä A väittää tapauksen x olevan ongelma, mutta menetelmä B ei, kumpi on väärässä?

  31. Gray & Salzman: parannusehdotuksia • Pitäisi kehittää yhtenäinen ja luultavasti teoriaperustainen luokittelutapa, jolla kohdatut ongelmat olisivat vertailukelpoisia järjestelmistä ja menetelmistä riippumatta • Tämä on tosin helpommin sanottu kuin tehty ja vaatii kenties liikaa arviointimenetelmiltä

  32. Gray & Salzman: parannusehdotuksia • Monet huonojen tutkimusten ongelmat voisi välttää helposti • Riittävän suuret ja järkevästi valitut koehenkilöryhmät • Samat koeolosuhteet kaikille • Ei yritetä testata kaikkea mahdollista yhdessä kokeessa vaan keskitytään esim. vain kahden arviointimenetelmän käyttäytymiseen tietyssä tilanteessa

  33. Mietteitä seminaarista • Jeffriesin et al. tutkimusta pidetään katastrofaalisuudestaan huolimatta alan merkittävimpiin kuuluvana • Annetut artikkelit jo sangen iäkkäitä; mikä mahtaa olla alan kokonaiskuva nykyisin? • Alkuperäinen suunnitelma oli verrata eri menetelmiä suoraan toisiinsa, mutta se osoittautui mahdottomaksi • Olisiko jokin toinen tutkimus sopinut paremmin yhteen muiden seminaariesitysten kanssa?

  34. Mietteitä seminaarista • Gray & Salzman – Muiden tutkimusten teilaaminen on toki helpompaa kuin pätevän tekeminen itse • Testaus ylipäätäänkin vastenmielistä – pidetäänkö käyttöliittymätestausta tietojenkäsittelyn pohjasakkana?

  35. Lähteet • Gray W. D., Salzman M. C., Damaged Merchandise? A Review of Experiments That Compare Usability Evaluation Methods. Human-Computer Interaction, 1998, Vol. 13, No. 3, s. 203-261. • Hartson H. R., Andre T. S., Williges R. C., Criteria for Evaluating Usability Evaluation Methods. International Journal of Human-Computer Interaction, Vol. 15, No. 1, 2003, s. 145-181. • Jeffries, R., Miller, J.R., Wharton, C., and Uyeda, K.M. (1991). User Interface Evaluation in the Real World: A Comparison of Four Techniques. Proc. ACM CHI'91 Conf. (New Orleans, LA, April 28 - May 2), 119-124.

More Related