Confusions sur l'application de la loi Hick-Hyman dans la conception d'interfaces utilisateur
Je pense que beaucoup de gens ici ont entendu parler de la loi "Hick-Hyman", qui décrit le temps qu'il faut à une personne pour prendre une décision à la suite des choix possibles qu'elle a; Autrement dit, l'augmentation du nombre de choix augmentera le temps de décision de manière logarithmique. En termes mathématiques, il peut être décrit comme:
Étant donné n choix également probables, le temps de réaction moyen T nécessaire pour choisir parmi eux est d'environ: T = b log {2} (n + 1), où b est une constante qui peut être déterminée empiriquement en ajustant une ligne aux données mesurées. Le fonctionnement du logarithme exprime ici la profondeur de la hiérarchie "d'arbre de choix". Fondamentalement, log2 signifie que vous effectuez une recherche binaire. Selon Card, Moran et Newell (1983), le +1 est "parce qu'il y a une incertitude quant à savoir s'il faut répondre ou non, ainsi que sur la réponse à faire". ([2])
Beaucoup de gens ont dit que cette loi peut être appliquée à la conception des menus.
L'exemple 1 est tiré de [1], exemple 1. Votre programme d'application dispose d'un menu "Fichier" qui répertorie tous les éléments de menu concernant les actions sur les fichiers. L'auteur a déclaré que le temps nécessaire à une personne pour sélectionner un élément dans un menu logiciel simple augmente avec le nombre d'éléments. Cependant, lorsque vous souhaitez sélectionner un élément de menu, disons que vous voulez fermer le document, vous n'avez aucune confusion à ce sujet. Il n'y a qu'un seul élément appelé "fermer". Dans ce cas, même si vous augmentez le nombre d'autres éléments non pertinents, cela n'affectera pas le temps de décision d'un utilisateur en choisissant "Fermer". Cela n'affecte que son temps de scan pour trouver "Fermer". Bien sûr, je conviens que pour les articles servis à des fins similaires, cela s'applique. Par exemple, lorsque vous décidez "enregistrer" ou "enregistrer sous". Si vous augmentez le nombre de types d'actions de sauvegarde, cela peut également augmenter le temps de décision.
Exemple 2: Supposons que vous êtes en train de sélectionner dans une liste déroulante qui répertorie les pays dont vous êtes originaire. Lorsque vous remplissez un formulaire en ligne, vous voyez souvent ce composant d'interface utilisateur. En tant qu'utilisateur, vous savez déjà d'où vous venez exactement, donc encore une fois vous n'avez aucune confusion sur votre décision/choix. Ensuite, le temps de décision est nul, donc ce qui coûte vraiment le plus cher, c'est le temps de numérisation.
Exemple 3: Supposons que vous êtes un prédateur et qu'il y a 4 proies devant vous. Toutes ces 4 proies sont vous des cibles/solutions potentielles. Cette fois, si le nombre de proies augmente, votre temps de décision augmente vraiment en conséquence - vous devez décider quelle proie capturer.
Exemple 4: Supposons que vous êtes un joueur expérimenté de taekwondo et que vous avez appris de nombreuses techniques de défense. Lorsque vous êtes dans une partie, votre adversaire vous attaque. Vous devez décider des techniques de défense à utiliser. Cette fois, plus vous connaissez de techniques, plus il vous faut de temps pour prendre une décision à utiliser pour vous défendre.
En illustrant l'exemple ci-dessus, voici ma question:
La loi de Hick prédit-elle le temps que vous utilisez pour prendre une décision ou le temps que vous utilisez pour rechercher l'objet cible?
Selon Wikipedia,
La loi de Hick est parfois citée pour justifier les décisions de conception de menus (pour un exemple, voir [1]). Cependant, l'application du modèle aux menus doit être effectuée avec soin. Par exemple, pour trouver un mot donné (par exemple le nom d'une commande) dans une liste de mots ordonnée de manière aléatoire (par exemple un menu), la numérisation de chaque mot dans la liste est requise, ce qui consomme du temps linéaire, de sorte que la loi de Hick ne s'applique pas. Cependant, si la liste est alphabétique et que l'utilisateur connaît le nom de la commande, il ou elle peut être en mesure d'utiliser une stratégie de subdivision qui fonctionne en temps logarithmique.
Il semble que Wikipedia de la loi de Hick ne parle pas réellement du temps de décision, mais du temps de recherche. Cela a du sens si nous faisons une analogie avec la "recherche binaire". Alors, qu'est-ce que la loi de Hick prédit? Le temps de décision cognitive (exemple 3 et 4) ou le temps de balayage (exemple 1 et 2)?
Références: [1] http://www.jedbrubaker.com/wp-content/uploads/2013/03/Day7-HicksLaw.pdf [2] http: // en. wikipedia.org/wiki/Hick 's_law
Je dirais que la loi Hicks fait référence à la reconnaissance des stimuli plutôt qu'à la recherche. Les processus de reconnaissance fonctionnent au niveau cognitif, donc les gens ont raison de parler du temps de décision cognitif. Ce processus est assez simple, comme cela est souligné dans les articles.
Dans les situations complexes, la décision implique non seulement des processus cognitifs, mais prend également de la mémoire à long terme, du raisonnement, etc. Ceci est hors de la loi de Hicks.
L'expérience la plus courante de la loi Hicks consiste à appuyer sur l'un des trois boutons en fonction d'une couleur de lampe allumée. Le participant connaissait donc les règles et sa décision a été réduite à une décision cognitive.
Quoi qu'il en soit, la thèse est vraie, les nombreuses options ne sont pas bonnes, qu'il s'agisse de tâches de choix assez simples (niveau cognitif, loi de Hicks) ou de décisions complexes ( fameuse Jam Experiment ). Le nombre d'options doit être équilibré.
Décision motrice, pas décision objectif
La loi Hicks-Hyman consiste traditionnellement à décider de la réponse motrice, et non de l'objectif de résultat. Comme vous le notez dans les exemples 1 et 2, les utilisateurs connaissent déjà l'objectif de résultat (fermez la fenêtre, définissez "Pays" sur États-Unis) souvent avant même de voir le menu. Dans les expériences validant Hicks-Hyman, l'expérimentateur donne souvent aux participants l'objectif - par exemple, on leur dit explicitement quel élément de menu sélectionner. Il ne s'agit donc pas de décision d'objectif (du moins, pas nécessairement).
Cependant, une fois que les utilisateurs ont un objectif et voient un menu, ils doivent décider où pointer la souris. C'est-à-dire exactement vers quel angle et quelle distance diriger la souris. C’est la décision motrice que Hicks-Hyman prédit. Pour décider où pointer la souris, les utilisateurs doivent traiter la scène visuelle, reconnaître les éléments de menu, identifier les points de repère et ainsi s'orienter pour mapper l'élément de menu cible à la réponse motrice correcte. C'est un traitement de l'information qui correspondra à la quantité d'informations à traiter, qui est estimée, grossièrement mais efficacement, par Hicks-Hyman. Une fois que les utilisateurs décident où pointer la souris, ils doivent en fait pointer mécaniquement, ce qui suit la loi de Fitts, une autre application de la théorie de l'information, mais distincte de Hicks-Hyman.
Validation et limitations empiriques
La sélection de menus, comme vous le décrivez dans les exemples 1 et 2, semble en effet suivre Hicks-Hyman combiné avec Fitts (1), mais uniquement pour les menus bien organisés et/ou bien connus. Autrement dit, cela ne fonctionne que pour les menus où les utilisateurs peuvent anticiper où l'élément de menu objectif est relatif aux autres éléments de menu et au menu lui-même. Dans de tels cas, prendre une décision motrice nécessite seulement que les utilisateurs orientent et mappent le stimulus à la réponse, comme décrit ci-dessus.
Si le menu est inconnu et non organisé (pour autant que l'utilisateur puisse le savoir), alors les utilisateurs effectuent une analyse séquentielle bâclée du menu (2,3), en regardant un à trois éléments de menu à la fois et en décidant à chaque regard si tout correspond à l'objectif. Dans ce cas, le temps de décision (peut-être mieux appelé temps de recherche) est une fonction linéaire du nombre d'éléments de menu, plutôt qu'une fonction de journal, comme le prédit Hicks-Hyman. La loi de Fitt prédit toujours le temps de pointer la souris une fois que l'utilisateur a identifié l'élément de menu cible. Le modèle de recherche linéaire peut s’appliquer à votre exemple 3: le prédateur ne peut pas prévoir à l’avance que la meilleure proie est toujours troisième à partir de la gauche, à côté de la maigre. Au lieu de cela, il doit regarder chaque proie potentielle et décider si elle est suffisamment lente et juteuse pour continuer. Il existe un modèle qui associe la recherche linéaire et le processus de décision Hicks-Hyman pour tenir compte des utilisateurs qui apprennent progressivement un menu (4).
Implications de conception
Qu'il s'agisse d'une fonction linéaire ou de journal, plus d'éléments de menu signifient un temps de réponse plus lent. L'implication de Hicks-Hyman est que l'impact de l'ajout de chaque élément de menu supplémentaire est plus petit pour les menus connus/organisés que pour les menus inconnus/non organisés. Dans tous les cas, cela ne signifie pas que les menus courts sont toujours meilleurs. Moins d'éléments par menu implique des hiérarchies plus profondes, ce qui implique plus de temps de clic et de rechargement. Cela peut contrecarrer les effets de chaque menu étant plus court. Étant donné la lenteur du chargement des pages Web, nous sommes généralement meilleurs avec des hiérarchies de menus peu profondes et relativement larges qu'avec des hiérarchies étroites et profondes. Si la plupart de vos utilisateurs ont une expérience répétée avec l'application ou si les éléments de menu sont particulièrement faciles à organiser, vous pouvez également préférer l'étendue à la profondeur - selon Hicks-Hyman, doubler votre nombre d'éléments de menu sur un menu donné ne fait qu'augmenter la réponse de manière incrémentielle plutôt que de le doubler. Hicks-Hyman est plus souvent un argument pour augmenter la largeur que la diminuer.
(1) Landauer TK & Nachbar DW (1985) Sélection à partir d'arborescences de menus alphabétiques et numériques à l'aide d'un écran tactile : Largeur, profondeur et largeur. Actes CHI, 73-78
(2) Aaltonen A, Hyrskykari A et Raiha KJ (1998) Cent un spots, ou comment les utilisateurs lisent-ils les menus?
(3) Byrne MD, Anderson JR, Douglass S et Matessa M (1999) Eye tracking the visual search of click-down menus . Actes de CHI, 402–409.
(4) Cockburn A, Gutwin C et Greenberg S (2007) n modèle prédictif des performances du men . Procédure CHI.
Je n'ai pas de réponse scientifiquement appuyée, mais il me semble que l'aspect clé de la loi Hicks est que les décisions ne sont pas clairement évidentes.
Par exemple, si je suis à l'épicerie et que je dois choisir parmi 10 marques de beurre d'arachide, cela va prendre du temps pour beaucoup de gens car il n'y a pas de choix évident. Ils doivent étudier les étiquettes, les prix, les tailles, etc.
Pour la navigation sur le site, vous avez idéalement des différences très évidentes entre chaque option afin qu'il y ait un choix évident. Si je suis sur un site Internet et que je souhaite contacter l'entreprise, je recherche un lien appelé "contact". C'est évident, et il n'y a pas de surcharge cognitive dans la lecture du reste des éléments de menu car ils ne sont pas pertinents pour ma tâche à accomplir.
Je suis d'accord avec vous ... beaucoup de gens soutiennent à tort que "moins c'est plus" en ce qui concerne la navigation sur le site. Ils peuvent mal interpréter cette loi, ou, très souvent, ils interprètent mal loi de Miller de 7 +/- 2
En tant que tel, on peut certainement réduire un menu de navigation au point où les choix peuvent être moins nombreux, mais maintenant ils ne sont pas évidents au point où une personne doit maintenant plonger dans chaque navigation de haut niveau dans l'espoir de trouver ce qu'ils sont. à la recherche de. Ce n'est désormais plus un coût cognitif, mais maintenant un coût purement physique dans la mesure où un utilisateur doit prendre le temps de naviguer sur le site pour trouver ce qu'il cherche.
En fait, Hick avait l'intention de prédire le genre des deux, en supposant que le temps d'agir est d'un ordre de complexité similaire dans toutes les options (c'est-à-dire que vous devez choisir entre deux éléments de menu sur lesquels vous cliquerez, pas un clic et une frappe).
Il ne semble pas différencier la recherche et la décision; pour citer vos exemples, comme on sait dans quel pays ils veulent chercher, ils savent aussi qu'ils veulent cibler les proies les plus grasses, en supposant que le prédateur chasse pour se nourrir - mais lequel est-ce?
Gardez à l'esprit que son travail porte sur le "gain d'information", il semble donc qu'il avait à l'esprit des décisions éclairées et non des décisions ouvertes comme "que dois-je faire pour vivre?". Je ne sais pas si je suis d'accord ou pas d'accord pour appeler ce "gain d'information" une décision, mais c'est ce que j'ai compris qu'il voulait dire. Il utilise en fait le terme temps de réaction .
Il semble avoir également pensé à l'ordre de complexité en d'autres termes: si vous avez un facteur log dans votre équation et que tous les autres facteurs sont moins complexes, il est normal de considérer que la complexité globale de l'équation est celle de le facteur le plus complexe . Ainsi, vous pourriez dire que cette décision/recherche contribue "davantage" à la complexité globale du temps de réaction que le temps de mouvement, etc.
Cela pourrait s'appliquer aux menus dans le sens où l'on pourrait supposer qu'ils ne seront pas placés de manière à "tromper" l'algorithme (par exemple par ordre alphabétique ou aléatoire), mais groupés par fonctionnalité.