XiaoMi-AI文件搜索系统
World File Search SystemGOMS
巨型量子电动力学对纳米化的单SIV颜色中心
通过氧化石墨烯膜（GOM）的水转运，并且已经广泛研究了无机和有机溶质的排斥。然而，GO薄片的横向大小对膜性能的影响尚不清楚。在这里，我们研究了使用各种尺寸的薄片制造的GOM的水渗透和分离性能。用较大的薄片制备的膜显示出更高的水通量。我们的实验清楚地表明，GOM由薄片和空隙结构组成。蒙特卡洛模拟表明，通过空隙的水运输比通过GO膜中的薄片快于薄片。此外，对于用更大尺寸的Go片制备的膜而言，空隙更为主导，因此，对于较大的薄片膜而言，较高的水通量。此外，用大薄片制备的GOM有效地拒绝了98％以上的Geosmin（GSM）和2-甲基异位酚（MIB），具有高可重现性，稳定的水通量为1.49 LMH。我们的结果有助于更好地理解GOM的复杂结构，其中膜的排斥性能主要取决于层间空间，但水的运输受空隙的控制。我们的研究还证明了GOM在饮用水净化技术中的工业潜力。
HCI 中的用户建模调查 - aircc
3 孟加拉国陆军科技大学计算机科学与工程系，孟加拉国尼尔帕马里 摘要 近几年来，用户建模已成为人机交互中的一个重要研究领域。该领域已经进行了大量的研究，其中展示了不同的用户建模方法。在本文中，我们概述了用户建模领域，并描述了不同的用户模型，即 GOMS 模型系列、认知架构、基于语法的模型和特定于应用的模型。我们讨论了每个类别中的一些用户模型示例。本文还讨论了该研究领域的未来挑战。索引术语——用户模型、人机交互 (HCI)、GOMS 模型、认知模型、基于语法的模型。1.引言 从用户体验和细致的研究来看，我们发现计算机系统并不容易学习，而且一旦学会，很容易忘记。软件行业定期更新其软件，提供不同的界面功能，这有时甚至会给学过的用户带来困难。用户对不同软件系统的看法和熟练程度会发生变化，这是另一个问题。用户所需的技能、知识和偏好范围意味着任何提供固定界面的计算机系统都会更适合某些用户，而不是其他用户。不同类型的用户使用计算机系统的方式不同
先进的综合通用航空主飞行显示器...
本论文描述了麻省理工学院航空航天系工程硕士学位课程项目期间开展的工作。该项目与马萨诸塞州贝德福德的 Avidyne 公司密切合作，涉及主飞行显示器/水平情况指示器用户界面的设计、开发和评估。这项工作始于对需求和要求的质量功能部署分析。接下来，通过两次交易研究迭代开发硬件界面。软件界面使用各种技术开发，包括目标、操作员、方法、选择规则 (GOMS) 击键级模型。进行了两次软件界面开发迭代，以适应不断发展的企业业务战略。使用基于个人计算机的模拟进行人体受试者评估，得出定量和定性结果，表明与最近的原型相比有显著的进步。用户界面在多个方面得到了改进，包括任务执行时间、准确性和易用性的主观比较。在六项常见任务中，基线显示的平均任务执行时间为 37.6 秒，而两个替代用户界面的平均任务执行时间为 23.6 秒和 22.2 秒。此外，在新用户界面中设置待机 NAV 格式任务的准确性明显更高。在冗余配对比较中
人为因素设计方法评论作者 - ePrints Soton
目录 执行摘要……………………………………………………………………………… 简介…………………………………………………………………………..4 HEI 简介…………………………………………………………………………10 1. SHERPA………………………………………………………………………………15 2. HET – 人为错误模板………………………………………………………..23 3. TRACEr…………………………………………………………………………30 4. TAFEI – 错误识别任务分析…………………………………...37 5. 人为错误 HAZOP…………………………………………………………………47 6. THEA – 人为错误评估技术……………………………………54 7. HEIST – 系统工具中的人为错误识别………………………….63 8. HERA 框架…………………………………………………………………69 9. SPEAR – 预测错误分析与减少系统………………….75 10. HEART - 人为错误评估与减少技术……… ...路径分析………………………………………………...127 20. GOMS……………………………………………………………………...134 21. VPA – 言语协议分析………………………………………………..138 22. 任务分解 …………………………………………………………………144 认知任务分析简介……………………………………………………..150 23. ACTA – 应用程序
人机交互中的用户建模调查 - aircc
3 孟加拉国陆军科技大学计算机科学与工程系，孟加拉国尼尔帕马里 摘要 近年来，用户建模已成为人机交互中的一个重要研究领域。该领域已经进行了大量的研究，其中展示了不同的用户建模方法。在本文中，我们概述了用户建模领域，并描述了不同的用户模型，即 GOMS 模型系列、认知架构、基于语法的模型和特定于应用的模型。我们讨论了每个类别中用户模型的几个示例。本文还讨论了该研究领域的未来挑战。索引词——用户模型、人机交互 (HCI)、GOMS 模型、认知模型、基于语法的模型。1.引言 从用户体验和细致的研究来看，我们发现计算机系统并不容易学习，而且一旦学会，很容易忘记。软件行业定期更新其软件，提供不同的界面功能，这有时甚至会给学过的用户带来困难。用户对不同软件系统的看法和熟练程度会发生变化，这是另一个问题。用户所需的技能、知识和偏好范围意味着，任何提供固定界面的计算机系统都会更适合某些用户，而不是其他用户。不同类型的用户以不同的方式使用计算机系统，他们的观点也不同。为新手用户处理系统复杂性的有效方法是提供功能简单的系统。间歇性或随意的计算机用户必须根据需要掌握不同的应用程序包，并且很少真正选择管理层决定的软件的购买、选择或使用条件。随意用户是一个特别重要的类别，因为他们通常需要被鼓励使用系统，并且通常会受益于易于使用、直观且功能简单的界面。另一个常见的用户类别是专注的或所谓的“专家”用户，他们可能会选择使用不同的软件包进行不同的活动。由于能力范围广泛，任务、先验知识和情况也各不相同，因此满足各种各样的用户的需求对设计师来说始终是一个挑战。用户模型是用户知识和偏好的表示 [Benyon & Murray, 1993]。它不是强制性的部分
在复杂系统中建模人类表现
在过去的几十年中，人因工程学和人体工程学从业者越来越多地在系统设计和开发过程的早期被要求参与。与一个或多个学科后来发现需要更改的情况相比，所有学科的早期投入可以带来更好、更集成的设计，并降低成本。作为人因工程学和人体工程学从业者，我们的目标应该是提供关于人、人与系统的交互以及由此产生的总体性能的实质性和有充分支持的意见。此外，我们应该准备好从系统概念开发的最早阶段开始提供这种意见，然后贯穿整个系统或产品生命周期。为了应对这一挑战，多年来，许多人因工程学和人体工程学工具和技术已经发展起来，以支持早期分析和设计。两种特定类型的技术是设计指导（例如，O’Hara 等人1995；Boff 等人1986）和高保真快速原型用户界面（例如，Dahl 等人1995）。设计指导技术以手册或计算机决策支持系统的形式出现，将人为因素和人体工程学知识库的选定部分放在设计师的指尖，通常以针对特定问题（如核电站设计或 UNIX 计算机界面设计）量身定制的形式出现。但是，设计指南的缺点是它们通常不提供根据设计对系统性能进行定量权衡的方法。例如，设计指南可能会告诉我们高分辨率彩色显示器将优于黑白显示器，它们甚至可能告诉我们在增加响应时间和降低错误率方面的价值。但是，这种类型的指导很少能很好地洞察人类表现的这一改进元素对整个系统性能的价值。因此，设计指导对于为系统级性能预测提供具体输入的价值有限。另一方面，快速原型设计支持分析特定设计和任务分配将如何影响人类和系统级性能。与所有以人为对象的实验一样，原型设计的缺点是成本高昂。尤其是基于硬件的系统（如飞机和机械）的原型开发成本非常高，尤其是在设计初期，因为那时存在许多截然不同的设计理念。人类行为和表现的计算机建模并不是一项新尝试。尽管花费不菲，但硬件和软件原型设计对于人为因素从业者而言仍是重要的工具，而且它们在几乎所有应用领域的使用都在增长。虽然这些技术对于人为因素从业者而言很有价值，但通常需要的是一种能够从人为因素和人体工程学数据基础（如设计指南和文献中所反映的那样）推断的集成方法，以便支持作为设计替代方案的函数的系统级性能预测。该方法还应以相互支持和迭代的方式与快速原型设计和实验相结合。正如在许多工程学科中的情况一样，这种集成方法的主要候选对象是计算机建模和仿真。复杂认知行为的计算机模型已经存在 20 多年（例如 Newell 和 Simon 1972），并且自 20 世纪 70 年代以来，就已经出现了用于任务级绩效的计算机建模工具（例如 Wortman 等人1978）。但是，在过去十年中，有两件事发生了显著变化，促使使用计算机建模和模拟人类表现作为从业者的标准工具。首先是计算机能力的快速提升以及与之相关的更易于使用的建模工具的开发。有兴趣通过模拟预测人类表现的个人可以从各种基于计算机的工具中进行选择（有关这些工具的完整列表，请参阅 McMillan 等人1989）。第二，研究界越来越关注开发人类表现的预测模型，而不仅仅是描述模型。例如，GOMS 模型（Gray 等人1993）代表将研究整合到一个模型中，用于预测人类在现实任务环境中的表现。另一个例子是认知工作量的研究，它被表示为计算机算法（例如，McCracken 和 Aldrich 1984；Farmer 等人1995）。给定人类所从事的任务和设备的描述，这些算法支持评估何时可能发生与工作量相关的性能问题，并且通常包括识别这些问题对整体系统性能的定量影响（Hahler 等人1991）。这些算法在作为关键组件嵌入到任务和环境的计算机模拟模型中时特别有用。计算机建模和模拟最强大的方面可能在于它提供了一种方法，通过该方法，人因和人体工程学团队可以与