Fatores Humanos

O Modelo de processamento humano de Card

Nos anos 80, Stuart Card e alguns colegas aplicaram psicologia cognitiva a experiências com computadores - isto é, queriam resumir o comportamento humano a uma máquina, máquina essa que acabou por originar um livro fundamental: The Psychology of Human-Computer Interaction. A ideia principal deste livro era definir o cérebro humano como uma máquina de três sentidos: visão, audição e toque (sistema motor), ou seja definir o cérebro humano como um sistema de perceção.

É possível descrever o ser humano como um humúnculo sensorial, já que os nosso sentidos não são todos iguais. Somos mais sensíveis nas mãos e no paladar do que nas costas ou braços. Em termos de movimento, não podemos dizer que o ser humano é uma máquina sequencial de movimento: é uma "máquina de previsão do futuro" (acreditamos que tudo o que vamos fazer vai acontecer), visto que os nossos sentidos estão todos interligados. É por essa razão que conseguimos mudar o que estamos a ouvir, apesar do áudio não mudar, meramente porque o movimento da boca de alguém também mudou; na mesma linha, é também mais difícil identificar uma cor, dado o seu nome, se esse nome estiver escrito com uma cor diferente (como observável abaixo).

Nomes das cores, mas coloridos com a cor errada

Sistema motor

O sistema motor tem comunicações com o tempo - isto é, o nosso tempo de resposta de cada sentido é diferente, havendo sentidos que são mais sensíveis (como o sentido auditivo) e outros menos, como é o caso da dor.

Sentido Tempo
Visual 200 ms
Auditivo 150 ms
Dor 700 ms

Sistema Cognitivo

O sistema cognitivo representa as nossas memórias. Há algumas zonas do nosso cérebro que estão organizadas em camadas, mas é difícil dizer qual a zona que está encarregue da memória a curto ou longo prazo. À medida que o ser humano foi evoluindo, o seu cérebro também foi, assim como as nossas capacidades cognitivas. Atualmente, uma pessoa consegue recordar sete (±2\pm 2) bocados de informação, considerando um bocado como uma unidade simples: uma letra, frase, palavra, dígito, etc. Podemos, contudo, guardar uma quantidade (teoricamente) infinita de informação a longo prazo. Há, no entanto, uma pequena condição: só nos conseguimos lembrar de informação a longo prazo através da nossa memória de curta duração.

O Modelo de Processamento Humano de Card

Com o seu trabalho no Modelo de Processamento Humano (MPH), Card descreveu as memórias e os processadores através de um conjunto de parâmetros:

  1. Para as memórias:

    • μ\mu: A capacidade de armazenamento (em itens);
    • δ\delta: O tempo de declínio de um item;
    • kk: O tipo de codificação (física, acústica, visual, semântica, etc).
  2. Para os processadores:

    • tt: O tempo de ciclo.

Os sistemas do MPH de Card

Os subsistemas Perceptual, Motor e Cognitivo incluem um processador e uma memória e podem ser descritos por três parâmetros:

  • Capacidade de armazenamento: UU;
  • Tempo de decaimento: DD;
  • Tempo de ciclo e processamento: TT.

Estes tempos podem ser avaliados experimentalmente:

  • tpt_p ~ 100ms [50-200 ms] - perceptual
  • tmt_m ~ 70ms [25-170 ms] - motor
  • tct_c ~ 70ms [30-100 ms] - cognitivo

Fatores Humanos

Os conhecimentos de Psicologia podem ser aplicados a quase todas as áreas - é desta forma, aliás, que muitos psicólogos acabam por ganhar prémios Nobel de Economia, já que são eles que criam as "leis" da Economia.

Leis do ser Humano

Da mesma forma que existem leis para descrever não só a Economia como também o mundo que nos rodeia, o mesmo se aplica ao ser humano e à forma como este se comporta.

Ninguém tem habilidades aleatórias - regemo-nos antes por "leis", tais como:

  • Velocidade de movimento das mãos;
  • Velocidade de leitura;
  • Capacidade de memorizar informação.

Assim sendo, estas leis são mantidas em conta e quantificadas quando usadas para criar recomendações e aplicadas, posteriormente no desenho de interfaces.

Lei de Fitts

warning

Esta lei é muito importante para o segundo bake-off.

Motivação Inicial

Sabendo que existe um alvo facilmente identificável, quanto tempo é que uma pessoa demora a passar para esse alvo?

Existem três grandes fatores que influenciam o tempo de movimento: o tempo, a distância e o tamanho do alvo. Para prever este tempo até ao contacto com o alvo teremos que usar a Lei de Fitts. Esta lei assume o movimento mais rápido e certeiro, baixas taxas de erro e utilização experiente. Através da Lei de Fitts conseguimos explicar o compromisso entre velocidade e precisão: o tempo para atingir o alvo, a distância até ao centro do alvo e o tamanho do mesmo. Conseguimos até, com esta lei, perceber o quão fácil é interagir com uma aplicação ou qualquer interface.

A lei de Fitts traduz-se então pela seguinte fórmula:

Lei de Fitts

Tmovimento=a+blog2(DistaˆnciaTamanho+1)T_{\text{movimento}} = a + b \log_{2}\left( \frac{\text{Distância}}{\text{Tamanho}} + 1 \right)

Sejam aa e bb constantes empíricas.

Dá-se o nome de índice de dificuldade de Fitts (ou index of difficulty em inglês) à componente com logaritmo da expressão acima, em bits:

ID=log2(DistaˆnciaTamanho+1)\text{ID} = \log_2\left(\frac{\text{Distância}}{\text{Tamanho}} + 1\right)

Esta fórmula é particularmente relavante quando queremos comparar alternativas para verificar qual é o melhor produto.

Aumentar o tamanho de um alvo

Passar de um alvo de tamanho 55 para um alvo de tamanho 1010 (duplicando, portanto, o tamanho do alvo) leva a uma diminuição do nosso índice de dificuldade - por pouco, contudo. Tal deve-se à propriedade logarítmica da função com que estamos a trabalhar.

Exemplo

ID=log2(DistaˆnciaTamanho+1)ID=log2(155+1)=2ID=log2(1510+1)=1.3\begin{aligned} \operatorname{ID} &= \log_{2} \left(\frac{\text{Distância}}{\text{Tamanho}} + 1\right)\\ \operatorname{ID} &= \log_{2} \left(\frac{15}{5} + 1\right) = 2\\ \operatorname{ID} &= \log_{2} \left(\frac{15}{10} + 1\right) = 1.3 \end{aligned}

Ou seja, há um decremento em 35% da dificuldade.

Assim, podemos concluir que aumentar o tamanho é mais benéfico para os alvos mais pequenos, até certo ponto. Procurando um exemplo mais óbvio, aumentar um alvo de tamanho 999999 para tamanho 10001000 leva a uma diferença de dificuldade muito menor que alterar o tamanho de 55 para 66.

Manter a relação D/L constante

Temos sempre que manter a mesma proporção entre a distância e o tamanho de um alvo para manter a mesma dificuldade!

Exemplo

ID=log2(DistaˆnciaTamanho+1)ID=log2(155+1)=2ID=log2(7.52.5+1)=2\begin{aligned} \operatorname{ID} &= \log_{2} \left(\frac{\text{Distância}}{\text{Tamanho}} + 1\right)\\ \operatorname{ID} &= \log_{2} \left(\frac{15}{5} + 1\right) = 2\\ \operatorname{ID} &= \log_{2} \left(\frac{7.5}{2.5} + 1\right) = 2 \end{aligned}

Aumento de produtividade

Apesar de não parecer ter uma importância assim tão significativa, existe um aumento de produtividade bastante significativo com o posicionamento mais claro de objetos.

Por exemplo, é considerado mais produtivo utilizar o sistema MacOS, visto que os botões estão sempre na parte de cima do dispositivo, do que o sistema Windows, onde os botões apenas se encontram na parte superior da página onde nos encontramos.

Pergunta de Exame

Considere uma interface do tipo "point-and-click". Considere que tem de posicionar um alvo de dimensão 1 pixel. À luz da Lei de Fitts, diga quais são as cinco melhores posições para o alvo. Justifique.

Neste caso caso um dos quatro cantos da página é mais fácil de interagir com do que qualquer outro ponto na página, tirando o ponto onde já nos encontramos.

Lei de Hick

Sermos deparados com muitas escolhas pode parecer apelativo. Influencia, contudo, o nosso tempo de escolha de forma não negligenciável - é por esta razão, aliás, que os menus em restaurantes não tẽm muitas escolhas, estando divididos em entradas, prato principal e sobremesas (tal como o prato principal pode estar dividido em pratos de carne, peixe, etc.).

Lei de Hick

Desta necessidade de haver escolha (mas em quantidades corretas) vem a Lei de Hick. Esta lei permite-nos prever o tempo para tomar uma decisão entre várias opções igualmente prováveis:

Tdecisa˜o=b×log2(n+1)T_{\text{decisão}} = b \times \log_{2}(n+1)

Seja nn o total de itens a escolher e bb o coeficiente dependente da tarefa (que pode ser determinado empiricamente tal como na Lei de Fitts).

Mas de onde vem a relação logarítmica?

Escolher entre 10 ou 100 opções não demora 10 vezes mais tempo!

Em termos de carga cognitiva, os recursos necessários para compreender e interagir com IU são muito menores, daí ser necessário diminuir o número de opções para uma programa ser bom. Uma boa interface é minimalista - temos, aliás, um exemplo gritante desse princípio na Google.

Contudo, também não podemos oferecer uma quantidade demasiado reduzida de opções ao utilizador, já que uma utilização demasiado simplificada também pode gerar problemas!

Exemplo

Se tivermos 50 items e 1 menu:

Tdecisa˜o=b×log2(n+1)b=1.0=log2(50+1)=5.7s\begin{aligned} T_{\text{decisão}} &= b \times \log_{2}(n+1)& b=1.0\\ &= \log_{2}(50+1)\\ &= 5.7 \op{s} \end{aligned}

Se tivermos 5 items por sub menu, com 10 sub menus:

Tdecisa˜o=log2(5+1)+log2(10+1)=6.0sT_{\text{decisão}} = \log_{2}(5+1) + \log_{2} (10+1) = 6.0\op{s}

Temos, portanto, um resultado contra-intuitivo!

Lei de Stu Card

O nosso cérebro, por mais complexo que seja, precisa de organização para se orientar. É-nos mais fácil contar poucos elementos do que muitos elementos, e é também mais fácil contar elementos quando agrupados do que muito dispersos. Dessa forma, a lei de Stu Card traz a Regra dos 4.5 - isto é, ao agruparmos elementos em grupo de 44 ou 55 elementos, é-nos muito mais prático contar e visualizar tudo de uma só vez.

Menus do MacOS a demonstrar opções agrupadas

Lei de Weber

A nossa capacidade de distinguir diferenças está relacionada de forma proporcional à intensidade do estímulo. Assim sendo, podemos calcular a diferença mínima percetível (JND - just noticeable difference em inglês), através da seguinte fórmula:

ΔII=k\frac{\Delta I}{I} = k

sendo II a intensidade original do estímulo, a variação (Δ\Delta) de II a diferença mínima para que se torne perceptível e kk uma constante.

Exemplo

Se um indivíduo deteta variação de peso de 1kg1\op{kg} para 1.1kg1.1\op{kg}, então também deteta variação de peso de 2kg2\op{kg} para 2.2kg2.2\op{kg}.

Podemos, portanto, inferir que vamos notar variações de peso iguais ou superiores a 10%10\%.

Ora, mas como é que a Lei de Weber se relaciona com IPM?

Bem, a Lei de Weber está intrinsecamente relacionada com as implicações de desenho de uma aplicação - temos que ter muito cuidado com as atualizações que vamos realizando à nossa aplicação, sejam elas realçar elementos da interface (variação de tamanho, cor, entre outras) como o re-desenho de interfaces populares (incrementos menor que a constante de Weber). Não queremos que as alterações sejam um choque para o utilizador - este sente-se confortável com a aplicação, e alterações bruscas levam a uma nova aprendizagem da mesma, aprendizagem essa que pode não ser do interesse do utilizador. Temos como exemplo principal disso o SnapChat, que acabou por ser ultrapassado pelo Instagram quando fez alterações repentinas (uma espécie de overhaul à UI) que levou a que muitos utilizadores deixassem a aplicação.

Lei de Miller

Como já tinha sido referido acima, o ser humano, em média consegue colocar em memória de curto prazo 7±27 \pm 2 items. Assim sendo, ao agruparmos informação relacionada, estamos a permitir aumentar a capacidade de armazenamento.

Implicações de Desenho - Lei de Miller

Ao organizarmos conteúdos em "grupos", permitimos facilitar o processamento da UI. Contudo isto não justifica o uso do número "mágico" 77 para opções necessárias! É sempre necessário ter em conta que a memória de curto prazo varia de acordo com o utilizador e situação (daí referirmos ±2\pm 2 items).

Lei de Jakob

Ao criarmos uma interface é necessário ter em conta a sua consistência interna e externa, não só perante o nosso trabalho como também perante o dos outros, já que:

Os utilizadores passam a maior parte do seu tempo com outras interfaces e preferem que as vossas interfaces funcionem da mesma forma.

Para isso é necessário usar convenções, aproveitando modelos mentais - aproveitar a forma como o utilizador perceciona o funcionamento do sistema. É perante esta lei que vêm muitas metáforas da vida real para os nossos dispositivos eletrónicos, como o uso de pastas e ficheiros (que provém da metáfora de mesa e tampo de mesa, organização).

Ora, isto infere uma lei de consistência: hoje em dia ainda utilizamos teclados QWERTY por uma questão de consistência, apesar de já nao termos o problema de encravar as teclas, como nas antigas máquinas de escrever. Apesar de ser necessário ir alterando o design de certos produtos, o utilizador requer sempre que haja uma minimização de diferenças entre as versões, de modo a evitar ter de recriar modelos mentais de produtos aos quais já está acostumado.

Modelo mental: já tenho o modelo mental do dispositivo na cabeça, é preferível que funcione da mesma forma.

Lei de Tesler

Apesar de ser necessário haver sempre uma conservação da complexidade dos sistemas, é necessário que haja um mínimo de complexidade para o sistema funcionar. Ao enviar um email, por exemplo, o mínimo de informação que podemos colocar é o remetente e o conteúdo: menos do que isso não nos é possível. Todos os processos têm uma complexidade inerente que não pode ser reduzida, tendo de ser assumida pelo utilizador ou sistema. É nossa função, ao criar um sistema, procurar transferir esta complexidade imposta ao utilizador para o sistema.

A criação de lojas como a Amazon Go e Continentes Labs levam esta simplicidade ao seu expoente máximo quando vamos às compras, através de cashier-less shopping - compras sem passar por uma caixa.

Efeito Estética-Usabilidade

Quanto mais estético é um design, mas fácil é para os utilizadores considerar que estão a trabalhar com algo mais simples. Ao mantermos o nosso sistema esteticamente agradável, estamos a permitir ao utilizador que usufrua de uma experiência mais prática e menos complexa.

Contudo, tal como em tudo, algo demasiado estético pode causar problemas visto que quanto mais estético for uma interface, mais fácil é de mascarar os seus problemas. As interfaces estéticas criam uma perceção de que o sistema funciona melhor e assim os utilizadores tornam-se mais tolerantes a problemas de usabilidade.

Regra do "Pico Final"

É normal os utilizadores julgarem uma experiência com base no que sentiram no seu "pico" e no final, ao invés da totalidade da experiência, ou média de todos os momentos. Assim sendo, é necessário encarar os erros no sistema como uma oportunidade de tornar a experiência mais positiva, através de mensagens positivas e desenhos animados que atraiam os utilizadores.

Success screen

Visto que os utilizadores recordam momentos negativos mais facilmente do que os momentos positivos, precisamos de identificar momentos em que o produto é mais útil ou apelativo e desenhar esses momentos de forma a deliciar o utilizador. Temos, por exemplo, o som do "Whoosh" ao enviar um email que funciona quase como um high-five a dar os parabéns ao utilizador por ter terminado a sua tarefa.