Gaze-based predictive user interfaces: Visualizing user intentions in the presence of uncertainty

چشم های انسانی الگوهای مختلفی را در طی وظایف مختلف تعامل مجازی مانند حرکت پنجره، پیمایش یک قطعه متن یا به حداکثر رساندن یک تصویر نشان می دهد. ادبیات مطالعات انسانی حاوی نمونه هایی از سیستم های هوشمند است که می تواند قصد و اهداف مربوط به وظیفه کاربر را براساس رفتار چشم عمل کند. با این حال، این سیستم ها به طور کلی از لحاظ دقت پیش بینی، و همچنین داده های متقابل آنلاین در حال حاضر جمع آوری شده است. توجه کمی به ایجاد سیستم های تعاملی در زمان واقعی با استفاده از چشم چشم انداز و ارزیابی آنها در استفاده آنلاین پرداخت شده است. ما پنج نکته اصلی را داریم که به این شکاف از جنبه های گوناگون می پردازند. اول، ما اولین خط کار را ارائه می دهیم که از بازخورد زمان واقعی تولید شده توسط یک مدل پیش بینی کار احتمالات مبتنی بر دیدگاه برای ساخت یک سیستم تجسم پذیری در زمان واقعی استفاده می کند. سیستم ما قادر است به طور پویا مداخلات انطباقی را ارائه دهد که توسط داده های رفتار کاربر در زمان واقعی مطلع می شوند. دوم، ما دو رویکرد جدید تجسم سازگاری جدید را پیشنهاد می کنیم که به عدم قطعیت در خروجی مدل های پیش بینی مربوط می شود. سوم، ما یک روش شخصی برای ارائه پیشنهاد می دهیم که کدام روش برای هر کاربر از نظر عملکرد سیستم مناسب تر است (با توجه به دقت پیش بینی شده). شخصی سازی عملکرد سیستم را افزایش می دهد و کاربران را با رویکرد بهینه سازی بصری (از لحاظ قابلیت استفاده و بار کار ادراک شده) به کاربران می دهد. چهارم، با استفاده از یک مطالعه کامل قابلیت استفاده، اثرات روش های تجسم ارائه شده و اشتباهات پیش بینی در رفتار کاربر طبیعی و عملکرد سیستم پیش بینی های اساسی را کم می کند. در نهایت، این مقاله همچنین نشان می دهد که سیستم پیش بینی عملکرد پیش بینی شده توسط چشم انداز ما، که به عنوان موفقیت در یک سناریوی آزمایش آفلاین مورد بررسی قرار گرفت، همچنین می تواند با موفقیت در صحنه های کاربردی آنلاین استفاده شود.