Adaptive navigation in interactive systems: paradigm and solution. A generic adaptive navigation method based upon Bayesian inferences and finite state machine
Navigation adaptative dans les systèmes interactifs :paradigme et solution
Résumé
As part of the customization of man-machine interfaces, we present in this paper a generic paradigm of dynamic adaptation of the interface to the user's navigation habits. This involves providing the current user with automated assistance in carrying out his usual tasks, so as to make him more efficient, in particular by reducing his mental load or the number of his actions. This adaptive paradigm combines in a flexible way: adaptive guidance, adaptive shortcuts, and adaptive automatisms. This paradigm is domain-independent and can be applied to a mobile or web application. These different modes of adaptivity are managed by the system during the interaction, in a reliable and reactive manner on the basis of adaptive machine learning leveraging Bayesian theory and dealing with uncertainty in a rigorous way. The architecture of the solution is based on a predictive navigation model underpinned by a finite state machine, and integrating adaptive mechanisms. Our paradigm thus integrates a user activity model, a navigation task model within an interface, and an adaptive interaction model. It offers dynamic navigation assistance by jointly optimizing the nature of the adaptations and the distribution of initiatives between the user and the system, depending on the part of the interface explored and its use. We will endeavor to describe and justify this paradigm from ergonomic and technical angles, supported by a demonstrator running on a touchscreen tablet.
Dans le cadre de la personnalisation des interfaces homme-machine, nous exposons dans cet article un paradigme générique d’adaptation dynamique de l’interface aux habitudes de navigation de l’utilisateur. Il s’agit de fournir à l’utilisateur courant une assistance automatisée à la réalisation de ses tâches habituelles, de manière à le rendre plus efficient, en diminuant notamment sa charge mentale ou le nombre de ses actions. Ce paradigme d’adaptativité, non lié à une application spécifique, combine de façon souple des guidages adaptatifs, des raccourcis adaptatifs, et des automatismes adaptatifs. Ces différents modes d’adaptativité sont gérés par le système au cours de l’interaction, ceci de manière fiable et réactive sur la base d’un apprentissage machine adaptatif exploitant la théorie bayésienne et traitant l’incertitude de manière rigoureuse. L’architecture de la solution repose sur un modèle prédictif de navigation sous-tendu par une machine à états finis, et intégrant les mécanismes d’adaptativité. Notre paradigme intègre ainsi un modèle de l’activité utilisateur, un modèle de tâche de navigation au sein d’une interface et un modèle d’interaction adaptative. Il offre une assistance dynamique à la navigation en optimisant conjointement la nature des adaptations et la répartition des initiatives entre l’utilisateur et le système, en fonction de la partie explorée de l’interface et de son usage. Nous nous attacherons à décrire et à justifier ce paradigme sous les angles ergonomiques et techniques, étayé par un démonstrateur tournant sur une tablette tactile.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |