생태 인터페이스 설계

Ecological interface design

생태 인터페이스 설계(EID)는 복잡한 사회 기술적, 실시간 및 동적 시스템을 위해 특별히 도입된 인터페이스 설계 접근방식이다.공정관리(원전, 석유화학 플랜트 등), 항공, 의학 등 다양한 분야에 적용돼 왔다.null

EID는 분석의 초점이 최종 사용자나 특정 업무가 아닌 업무 영역이나 환경에 있다는 점에서 사용자 중심 설계(UCD)와 같은 일부 인터페이스 설계 방법론과 다르다.null

EID의 목적은 작업 환경의 제약 조건과 복잡한 관계를 사용자에게 지각적으로(예: 가시적, 청각적) 분명하게 하는 것이다.이것은 더 많은 사용자 인지 자원을 문제 해결과 의사 결정과 같은 더 높은 인지 과정에 할애할 수 있게 한다.EID는 인지 공학 연구의 두 가지 핵심 개념인 추상화 계층 구조와 기술, 규칙, 지식(SRK) 프레임워크에 기초한다.null

EID는 정신적 작업량을 줄이고 지식 기반 추론을 지원함으로써 복잡한 시스템에서 예상 및 예상치 못한 사건 모두에 대해 사용자 성능과 전반적인 시스템 신뢰성을 향상시키는 것을 목표로 한다.null

개요

EID의 기원 및 이력

생태 인터페이스 설계는 1980년대 후반과 1990년대 초반에 덴마크의 Risø National Laboratory에서 인간 시스템 신뢰성에 대한 광범위한 연구를 거쳐 김 비센테와 옌스 라스무센에 의해 인터페이스 설계의 프레임워크로 제안되었다(Rasmussen & Vicente et al, 1989; Vicente, 2001).EID에서 생태학이라는 용어는 생태심리학으로 알려진 제임스 J. 깁슨이 개발한 심리학 학교에서 유래한다.이 심리학 분야는 특히 실험실 환경보다는 실제 환경의 인간 인식과 관련하여 인간과 환경 관계에 초점을 맞춘다.EID는 사용자 행동을 형성하기 위해 복잡한 시스템에서 작업 환경의 제약과 관계가 (인터페이스로) 지각적으로 반영된다는 점에서 생태심리학으로부터 차용된다.생태학적 디자인을 개발하기 위해, 앞서 리쇠 국립 연구소의 연구자들이 개발한 분석 도구를 채택하였는데, 여기에는 추상화 계층 구조(AH)와 기술, 규칙, 지식(SRK) 프레임워크가 포함된다.EID 프레임워크는 원자력 발전소 시스템에 처음 적용되고 평가되었다(Vicente & Rasmussen, 1990, 1992).이러한 도구는 인지 작업 분석에도 사용된다.현재까지 EID는 컴퓨터 네트워크 관리, 마취학, 군 지휘통제, 항공기 등 다양한 복잡한 시스템에 적용되어 왔다(Vicente, 2002; Burns & Hajdukiewicz, 2004).null

동기

경제적 수요와 함께 기술의 급속한 발전은 엔지니어링 시스템의 복잡성을 눈에 띄게 증가시켰다(Vicente, 1999a).결과적으로, 설계자는 그러한 시스템 내에서 발생할 수 있는 사건을 예측하는 것이 점점 더 어려워지고 있다.정의상 예상치 못한 사건은 사전에 특정할 수 없으므로 훈련, 절차 또는 자동화를 통해 예방할 수 없다.알려진 시나리오에만 기초하여 설계된 복잡한 사회기술적 시스템은 종종 예상치 못한 사건을 지원할 수 있는 유연성을 상실한다.시스템 안전성은 흔히 운영자가 새롭고 낯선 상황에 적응하지 못하여 훼손된다(Vicente & Rasmussen, 1992).생태적 인터페이스 설계는 특히 예측하지 못한 사건의 개발 중에 수동적 모니터가 아닌 능동적 문제 해결자가 되기 위해 운영자에게 필요한 도구와 정보를 제공하려고 시도한다.EID 프레임워크를 따라 설계된 인터페이스는 익숙하지 않고 예상치 못한 사건을 처리할 때 정신적 작업부하를 줄이는 것을 목표로 하며, 이는 심리적 압박감 증가에서 기인한다(Vicente, 1999b그렇게 함으로써 효율적인 문제 해결을 지원하기 위해 인지 자원이 해방될 수 있다.null

사업자에게 예상치 못한 사건을 성공적으로 관리할 수 있는 수단을 제공하는 것 외에, 이용자가 전문가가 되어야 하는 시스템(Burns & Hajdukiewicz, 2004)에 대해서도 EID를 제안한다.EID는 추상화 계층 구조(AH)와 스킬, 규칙, 지식(SRK) 프레임워크의 활용을 통해 초보 사용자가 일반적으로 수년간의 경험과 훈련이 필요한 고급 멘탈 모델을 보다 쉽게 습득할 수 있도록 한다.마찬가지로 EID는 지속적인 학습과 분산된 협업 작업의 기초를 제공한다(Vicente, 1999b).복잡한 사회기술적 시스템에 직면했을 때, 설계자가 운영자에게 어떤 종류의 정보를 보고 싶은지 질문하는 것이 항상 가능한 것은 아니다. 왜냐하면 각자가 시스템을 서로 다른 수준(그러나 거의 완전히 이해하지 못함)으로 이해하고 매우 다른 답변을 제공할 것이기 때문이다.EID 프레임워크는 설계자가 사용자에게 질문할 수 없거나 실행 가능한 경우 어떤 종류의 정보가 필요한지 결정할 수 있도록 한다(Burns & Hajduckiewicz, 2004).UCD, 과제 분석 등 기존 설계 방법론을 대체하는 것이 아니라 이를 보완하려는 것이 EID의 의도다.null

UCD 및 EID:EID를 사용하는 이유는?

오늘날의 윈도우 기반 인터페이스에서 볼 수 있듯이 UCD(User-Centered Design)는 사용자 선호도와 한계를 파악하여 인터페이스에 통합하는 작업을 훌륭하게 수행했다.UCD 이전 시대에 인터페이스 디자인은 프로그램의 거의 사후 고려사항이었고 최종 사용자를 완전히 무시하면서 프로그래머에게 완전히 의존했다.null

UCD의 이점

UCD에는 다음과 같은 3가지 핵심 아이디어가 추가된다.

1. 그 인터페이스 디자인은 인간과 프로그램/환경 사이에 연결되기 때문에 스스로 영역이다.null

2. 인간의 인식, 인식 및 행동에 대한 이해가 인터페이스를 설계하는 데 매우 중요하다는 것.null

3. 인터페이스의 실제 사용자로부터 초기 설계 단계에서 피드백을 받은 후 설계의 다양한 포인트를 통해 시험함으로써 많은 것을 배울 수 있다(Burns & Hajdkiewicz, 2004).

그러나 이 접근법에도 몇 가지 문제가 있다.null

EID는 어떻게 관련되는가?

UCD 접근방식은 일반적으로 사용자와 인터페이스 사이의 단일 사용자 상호작용에 초점을 맞추는데, 이는 중앙 집중식 정보 제어가 필요하고 다양한 세부사항으로 다양한 인터페이스에 표시되는 오늘날의 점점 더 복잡한 시스템을 다루기에는 충분하지 않다.EID는 경험이 많은 사용자라도 전체 복합시스템(발전소, 원전, 석유화학 정유공장 등)의 작동 방식을 완전히 이해하지 못하는 경우 복합시스템 설계 프로세스에 추가하는 것이 바람직하다.사용자가 인터페이스를 통해 제어하는 복잡한 프로세스의 이면에 있는 모든 관계를 항상 이해하거나 이해해야 할 필요성을 느끼지 못한다는 것은 잘 알려진[citation needed] 사실이다.null

더욱이 사용자는 자신이 사용하는 시스템에 영향을 미치는 제약조건을 항상 알고 있지는 않으며, 이러한 제약조건을 발견하는 데는 약간의 추가적인 노력이 필요할 수 있다(Burns & Hajdukiewicz, 2004).EID는 사용자 입력을 받기 전에 사용자 도메인의 제약조건을 조사하는 설계 접근방식에 이러한 제약조건 기반 스타일을 통합한다.EID는 복잡한 시스템(구축, 아키텍처 및 원래 의도)을 이해하는 데 초점을 맞추고 이 정보를 최종 사용자에게 전달하여 학습 곡선을 줄이고 보다 높은 수준의 전문성을 달성하도록 돕는다.null

또한 인터페이스 설계의 제약조건 기반 스타일은 이벤트와 상관없이 제약조건이 파괴되고, 제약조건을 복원하고 시스템을 수정하기 위해 인터페이스와 능동적으로 협력할 수 있는 사용자로 볼 수 있기 때문에 예상치 못한 이벤트의 처리를 용이하게 한다.null

이것은 UCD의 유용성을 빼앗는 것이 아니라 EID가 설계 프로세스에 대한 일부 독특한 통찰력을 제공하며, 사용자 인터페이스를 향상시키고 인간과 기계의 상호작용에서 인간 신뢰도를 높이기 위해 다른 인지 공학 기법과 함께 사용될 수 있다는 사실을 강조한다.null

추상화 계층

추상화 계층 구조(AH)는 복잡한 사회기술적 시스템에 대해 작업 환경 또는 더 일반적으로 작업 영역으로 언급되는 모델링을 위해 사용되는 5단계의 기능적 분해물이다(Rasmussen, 1985)EID 프레임워크에서 AH는 시스템 인터페이스에 표시할 정보의 종류와 정보를 어떻게 배열해야 하는지를 결정하는 데 사용된다.AH는 서로 다른 추상화 수준의 시스템을 어떻게 그리고 왜 관계를 사용하는지 설명한다.모델 레벨을 아래로 이동하면 시스템의 특정 요소가 어떻게 달성되는지에 대한 답이 나오는 반면 위로 이동하면 특정 요소가 존재하는 이유를 알 수 있다.모델의 가장 높은 레벨의 요소들은 시스템의 목적과 목표를 정의한다.모델의 가장 낮은 수준에 있는 요소는 시스템의 물리적 구성 요소(즉, 장비)를 나타내고 설명한다.AH에 관계를 수단-끝 링크로 표시하는 방법 및 이유.AH는 일반적으로 Work Domain Analysis(워크 도메인 분석)로 알려진 체계적인 접근방식을 따라 개발된다(Vicente, 1999a).Work Domain Analysis가 여러 AH 모델을 생성하는 것은 드문 일이 아니다. 각 모델은 Part-Whole 계층 구조(Burns & Hajdukiewicz, 2004)라는 다른 모델을 사용하여 정의된 다른 수준의 물리적 세부 정보로 시스템을 검사한다.null

AH의 각 레벨은 작업 영역에 대한 완전하지만 고유한 설명이다.null

기능적 목적

기능 목적(FP) 수준은 시스템의 목표와 목적을 설명한다.AH는 일반적으로 목표가 서로 상충되거나 보완되는 시스템 목표를 둘 이상 포함한다(Burns & Hajduckiewicz, 2004).목표들 간의 관계는 잠재적인 트레이드오프와 시스템의 작업 영역 내의 제약조건을 나타낸다.예를 들어, 냉장고의 목표는 최소한의 전기를 사용하면서 음식을 특정 온도까지 식히는 것일 수 있다.null

추상함수

추상 함수(AF) 수준은 시스템의 목표를 지배하는 기본 법칙과 원칙을 설명한다.이것들은 물리적 시스템의 경험적 법칙일 수도 있고, 사회 시스템의 사법법일 수도 있고, 심지어 상업 시스템의 경제 원칙일 수도 있다.일반적으로 법과 원칙은 보존이 필요하거나 질량 등 시스템을 통해 흐르는 것에 초점을 맞춘다(Burns & Hajdukiewicz, 2004).냉장고의 작동(열펌프로서)은 열역학 제2법칙에 따른다.null

일반화 함수

일반화 함수(GF) 수준은 AF 수준에서 발견된 법과 원칙에 관련된 프로세스, 즉 각 추상적 함수가 달성되는 방법을 설명한다.GF 수준에서 발견된 원소들 사이에는 인과관계가 존재한다.냉장고의 냉장 주기는 저온 영역(발생원)에서 고온 영역(싱크)으로 열을 펌핑하는 것을 포함한다.null

물리적 기능

물리적 기능(PFN) 수준은 GF 수준에서 식별된 프로세스와 관련된 물리적 구성요소 또는 장비를 나타낸다.최대 용량과 같은 구성 요소의 기능 및 제한은 AH에서도 주로 언급된다(Burns & Hajdukiewicz, 2004).냉장고는 열교환 파이프와 냉각 매체에 일정한 최대 압력을 행사할 수 있는 가스 압축기로 구성될 수 있다.null

물리적 형태

물리적 형태(PFO) 수준은 PFn 수준에서 표시된 구성 요소의 상태, 위치 및 물리적 외관을 설명한다.냉장고 예에서 열교환 파이프와 가스 압축기는 기본적으로 구성부품의 위치를 나타내는 특정한 방식으로 배열되어 있다.물리적 특성은 색상, 치수 및 형상과 같은 것들을 포함할 수 있다.null

인과 추상화 계층

앞에서 설명한 계층 구조는 기능적 추상화 계층 구조 표현이다.기능적 추상화 계층은 계층의 "완전" 또는 "어떻게/왜" 링크를 강조한다.이러한 연결은 추상화 계층의 다섯 가지 수준에 걸쳐 직접적이고 설명된다.null

시스템이 점점 더 복잡해짐에 따라, 우리는 시스템이 어떻게 작동하는지 이해할 뿐만 아니라 흐름 구조를 따라야 한다.이것은 인과적 추상화 계층표현이 필요할 때다.흐름 패턴이 점점 복잡해지고 시스템 다이어그램에서 직접 흐름을 도출하는 것이 점점 어려워짐에 따라 기능 모델에 원인 모델을 추가한다.null

원인 모델은 흐름 구조를 상세히 설명하고 지정된 추상화 계층 수준 내에서 보다 복잡한 흐름 패턴을 이해하는 데 도움이 된다.인과적 추상화 계층 표현은 기능적 추상화 계층 표현과 동일한 구조를 가지지만 인과적 연계가 그려진다.원인 연결은 "수준 내" 연결이라고도 한다.이 링크는 프로세스와 흐름이 각 수준 내에서 어떻게 연결되는지 보여준다.null

두 가지 표현은 밀접하게 관련되어 있지만, 대개는 별도로 개발된다. 그렇게 하면 대부분의 시스템 제약 조건을 포착하는 보다 명확한 모델이 되기 때문이다.null

매우 정교한 흐름 시스템에서 인과관계 모델을 사용하여 흐름을 단순화하거나 추상화할 수 있다.그러한 시나리오에서는 처음에는 주 공급선과 제품 라인을 식별한 다음 제어 라인, 비상 공급 라인 또는 비상 선회 라인을 식별하는 것이 더 쉬워질 수 있다(Burns & Hajdkiewicz, 2004).원인 연계는 재료, 공정, 질량 또는 에너지의 흐름을 보여주는 일반화 함수와 추상 함수 수준에서 가장 유용하다.null

기술, 규칙, 지식(SRK) 프레임워크

기술, 규칙, 지식(SRK) 체계 또는 SRK 분류 체계는 운용자 정보 처리에 존재하는 세 가지 유형의 행동 또는 심리학적 프로세스를 정의한다(Vicente, 1999a).SRK 프레임워크는 설계자들이 시스템에 대한 정보 요건과 인간 인지 측면을 결합할 수 있도록 돕기 위해 라스무센(1983)에 의해 개발되었다.EID에서 SRK 프레임워크는 인간의 인식과 정신운동 능력을 이용하기 위해 정보가 어떻게 표시되어야 하는지를 결정하는 데 사용된다(Vicente, 1999b).익숙한 작업에서 기술 및 규칙 기반 행동을 지원함으로써, 더 많은 인지 자원을 지식 기반 행동에 할애할 수 있으며, 이는 예상치 못한 사건을 관리하는 데 중요한 역할을 한다.세 가지 범주는 예를 들어 인간-기계 인터페이스에서 정보를 추출하고 이해하는 가능한 방법을 기본적으로 설명한다.

스킬 기반 레벨

스킬 기반 행동은 의도가 형성되면 행동을 수행하거나 실행하기 위해 의식적인 제어가 거의 또는 전혀 필요하지 않은 행동 유형을 나타낸다. 센서리모터 행동이라고도 한다.성능은 부드럽고 자동화되며, 대부분의 기술 기반 제어에서 고도로 통합된 행동 패턴으로 구성된다(Rasmussen, 1990).예를 들어, 자전거 타기는 일단 기술이 습득되면 제어에 거의 주의를 기울이지 않아도 되는 기술 기반의 행동으로 간주된다.이 자동성은 운영자가 인지 자원을 자유롭게 할 수 있도록 하며, 이는 문제 해결과 같은 보다 높은 인지 기능에 사용될 수 있다(Wickens & Hollands, 2000).기술 기반 행동의 오류는 일상적인 오류다.null

규칙 기반 수준

규칙 기반 행동은 익숙한 작업 상황에서 행동 방침을 선택하기 위한 규칙과 절차의 사용에 의해 특징지어진다(Rasmussen, 1990).이 규칙은 운영자가 경험을 통해 습득한 지침 집합이거나 감독자와 이전 운영자가 제공하는 지침 집합이 될 수 있다.null

운영자는 규칙 기반 제어를 수행하기 위해 시스템의 기본 원리를 알 필요가 없다.예를 들어, 병원들은 화재 비상사태에 대한 높은 절차적 지침을 가지고 있다.따라서 화재를 보면 화재행동을 전혀 알지 못한 채 환자들의 안전을 보장하기 위해 필요한 조치를 취할 수 있다.규칙 기반 행동의 오류는 기술적 지식이 부족하기 때문이다.null

지식 기반 수준

지식 기반 행동은 보다 진보된 수준의 추론을 나타낸다(Wirstad, 1988).상황이 참신하고 예상치 못한 경우에는 이러한 유형의 통제를 채택해야 한다.운영자는 시스템이 통제되는 기본 원칙과 법률을 알아야 한다.운영자는 시스템의 현재 분석에 기초하여 명시적인 목표를 형성해야 하기 때문에 인지 작업부하는 일반적으로 기술 또는 규칙 기반 행동을 사용할 때보다 더 크다.null

참고 항목

참조

  • 베넷, K. B. & Flach, J. M. (2011)디스플레이 및 인터페이스 설계 - 미묘한 과학, 정확한 기술CRC 프레스.null ISBN978-1-4200-6439-1
  • Burns, C. M. & Hajdukiewicz, J. R. (2004).생태 인터페이스 설계.보카 라톤, FL: CRC 프레스.ISBN 0-415-28374-4
  • 라스무센, J. (1983)기술, 규칙, 지식; 신호, 부호 및 기호 및 인간 성능 모델에서의 기타 특성.시스템, 인간 및 사이버네틱스에 대한 IEEE 거래, 13, 257-266.
  • 라스무센, J. (1985)의사결정 및 시스템 관리에 있어 계층적 지식 표현 역할.시스템, 인간 및 사이버네틱스에 대한 IEEE 거래, 15, 234-243.
  • 라스무센, J. (1990).복잡한 환경에서의 정신적 모델과 행동 제어.D. Ackermann, D. & M.J. Tauber (Eds.멘탈 모델과 휴먼-컴퓨터 상호작용 1 (pp. 41-46)노스홀랜드:엘스비에 과학 출판사.ISBN 0-444-88453-X
  • 라스무센, J. & Vicente, K. J. (1989년).시스템 설계를 통한 인적 오류 대처:생태학적 인터페이스 설계에 대한 시사점.국제 맨-머신 연구 저널, 31, 517-534.
  • 비센테, K. J. (1999a)인지 작업 분석: 안전하고, 생산적이며, 건강한 컴퓨터 기반 작업을 지향한다.Mahah, NJ: Erlbaum and Associates.ISBN 0-8058-2397-2
  • 비센테, K. J. (1999b).생태 인터페이스 설계:운영자 적응, 지속적인 학습, 분산된 협업 작업 지원.인간 중심 프로세스 회의의 진행, 93-97.
  • 비센테, K. J. (2001)1962-1979년 리쇠의 인지 공학 연구.E. Salas (Ed.), Human Performance and Cognition Engineer Research, Volume 1 (pp. 1-57)에서, 뉴욕: Exvier.ISBN 0-7623-0748-X
  • 비센테, K. J. (2002)생태 인터페이스 설계: 진전과 도전인간요소, 44, 62-78
  • 비센테, K. J. & 라스무센, J. (1990)인간과 기계 시스템의 생태 II: 복잡한 작업 영역에서 "직접 지각"을 매개한다.생태심리학, 2,207-249.
  • 비센테, K. J. & 라스무센, J. (1992)생태 인터페이스 설계:이론적 기초.시스템, 인간 및 사이버네틱스에 대한 IEEE 거래, 22, 589-606.
  • Wickens, C. D. & Hollands, J. G. (2000)공학 심리학과 인간 성과 (제3판)어퍼 새들 리버, NJ: 프렌티스 홀.ISBN 0-321-04711-7
  • Wirstad, J. (1988년).프로세스 운영자를 위한 지식 구조에 대하여.L.P. Goodstein, H.B. Andersen, & S.E.에서.올슨(Eds). 작업, 오류 및 멘탈 모델(pp. 50-69).런던:테일러와 프란시스.ISBN 0-85066-401-2

외부 링크

기관 및 조직