你好。
我是
标记
贝利。
我是 这里 和 我的 同事 雅各布 莱恩，
到 讲话 关于 一些 最近的 工作 在 这 新的 用户 界面 在 JMP 风俗 设计。
这 基本的 重点 的 我们的 工作
曾是 a 可用性 学习 到 评价 这 新的 界面。
第一的， 我是 去 到 讲话 a 小的 少量 关于 这 当前的 界面
和 我们的 动机 为了 这 改变。
我们 思考 的 实验 作为 a 工作流程。
在 这 非常 第一的 步， 我们 定义 我们的 因素， 回复， 和 目标。
这 批判的 步 决定 所以 很多 在 什么 随后。
添加 因素 是 a 非常 重要的 步 什么时候 你是 设计 一个 实验。
我们 学习 那 顾客 有 一些 困难
和 常见的 任务 大约 定义 因素。
有 困惑 关于 补充 删除 或者 重命名 因素。
他们 寻找 它 难的 到 改变 这 因素 类型， 这 因素 级别，
甚至 重新排序 这 因素 在 这 列表。
数字 2 演出 这 原来的 用户 界面 为了 比较。
这 目标 为了 这 原型 是 到 减少 困惑，
到 减少 这 数字 的 运营 在 这 时间 那 它 采取 到 达到 这 结果。
我们的 可用性 学习 通缉 到 比较 不同的 控制
那 可能 是 用过的 到 达到 这些 目标。
数字 3 演出 这 原型 为了 这 新的 用户 界面。
这 原型 动态 可配置。
那 是， 我们 能， 那 将要 转动 不同的 用户 控制 在 和 离开。
这 引领 到 a 原型 和 384 可能的 配置。
它 曾是 不可能的 到 包括 全部 的 他们 在 a 可用性 学习。
实用 学习 必需的 a 更小的 最佳的 设计。
寻找 在 数字 3， 尤其 沿着 这 顶部，
你 看 这 用户 控制
那 是 前往 主要 重点 在 在 我们的 可用性 学习。
你 看 这 垃圾 图标， 这 删除图标
这 加 和 减 按钮， 这 撤销 和 重做 按钮，
这 添加 N 因素 控制， 和 什么 我们 称呼 我们的 自助餐 菜单 按钮。
在 数字 4、 你 看 只是 二 的 这 384 可能的 配置。
在 命令 到 制作 当然 那 这 可用性 学习
曾是 高效的 和 有效的， 我们 用过的 风俗 设计
到 制作 最多 的 这 跑步 为了 我们的 学习。
在 这 案件，
一些 的 这 用户 界面 控制 是 治疗 作为 a 二进制 因素。
那 是 他们 是 转向 在 或者 离开 在 这 原型。
其他 用户 界面 控制 可以 有 更多的 比 只是 二 各州。
每个 时间 这 主题 曾是 问 到 履行 一些 不同的 任务
反复 和 不同的 配置 为了 比较。
在 这 桌子 在 这 降低 左边，
你 看 全部 的 这 因素 那 是 包括 在 我们的 学习。
这 第一的 六， 七， 有 到 做 和 控制
在 这 用户 i 接口 那 是 转向 在 或者 离开 或者 到 a 不同的 状态。
这 最后的 因素 是 那个 那 决定
什么 我们 通缉 他们 到 做 和 a 特别的 配置。
那 是 我们 问 他们 到 删除 a 因素，
改变 这 类型 的 这 因素， 或者 改变 它是 位置 在 这 列表。
在 这 正确的 在 数字 5、
你 看 这 完全的 风俗 设计 平台
和 这 回复 已定义。
是 去 到 措施 这 时间 它 需要 为了 他们 到 完全的 每个 任务。
是 尝试 到 最小化 那。
全部 的 这 因素 定义， 和 最后， 这 模型
那 我们 想要 使用 到 定量 这 时间 到 完全的 每个 任务。
我是 现在 前往 转动 它 超过 到 雅各布。
谁的 前往 讲话 关于 这 结果 风俗 设计，
如何 那 合身 进入 我们的 学习， 和 我们的 发现。
感谢 你， 标记。
标记 有 铺设 出去 如何 我们 使用 这 定制D 电子设计 平台 在 JMP
到 放 向上 我们的 可用性 学习。
在 数字 6、 你 能 看， 全部 这 跑步 在 这 学习， 为了 这 第一的 参与者。
患病的 笔记 那 我们 做过 包括 a 参与者 和 跑步 命令 在 我们的 设计
作为 协变量 因为 我们 通缉 到 包括 这些 在 我们的 分析 作为 出色地。
你会 还 笔记 从 数字 6 那 我们 包括 a 很少，
什么 我们 称呼， 特别的 任务 在 我们的 学习。
这些 是 测试 我们 知道 会 拿 更长 到 完全的，
和 我们 没有 想要 问 参与者 到 做 这些 更多的 一次。
如果 你 看 在 这 最终的 任务 的 这 的 这 学习，
这些 是， 特别的 练习 那 我们 问 这 参与者 到 完全的
a 系列 的 任务 使用 a 条款 的 这 原型
和 这 相同的 系列 的 任务 使用 这 风俗 设计 平台。
这 允许 我们 到 得到 a 直接的 比较
之间 这 新的 可配置的 原型 和 风俗 设计。
到 申请 这 风俗 设计， 我们 发达 a 风俗 JSL 应用
那 允许 我们 执行 一个 未经审核 可用性 测试。
现在 患病的 给 一个 例子 的 如何 这 作品 在 数字 7.
从 这 顶部 的 数字 7、
你 能 看 那， 为了 跑步 命令 2， 这 任务 曾是 到 删除。
作为 你 能 看 在 这 第二 部分 的 这 截屏，
这 指示 这 参与者 锯 在 这 学习， 指示 他们 到 点击
这 发射 原型 按钮 和 然后 删除 这 因素 收费。
什么时候 这 参与者 点击 这 发射 P 旋转模 按钮，
这 版本 的 这 原型 那 出现 这里 在 这 第三 部分 的 这 截屏，
那就是 完全 决定 经过 这 其他 因素 在 我们的 学习。
为了 例子， 你 可以 看 这 垃圾 图标 是 放 到 离开。
那 方法 你 不 看 这 垃圾 能 图标，
向下 这里 在 这 原型。
这 删除图标 是 在， 所以 你 做 看 这 删除图标。
为了 每一个 锻炼， 在 我们的 学习，
这 版本 的 这 原型 那 出现 和 这 指示
那 这 参与者 会 看
是 完全 决定 经过 我们的 风俗 设计。
我们开始吧 看 在 一些 的 这 定性 结果 从 我们的 学习。
在 我们的 可用性， 学习 脚本 我们 包括 一个 融合的 问卷
在 这 结尾 在哪里 我们 问 参与者 到 得到 我们 一些 反馈
在 什么 他们 喜欢， 什么 他们 没有 喜欢， 等等。
患病的 强调， a 很少 的 这 选项 在 图 8 这里。
我们 问 参与者 到 给 我们 反馈 在 无论 他们 喜欢 使用
这 加 按钮 或者 这 添加 N 因素 控制
到 添加 因素， 和 你 能 看 从 这 顶部 的 数字 8
那 参与者 压倒性的 首选 使用 这 加 按钮
到 这 添加 N 因素 控制。
我们 还 问 参与者 如何 他们 喜欢， 删除 因素，
任何一个 使用 这 删除图标 或者 这 垃圾 图标。
在 这 案件， 这 删除图标 曾是 压倒性的 首选。
我们 还 问 参与者 什么 曾是 他们的 最喜欢的 排 图标
那 你 可以 看 旁 这 行 在 这 因素 列表。
这 别针 图标 曾是 这 最多 受欢迎的 和， 给予 五 的 这 10 投票，
比较的 到 这 椭圆形 图标， 哪个 仅有的 得到 二 的 这 10 投票。
然后， 最后， I 观点 出去 如果 你 看 向下 向 这 底部 的 图 8，
你 能 看 那 这 参与者 压倒性的 投票
那 这 用户 I 接口 的 这 新的 原型 曾是 简单的 到 学习。
它 曾是 这 新的 界面 曾是 还 非常 首选，
到 这 原来的 因素 列表 风俗 设计。
现在 我们来吧 看 在 一些 的 这 定量 结果 从 我们的 学习。
我们 得到 这些 结果 经过 使用 这 广义 回归 平台
可用的 在 JMP 到 合身 模型
为了 这 时间 它 需要 到 完全的 这 任务， 和 这 因素 在 我们的 模型
或者 效果 在 模型， 原谅 我，
或者 不同的 元素 的 这 原型。
如果 你会 看 在 数字 9、 为了 这 输出 的 我们的 广义 回归，
你 能 看， 那 这 因素， 排 各州， 垃圾 图标，
和 C引脚 列 类型 是 成立 到 有 a 重要的 影响 在 时间。
你 能 还 看， 从 这 轮廓 或者 这 跑步 命令，
在 这 案件， 做过 不是 有 a 重要的 影响 在 时间。
让 我 画 你的 注意力， 到 π n 柱子 F型 演员。
你 能 看 那 这 时间 到 完全的， 这 任务 的 变化 a 因素 命令
已降至最低。 什么时候 这 椭圆形 图标 曾是 用过的 到 完全的 这 任务。
我是 指向 出去 这 别针 柱子 类型 因素 具体来说
因为 在 这 学习， 这 方式 参与者 会 改变
这 命令 的 a 因素 是 他们 会 点击 这 排 图标 旁 这 因素
在 这 工厂 列表 和 拖 那 图标 到 这 合适的 点。
在 这 案件， 这 别针 T列 类型 是 什么 I 通缉 到 重点 在。
寻找 在 数字 10、 你 能 看 那，
参与者 什么时候 他们 是 问 到 告诉 我们 他们的 最喜欢的，
仅有的 二 的 这 10 参与者 据报道 喜欢 这 椭圆形 图标。
什么时候 它 来了 到 完成 这 任务， 那 参与者 互动
和 这 图标 这 最多， 这 椭圆形 图标 曾是 实际上 这 最好的- 表演 图标。
现在 我们来吧 看 在 这 结果， 为了 这 任务 的 删除 a 因素。
在 这 案件， 参与者 会 是 问 到， 给定 版本 的 这 原型，
消除 一 因素 从 这 因素 列表， 和 他们 可以 做 那 经过 任何一个 使用
这 删除图标 这 垃圾 图标， 或者他们 可以 有 这 选项 到 使用 两个都。
再次， 我们 合身 模型 使用 a 广义 回归
和 时间 作为 这 回复， 和 你 能 看 那，
这 图标 曾是 用过的 和 跑步 订购 机器人有 a 重要的 影响 在 时间。
这 时间， 为了 这 任务 曾是 最小化 什么时候 这 删除图标 曾是 用过的 作为 反对
到 使用 这 垃圾 图标 或者有任何 选项 到 使用 两个都。
在 对比， 到 这 以前的 滑动，
我们的 定量 结果 这里 匹配 这 定性 结果
因为 作为 你 能 看 在 数字 12、
这 参与者 压倒性的 首选 这 删除图标 到 这 垃圾 能 图标。
患病的 结尾 这 学习 经过 评论 在 结果 的 这 最后的 二 练习。
这 最后的 2 练习 在 这 学习，
我们 有 我们 有 参与者 完全的 a 系列 的 练习 使用 这 原型
和 然后 完全的 这 相同的 系列 的 练习 使用 定制设计。
这 指示 为了 这 练习 是 这 相同的。
这 仅有的 事物 那 曾是 不同的 是 在 一 案件 你 使用 这 原型，
和 在 这 下一个 案件， 你 使用 风俗 设计。
什么时候 参与者 是 给予 这 原型，
它 采取 他们 一个 平均的 的 68 秒 到 完全的 这 任务。
什么时候 参与者 使用 风俗 设计 平台，
它 采取 他们 一个 平均的 的 316 秒 到 完全的 这 锻炼。
患病的 还 笔记 这 316 秒 没错—— 居中
因为 a 夫妻 的 这 早期的 参与者
那 我们 给予 这 学习 到 据报道 那 他们 给予 向上。
A 之后 这， 我们 开始 爆米花 向上 a 通知 后 五 分钟 说，
“我们 感谢 你 为了 完成 这 锻炼。
你 能 移动 在 到 这 下一个 一。”
那是 全部 我们 有 到 分享 今天。
想要 感谢 你 为了 你的 兴趣 在 我们的 海报，
和 请 让 我们 知道 如果 你 有 任何 问题。
