你好。
我是
標記
貝利。
我是 這裡 和 我的 同事 雅各 萊恩，
到 演講 關於 一些 最近的 工作 在 這 新的 使用者 介面 在 JMP 風俗 設計。
這 基本的 重點 的 我們的 工作
曾是 a 可用性 學習 到 評價 這 新的 介面.
第一的， 我是 去 到 演講 a 小的 位元 關於 這 目前的 介面
和 我們的 動機 為了 這 改變。
我們 思考 的 實驗 作為 a 工作流程。
在 這 非常 第一的 步， 我們 定義 我們的 因素， 回覆, 和 目標。
這 批判的 步 決定 所以 很多 在 什麼 隨後。
添加 因素 是 a 非常 重要的 步 什麼時候 你是 設計 一個 實驗。
我們 學習 那 顧客 有 一些 困難
和 常見的 任務 大約 定義 因素。
有 錯亂 關於 補充 刪除 或者 重新命名 因素。
他們 尋找 它 難的 到 改變 這 因素 類型， 這 因素 級別，
甚至 重新排序 這 因素 在 這 列表。
數位 2 演出 這 原來的 使用者 介面 為了 比較。
這 目標 為了 這 原型 是 到 減少 錯亂,
到 減少 這 數位 的 營運 在 這 時間 那 它 採取 到 達到 這 結果。
我們的 可用性 學習 通緝 到 比較 不同的 控制
那 可能 是 用過的 到 達到 這些 目標。
數位 3 演出 這 原型 為了 這 新的 使用者 介面.
這 原型 動態 可配置。
那 是， 我們 能， 那 將要 轉動 不同的 使用者 控制 在 和 離開。
這 引領 到 a 原型 和 384 可能的 配置。
它 曾是 不可能的 到 包括 全部 的 他們 在 a 可用性 學習。
實用 學習 必需的 a 更小的 最佳的 設計。
尋找 在 數位 3， 尤其 沿著 這 頂部，
你 看 這 使用者 控制
那 是 前往 主要 重點 在 在 我們的 可用性 學習。
你 看 這 垃圾 圖示, 這 刪除圖示
這 加 和 減 按鈕， 這 撤銷 和 重做 按鈕，
這 添加 N 因素 控制， 和 什麼 我們 稱呼 我們的 自助餐 選單 按鈕。
在 數位 4、 你 看 只是 二 的 這 384 可能的 配置。
在 命令 到 製作 當然 那 這 可用性 學習
曾是 高效率的 和 有效的， 我們 用過的 風俗 設計
到 製作 最多 的 這 跑步 為了 我們的 學習。
在 這 案件，
一些 的 這 使用者 介面 控制 是 治療 作為 a 二進位 因素。
那 是 他們 是 轉向 在 或者 離開 在 這 原型。
其他 使用者 介面 控制 可以 有 更多的 比 只是 二 各州。
每個 時間 這 主題 曾是 問 到 執行 一些 不同的 任務
反覆 和 不同的 配置 為了 比較。
在 這 桌子 在 這 降低 左邊，
你 看 全部 的 這 因素 那 是 包括 在 我們的 學習。
這 第一的 六， 七， 有 到 做 和 控制
在 這 用戶 i 介面 那 是 轉向 在 或者 離開 或者 到 a 不同的 狀態。
這 最後的 因素 是 那個 那 決定
什麼 我們 通緝 他們 到 做 和 a 特別的 配置。
那 是 我們 問 他們 到 刪除 a 因素，
改變 這 類型 的 這 因素， 或者 改變 它是 位置 在 這 列表。
在 這 正確的 在 數位 5、
你 看 這 完全的 風俗 設計 平台
和 這 回覆 已定義。
是 去 到 措施 這 時間 它 需要 為了 他們 到 完全的 每個 任務。
是 嘗試 到 最小化 那。
全部 的 這 因素 定義， 和 最後， 這 模型
那 我們 想要 使用 到 定量 這 時間 到 完全的 每個 任務。
我是 現在 前往 轉動 它 超過 到 雅各。
誰的 前往 演講 關於 這 結果 風俗 設計，
如何 那 合身 進入 我們的 學習， 和 我們的 發現。
感謝 你， 標記。
標記 有 鋪設 出去 如何 我們 使用 這 客製化D 電子設計 平台 在 JMP
到 放 向上 我們的 可用性 學習。
在 數位 6、 你 能 看， 全部 這 跑步 在 這 學習， 為了 這 第一的 參與者。
患病的 筆記 那 我們 做過 包括 a 參與者 和 跑步 命令 在 我們的 設計
作為 協變數 因為 我們 通緝 到 包括 這些 在 我們的 分析 作為 出色地。
你會 也 筆記 從 數位 6 那 我們 包括 a 很少，
什麼 我們 稱呼， 特別的 任務 在 我們的 學習。
這些 是 測試 我們 知道 會 拿 更長 到 完全的，
和 我們 沒有 想要 問 參與者 到 做 這些 更多的 一次。
如果 你 看 在 這 最終的 任務 的 這 的 這 學習，
這些 是， 特別的 練習 那 我們 問 這 參與者 到 完全的
a 系列 的 任務 使用 a 條款 的 這 原型
和 這 相同的 系列 的 任務 使用 這 風俗 設計 平台。
這 允許 我們 到 得到 a 直接的 比較
之間 這 新的 可配置的 原型 和 風俗 設計。
到 申請 這 風俗 設計， 我們 發達 a 風俗 JSL 應用
那 允許 我們 執行 一個 未經審核 可用性 測試。
現在 患病的 給 一個 例子 的 如何 這 作品 在 數位 7.
從 這 頂部 的 數位 7、
你 能 看 那， 為了 跑步 命令 2， 這 任務 曾是 到 刪除。
作為 你 能 看 在 這 第二 部分 的 這 螢幕截圖,
這 指示 這 參與者 鋸 在 這 學習， 指示 他們 到 點選
這 發射 原型 按鈕 和 然後 刪除 這 因素 收費。
什麼時候 這 參與者 點選 這 發射 P 旋轉模 按鈕，
這 版本 的 這 原型 那 出現 這裡 在 這 第三 部分 的 這 螢幕截圖,
那就是 完全 決定 經過 這 其他 因素 在 我們的 學習。
為了 例子， 你 可以 看 這 垃圾 圖示 是 放 到 離開。
那 方法 你 不 看 這 垃圾 能 圖示,
向下 這裡 在 這 原型。
這 刪除圖示 是 在， 所以 你 做 看 這 刪除圖示。
為了 每一個 鍛煉， 在 我們的 學習，
這 版本 的 這 原型 那 出現 和 這 指示
那 這 參與者 會 看
是 完全 決定 經過 我們的 風俗 設計。
我們開始吧 看 在 一些 的 這 定性 結果 從 我們的 學習。
在 我們的 可用性， 學習 腳本 我們 包括 一個 融合的 問卷
在 這 結尾 在哪裡 我們 問 參與者 到 得到 我們 一些 回饋
在 什麼 他們 喜歡， 什麼 他們 沒有 喜歡， 等等。
患病的 強調， a 很少 的 這 選項 在 圖 8 這裡。
我們 問 參與者 到 給 我們 回饋 在 無論 他們 喜歡 使用
這 加 按鈕 或者 這 添加 N 因素 控制
到 添加 因素， 和 你 能 看 從 這 頂部 的 數位 8
那 參與者 壓倒性的 首選 使用 這 加 按鈕
到 這 添加 N 因素 控制。
我們 也 問 參與者 如何 他們 喜歡， 刪除 因素，
任何一個 使用 這 刪除圖示 或者 這 垃圾 圖示.
在 這 案件， 這 刪除圖示 曾是 壓倒性的 首選。
我們 也 問 參與者 什麼 曾是 他們的 最喜歡的 排 圖示
那 你 可以 看 旁 這 列 在 這 因素 列表。
這 別針 圖示 曾是 這 最多 受歡迎的 和， 給予 五 的 這 10 投票，
比較的 到 這 橢圓形 圖示, 哪個 僅有的 得到 二 的 這 10 投票。
然後， 最後， I 觀點 出去 如果 你 看 向下 向 這 底部 的 圖 8，
你 能 看 那 這 參與者 壓倒性的 投票
那 這 用戶 I 介面 的 這 新的 原型 曾是 簡單的 到 學習。
它 曾是 這 新的 介面 曾是 也 非常 首選，
到 這 原來的 因素 清單 風俗 設計。
現在 我們來吧 看 在 一些 的 這 定量 結果 從 我們的 學習。
我們 得到 這些 結果 經過 使用 這 廣義 回歸 平台
可用的 在 JMP 到 合身 模型
為了 這 時間 它 需要 到 完全的 這 任務， 和 這 因素 在 我們的 模型
或者 效果 在 模型， 原諒 我，
或者 不同的 元素 的 這 原型。
如果 你會 看 在 數位 9、 為了 這 輸出 的 我們的 廣義 回歸，
你 能 看， 那 這 因素， 排 各州， 垃圾 圖示,
和 C腳 列 類型 是 成立 到 有 a 重要的 影響 在 時間。
你 能 也 看， 從 這 輪廓 或者 這 跑步 命令，
在 這 案件， 做過 不是 有 a 重要的 影響 在 時間。
讓 我 畫 你的 注意力， 到 π n 柱子 F型 演員。
你 能 看 那 這 時間 到 完全的， 這 任務 的 變化 a 因素 命令
已降至最低。 什麼時候 這 橢圓形 圖示 曾是 用過的 到 完全的 這 任務。
我是 指向 出去 這 別針 柱子 類型 因素 具體來說
因為 在 這 學習， 這 方式 參與者 會 改變
這 命令 的 a 因素 是 他們 會 點選 這 排 圖示 旁 這 因素
在 這 工廠 清單 和 拖 那 圖示 到 這 合適的 點。
在 這 案件， 這 別針 T列 類型 是 什麼 I 通緝 到 重點 在。
尋找 在 數位 10、 你 能 看 那，
參與者 什麼時候 他們 是 問 到 告訴 我們 他們的 最喜歡的，
僅有的 二 的 這 10 參與者 據報道 喜歡 這 橢圓形 圖示.
什麼時候 它 來了 到 完成 這 任務， 那 參與者 互動
和 這 圖示 這 最多， 這 橢圓形 圖示 曾是 實際上 這 最好的- 表演 圖示.
現在 我們來吧 看 在 這 結果， 為了 這 任務 的 刪除 a 因素。
在 這 案件， 參與者 會 是 問 到， 給定 版本 的 這 原型，
消除 一 因素 從 這 因素 列表， 和 他們 可以 做 那 經過 任何一個 使用
這 刪除圖示 這 垃圾 圖示, 或者他們 可以 有 這 選項 到 使用 兩個都。
再次， 我們 合身 模型 使用 a 廣義 回歸
和 時間 作為 這 回覆, 和 你 能 看 那，
這 圖示 曾是 用過的 和 跑步 訂購 機器人有 a 重要的 影響 在 時間。
這 時間， 為了 這 任務 曾是 最小化 什麼時候 這 刪除圖示 曾是 用過的 作為 反對
到 使用 這 垃圾 圖示 或有任何 選項 到 使用 兩個都。
在 對比， 到 這 以前的 滑動，
我們的 定量 結果 這裡 匹配 這 定性 結果
因為 作為 你 能 看 在 數位 12、
這 參與者 壓倒性的 首選 這 刪除圖示 到 這 垃圾 能 圖示.
患病的 結尾 這 學習 經過 評論 在 結果 的 這 最後的 二 練習。
這 最後的 2 練習 在 這 學習，
我們 有 我們 有 參與者 完全的 a 系列 的 練習 使用 這 原型
和 然後 完全的 這 相同的 系列 的 練習 使用 客製化設計。
這 指示 為了 這 練習 是 這 相同的。
這 僅有的 事物 那 曾是 不同的 是 在 一 案件 你 使用 這 原型，
和 在 這 下一個 案件， 你 使用 風俗 設計。
什麼時候 參與者 是 給予 這 原型，
它 採取 他們 一個 平均的 的 68 秒 到 完全的 這 任務。
什麼時候 參與者 使用 風俗 設計 平台，
它 採取 他們 一個 平均的 的 316 秒 到 完全的 這 鍛煉。
患病的 也 筆記 這 316 秒 沒錯—— 居中
因為 a 夫妻 的 這 早期的 參與者
那 我們 給予 這 學習 到 據報道 那 他們 給予 向上。
A 之後 這， 我們 開始 爆米花 向上 a 通知 後 五 分分鐘 說，
“我們 感謝 你 為了 完成 這 鍛煉。
你 能 移動 在 到 這 下一個 一。 」
那是 全部 我們 有 到 分享 今天。
想要 感謝 你 為了 你的 興趣 在 我們的 海報，
和 請 讓 我們 知道 如果 你 有 任何 問題。
