Modelado de usuarios

El modelado de usuarios es la subdivisión de la interacción persona-computadora que describe el proceso de construir y modificar una comprensión conceptual del usuario. El objetivo principal del modelado de usuarios es la personalización y adaptación de los sistemas a las necesidades específicas del usuario. El sistema necesita "decir lo 'correcto' en el momento 'correcto' de la manera 'correcta'". ^{[ 1 ]} Para ello, necesita una representación interna del usuario. Otro propósito común es modelar tipos específicos de usuarios, incluyendo el modelado de sus habilidades y conocimiento declarativo , para su uso en pruebas de software automáticas. ^{[ 2 ]} Los modelos de usuario pueden servir como una alternativa más económica a las pruebas de usuario, pero no deben reemplazarlas .

Un modelo de usuario es la recopilación y categorización de datos personales asociados a un usuario específico. Un modelo de usuario es una estructura (de datos) que se utiliza para capturar ciertas características de un usuario individual, y un perfil de usuario es la representación real en un modelo de usuario dado. El proceso de obtención del perfil de usuario se denomina modelado de usuario. ^{[ 3 ]} Por lo tanto, es la base para cualquier cambio adaptativo en el comportamiento del sistema. Los datos que se incluyen en el modelo dependen del propósito de la aplicación. Puede incluir información personal como nombres y edades de los usuarios, sus intereses, sus habilidades y conocimientos, sus metas y planes, sus preferencias y sus aversiones, o datos sobre su comportamiento y sus interacciones con el sistema.

Existen diferentes patrones de diseño para los modelos de usuario, aunque a menudo se utiliza una combinación de ellos. ^{[ 2 ] [ 4 ]}

• Modelos de usuario estáticos

Los modelos de usuario estáticos son los más básicos. Una vez recopilados los datos principales, normalmente no se modifican; son estáticos. Los cambios en las preferencias de los usuarios no se registran y no se utilizan algoritmos de aprendizaje para alterar el modelo.

• Modelos de usuario dinámicos

Los modelos de usuario dinámicos permiten una representación más actualizada de los usuarios. Se detectan cambios en sus intereses, su progreso de aprendizaje o sus interacciones con el sistema, los cuales influyen en los modelos de usuario. De esta manera, los modelos se pueden actualizar y tener en cuenta las necesidades y objetivos actuales de los usuarios.

• Modelos de usuario basados ​​en estereotipos

Los modelos de usuario basados ​​en estereotipos se fundamentan en estadísticas demográficas . A partir de la información recopilada, los usuarios se clasifican en estereotipos comunes. El sistema se adapta a este estereotipo. Por lo tanto, la aplicación puede hacer suposiciones sobre un usuario incluso si no existen datos sobre esa área específica, ya que los estudios demográficos han demostrado que otros usuarios con ese estereotipo comparten las mismas características. Así pues, los modelos de usuario basados ​​en estereotipos se basan principalmente en estadísticas y no tienen en cuenta que los atributos personales podrían no coincidir con el estereotipo. Sin embargo, permiten realizar predicciones sobre un usuario incluso con poca información disponible.

• Modelos de usuario altamente adaptables

Los modelos de usuario altamente adaptativos intentan representar a un usuario en particular y, por lo tanto, permiten una gran adaptabilidad del sistema. A diferencia de los modelos de usuario basados ​​en estereotipos, no se basan en estadísticas demográficas, sino que buscan encontrar una solución específica para cada usuario. Si bien los usuarios pueden beneficiarse enormemente de esta alta adaptabilidad, este tipo de modelo requiere recopilar mucha información previamente.

La información sobre los usuarios se puede recopilar de varias maneras. Existen tres métodos principales:

• Solicitar datos específicos mientras se interactúa (primero) con el sistema ^{[ 2 ]}

Este tipo de recopilación de datos suele estar vinculada al proceso de registro. Al registrarse, se solicita a los usuarios información específica, sus gustos, preferencias y necesidades. A menudo, las respuestas proporcionadas pueden modificarse posteriormente.

• Aprender las preferencias de los usuarios observando e interpretando sus interacciones con el sistema ^{[ 2 ]}

En este caso, no se solicitan directamente los datos personales ni las preferencias de los usuarios, sino que esta información se obtiene a partir de su comportamiento al interactuar con el sistema. La forma en que eligen realizar las tareas y la combinación de sus intereses permiten inferir características específicas de cada usuario. La aplicación aprende dinámicamente observando estas interacciones. Para ello, se pueden utilizar diferentes algoritmos de aprendizaje automático .

• Un enfoque híbrido que solicita retroalimentación explícita y modifica el modelo de usuario mediante aprendizaje adaptativo ^{[ 5 ].}

Este enfoque combina los anteriores. Los usuarios deben responder preguntas específicas y proporcionar comentarios explícitos. Además, se observan sus interacciones con el sistema y la información obtenida se utiliza para ajustar automáticamente los modelos de usuario.

Aunque el primer método es una buena forma de recopilar rápidamente los datos principales, carece de la capacidad de adaptarse automáticamente a los cambios en los intereses de los usuarios. Depende de la disposición de los usuarios a proporcionar información y es improbable que editen sus respuestas una vez finalizado el proceso de registro. Por lo tanto, existe una alta probabilidad de que los modelos de usuario no estén actualizados. Sin embargo, este primer método permite a los usuarios tener control total sobre los datos recopilados sobre ellos. Es su decisión qué información están dispuestos a proporcionar. Esta posibilidad no está presente en el segundo método. Los cambios adaptativos en un sistema que aprende las preferencias y necesidades de los usuarios solo interpretando su comportamiento pueden parecer algo opacos para los usuarios, ya que no pueden comprender ni reconstruir completamente por qué el sistema se comporta de esa manera. ^{[ 5 ]} Además, el sistema se ve obligado a recopilar una cierta cantidad de datos antes de poder predecir las necesidades de los usuarios con la precisión requerida. Por lo tanto, se necesita un cierto tiempo de aprendizaje antes de que un usuario pueda beneficiarse de los cambios adaptativos. Sin embargo, posteriormente, estos modelos de usuario ajustados automáticamente permiten una adaptabilidad bastante precisa del sistema. El enfoque híbrido busca combinar las ventajas de ambos métodos. Al recopilar datos mediante preguntas directas a los usuarios, obtiene una primera base de información que puede utilizarse para realizar cambios adaptativos. Aprendiendo de las interacciones de los usuarios, puede ajustar los modelos de usuario y lograr mayor precisión. Sin embargo, el diseñador del sistema debe decidir qué información debe tener mayor relevancia y qué hacer con los datos aprendidos que contradicen parte de la información proporcionada por el usuario.

Una vez que un sistema ha recopilado información sobre un usuario, puede evaluar esos datos mediante un algoritmo analítico preestablecido y luego comenzar a adaptarse a las necesidades del usuario. Estas adaptaciones pueden abarcar todos los aspectos del comportamiento del sistema y dependen de su propósito. La información y las funciones pueden presentarse de acuerdo con los intereses, el conocimiento o los objetivos del usuario, mostrando solo las características relevantes, ocultando la información que el usuario no necesita, haciendo propuestas sobre qué hacer a continuación, etc. Hay que distinguir entre sistemas adaptativos y adaptables . ^{[ 1 ]} En un sistema adaptable, el usuario puede cambiar manualmente la apariencia, el comportamiento o la funcionalidad del sistema seleccionando activamente las opciones correspondientes. Después, el sistema se apegará a estas elecciones. En un sistema adaptativo, el propio sistema realiza automáticamente una adaptación dinámica al usuario, basándose en el modelo de usuario construido. Por lo tanto, un sistema adaptativo necesita formas de interpretar la información sobre el usuario para realizar estas adaptaciones. Una forma de lograr esta tarea es implementando un filtrado basado en reglas. En este caso, se establece un conjunto de reglas SI... ENTONCES... que cubre la base de conocimiento del sistema. ^{[ 2 ]} Las condiciones IF pueden verificar información específica del usuario y, si coinciden, se ejecuta la rama THEN, que es responsable de los cambios adaptativos. Otro enfoque se basa en el filtrado colaborativo . ^{[ 2 ] [ 5 ]} En este caso, la información sobre un usuario se compara con la de otros usuarios del mismo sistema. Por lo tanto, si las características del usuario actual coinciden con las de otro, el sistema puede hacer suposiciones sobre el usuario actual al presumir que es probable que tenga características similares en áreas donde el modelo del usuario actual carece de datos. Con base en estas suposiciones, el sistema puede realizar cambios adaptativos.

• Hipermedia adaptativa : En un sistema de hipermedia adaptativa, el contenido mostrado y los hipervínculos ofrecidos se seleccionan en función de las características específicas de los usuarios, teniendo en cuenta sus objetivos, intereses, conocimientos y habilidades. De este modo, un sistema de hipermedia adaptativa busca reducir el síndrome de " perderse en el hiperespacio " al presentar únicamente información relevante.
• Hipermedia educativa adaptativa : Al ser una subdivisión de la hipermedia adaptativa, el enfoque principal de la hipermedia educativa adaptativa radica en la educación, mostrando contenido e hipervínculos que corresponden al conocimiento del usuario en el campo de estudio.
• Sistema de tutoría inteligente : A diferencia de los sistemas hipermedia educativos adaptativos, los sistemas de tutoría inteligente son sistemas autónomos. Su objetivo es ayudar a los estudiantes en un campo de estudio específico. Para ello, crean un modelo de usuario donde almacenan información sobre sus habilidades, conocimientos y necesidades. El sistema se adapta a este usuario presentando ejercicios y ejemplos adecuados, y ofreciendo sugerencias y ayuda donde más las necesite.
• Sistemas expertos : Los sistemas expertos son sistemas informáticos que emulan la capacidad de toma de decisiones de un experto humano para ayudar al usuario a resolver un problema en un área específica. Paso a paso, formulan preguntas para identificar el problema actual y encontrar una solución. Se pueden utilizar modelos de usuario para adaptarse al conocimiento del usuario actual, diferenciando entre expertos y principiantes. El sistema puede asumir que los usuarios experimentados son capaces de comprender y responder preguntas más complejas que alguien que es nuevo en el tema. Por lo tanto, puede ajustar el vocabulario utilizado y el tipo de preguntas que se presentan al usuario, reduciendo así los pasos necesarios para encontrar una solución.
• Sistema de recomendación : La idea básica de los sistemas de recomendación es presentar al usuario una selección de artículos que mejor se ajusten a sus necesidades. Esta selección puede basarse en artículos que el usuario haya marcado como favoritos, calificado, comprado, visto recientemente, etc. Los sistemas de recomendación se utilizan con frecuencia en el comercio electrónico , pero también pueden abarcar áreas como redes sociales, sitios web, noticias, etc.
• Simulación de usuario : Dado que el modelado de usuarios permite que el sistema mantenga una representación interna de un usuario específico, se pueden simular diferentes tipos de usuarios mediante su modelado artificial. Los tipos comunes son "expertos" o "novatos" en el alcance o el uso del sistema. Con base en estas características, se pueden simular pruebas de usuario. El proyecto SUPPLE ^{[ 6 ]} de la Universidad de Washington y el Modelo de Usuario Inclusivo ^{[ 7 ]} de la Universidad de Cambridge simulan la interacción para usuarios con discapacidades visuales, auditivas y motoras.

Existen varios formatos y estándares de representación disponibles para representar a los usuarios en sistemas informáticos, ^{[ 8 ]} tales como:

• IMS-LIP (IMS – Paquete de información para el alumno, utilizado en el aprendizaje electrónico )
• HR-XML (utilizado en la gestión de recursos humanos )
• JXDM (Justicia con el marcado extensible de justicia global)
• Europass (el currículum vitae en línea Europass)

• Personalización
• Modelo cognitivo
• Perfil de usuario
• Gestión de identidades

• Modelado de usuarios e interacción adaptada al usuario (UMUAI) Revista de investigación sobre personalización
• Proyecto CogTool en CMU
• Conferencia sobre Modelado de Usuarios 2007. Archivada el 18 de abril de 2009 en Wayback Machine.
• Conferencia sobre modelado de usuarios 2018
• Hipertexto 2018