litceysel.ru
добавить свой файл
1
УДК 577.3


Различие двигательных стереотипов у людей, использующих компьютер и традиционные пишущие принадлежности


Г.Н. Санкин1


Аннотация. – Исследованы двигательные стереотипы человека в тестовом эксперименте с использованием традиционных и цифровых (компьютер) устройств передачи информации. Проведено количественное сравнение предсказуемости движений у людей, занятых в основном умственным трудом и использующих компьютер в профессиональной трудовой деятельности, с помощью теста, в котором множество действий пользователя представлено последовательностью однобитных чисел, и использующего частотные характеристики для базисных подпоследовательностей заданной длины. Обнаружено, что предсказуемость движений пользователя зависит от используемых орудий труда   увеличивается при работе на компьютере по сравнению с результатами, полученными с помощью традиционных пишущих принадлежностей. Установлено, что спектр подпоследовательностей имеет более узкое распределение для компьютера. При этом уменьшается количество введенной информации на единицу емкости текста. Показано, что в основном меняется частота встреч коротких подпоследовательностей, что указывает на зависимость проявления двигательных стереотипов для разных орудий труда. Результаты могут найти применение в компьютерных технологиях при разработке пользовательских интерфейсов и выборе “щадящих” (эргономных) режимов ввода информации в компьютер.


Ключевые слова: орудие труда, взаимодействие человека и компьютера, стереотип, предсказуемость поведения, эргономика


1 Electronic mail: sankin@hotbox.ru

ноября 26, 2012


Введение

Повсеместное замещение традиционных орудий труда компьютерной техникой приводит к изменению поведения человека, использующего их в своей деятельности, что ставит вопрос о влиянии цифровых устройств не только на физическое, но и на психическое (духовное) здоровье пользователя в технократическом обществе (Бердяев, 1933). Взимодейстивие человека и компьютера остается актуальной темой исследований и в наше время (Golikov, 2004). Так, например, стало известно, что интенсивное использование мобильных телефонов ведет к физической мутации больших пальцев рук, т.е. развивает мускулатуру и ловкость движений пальца. В результате изменяется поведение пользователя   более частое использование большого пальца вместо указательного (Hill, 2002). Поведение любого человека в некоторой степени предсказуемо благодаря стереотипам. Присутствие стереотипов в живой природе является неотъемлемой частью жизненного процесса (Винер, 1968; Лефевр, 1996). Изучение локомоций выявило динамические стереотипы, обусловленные биомеханическими свойствами опорно-двигательного аппарата (Бернштейн, 1990). Механизмы координации движений должны постоянно ограничивать используемое число степеней свободы суставов и мышц, чтобы обеспечить устойчивость выполнения задания координации движений в целом. Наличие двигательных стереотипов увеличивает предсказуемость поведения. Авторы (Galata et al, 1999) использовали это явление для прогнозирования движений тела, например, в танце. Однако, вопрос о возможности влияния производственной среды на предсказуемость остается исследован не в полной мере (в частности, неизвестно почему восприятие информации “с листа” и “с экрана” различно, что необходимо иметь в виду при поиске ошибок в тексте (White, 2004), или наоборот одинаковое положительное воздействие иногда оказывают и лекарство и его муляж – плацебо (Finniss, and Benedetti, 2005).



Отличием человека является способность к использованию специальных орудий труда для записи, хранения, и передачи знаний для последующих поколений своего вида. С этим социальным явлением связан другой класс стереотипов, приобретаемых человеком в процессе обучения и трудовой деятельности, и называемых мыслительными стереотипами (например, “профессор рассеян”). Одновременно каждый человек является частью материальной природы. В результате выделяются этносы   коллективы людей, имеющие неповторимый стереотип поведения и своеобразный ритм развития (Гумилев, 2000). Именно в этносе осуществляется взаимодействие природной среды и производственной деятельности людей. В процессе “проекции” своих знаний на конечное число символов алфавита, осуществляемое с помощью пишущих принадлежностей, неизбежно влияние последних на человека. Влияние орудий труда может происходить как на физическую, так и на психическую динамику пользователя. При этом результат взаимодействия с цифровыми устройствами может несколько отличаться от результата, полученного для традиционных орудий труда.


На основании анализа имеющихся данных целью исследования были поставлены разработка универсальной (применимой к широкому кругу людей) процедуры (теста) количественного измерения степени прогнозируемости поведенческих стереотипов человека в модельной ситуации и применение ее для выявления взаимосвязи проявления двигательных стереотипов пользователя и вида орудия труда (на примере компьютера и “традиционных” пишущих принадлежностей).


Методика

Одним из методов изучения предсказуемости движений является графометрический тест, применяемый с целью выявления особенностей поведения под влиянием различных внешних обстоятельств. В исследовании приняли участие N = 21 человек в возрасте от 22 до 58 лет (с представительством в каждой декаде лет), из них 10 мужского и 11 женского пола. С целью уменьшить влияние компьютера добровольцы отбирались из числа занятых в основном умственным трудом и использующих компьютер в профессиональной трудовой деятельности. Группе предлагалось ввести “случайную” последовательность длиной N0, состоящую из символов, принадлежащих алфавиту длиной M0, двумя способами: с помощью компьютера (C) и с использованием пишущей ручки и бумаги (P). Предлагаемый материал: в первой части теста – заранее заготовленная таблица на листе бумаги в клетку, пишущая ручка, во второй части теста – компьютер, запрограммированный на ввод текста в аналогичную таблицу на мониторе. Перед тестом давали инструкцию «Заполните таблицу знаками “>” и “<” случайным образом слева направо, сверху вниз, в каждой клетке по знаку. Нажимайте клавишу “” клавиатуры указательным пальцем Вашей левой руки и клавишу “” указательным пальцем Вашей правой руки случайным образом, пока не заполните всю таблицу».



Использовалась длина текста N0 = 400, алфивит состоял из символов “>” и “<” (т.е. M0 = 2). При этом никаких требований на логическую закономерность в последовательности не вводилось, соотношение количества различных символов не ограничивалось. Отношение чисел двух сортов символов могло быть произвольным, т.е. разрешалась любая из возможных M0N0  2.58 10120 последовательностей. Примеры фрагментов введенных последовательностей представлены на рис. 1. После выполнения задания фиксировались пол и возраст испытуемого. Затем все тексты независимо анализировались на ЭВМ по одной специальной программе для нахождения одинаковых повторяющихся подпоследовательностей.

Программа для предсказания поведения была основана на алгоритмах теории нейронных сетей (Горбань, 1990). Привлекательность этой модели – возможность использовать ее почти немедленно для исследования любой группы пользователей (Круглов, Борисов, 2001). С помощью компьютера она позволяет предсказать поведение человека на основе анализа его предыдущих действий. Описание действий удобно проводить на основе базисных (атомарных) движений (Galata et al, 1999). В качестве базиса выбирали всевозможные подпоследовательности Qi длиной L символов (L < N0) и формировали “память” базисных весов i, состоящую из M ячеек, здесь i = 1…M, M = M0L. Для предсказания n+1-го (n   длина последовательности, которую необходимо было продолжить, n = 0 .. N0-1) символа в последовательности находили частоту встреч каждой Qi. В случае, если длина последовательности n была меньше L, её дополняли символами "<" на местах  L+1,  L+2, .. ,  1. Предсказанным был символ, дополняющий L-1 последних символов до подпоследовательности с максимальной частотой встреч. При равном результате для обоих исходов таким символом был ">". Событие считалось угаданным, если предсказанный символ совпадал с n+1-ым символом в последовательности. Самообучение алгоритма происходило в процессе ввода информации из последовательности. А именно, после каждого введенного символа число различных подпоследовательностей увеличивалось на одну. Новая подпоследовательность поочередно сравнивалась с Qi, и та из них, которая удовлетворяла условию равенства, увеличивала свой вес i на единицу.



С помощью данного метода вводили стандартизованную процедуру (тест) количественного измерения стереотипности поведения и исследовали влияние различных факторов на данный параметр пользователя (Санкин, 1999). Объективность теста основана на выбранном способе изучения двигательных реакций человека. При этом многочисленные движения сводятся к двум исходам – “0” и “1”, т.е. рассматривается проекция динамики на эти два события. Действие алгоритма основано на поиске наиболее часто встречающихся "элементарных" последовательностей (штаммов) в действиях пользователя.


Так как продолжительность теста невелика и полученные нагрузки незначительны, двигательные стереотипы у пользователя могут считаться постоянными, а считаться изменяющимися только проявление тех или иных стереотипов в зависимости от обстановки. Вероятно, в свете современных представлений об искустве как способе обмена информацией (Wilson, 2002), введенная методика может быть применена к более сложным продуктам человеческой деятельности и таким образом распространена в более полных психологических тестах.


Результатом работы программы для каждой последовательности были значения предсказуемости   содержание угаданных событий

G(S) = NG(S)/N0 (0  G  1)

(1)

и дисбаланса   отношение числа символов “>” к общей длине последовательности

D(S) = N”>”(S)/N0 (0  D  1),

(2)

на каждом шаге с номером S = 1 .. N0. Таким образом, каждый испытуемый характеризовался четырьмя величинами предсказуемости и дисбаланса GC, GP, DC, DP, взятыми на последнем 400-ом шаге. Наряду с этими четырмя величинами вычисляли частотные спектры мощности для сигнала, полученного преобразованием текстовой последовательности по правилу замены “<”  -1, “>”  1 с дальнейшим использованием быстрого преобразования Фурье. Эта процедура является также разложением по некоторым базисным подпоследовательностям, однако периодическим и переменной длины. Кроме того, анализу подвергалось распределение весов (частота встреч)  базисных подпоследовательностей Q. Коэффициент информационной насыщенности текста I вычисляли как функцию содержимого “памяти” по формуле Шеннона


,

(3)

где pi = i / N0 – вероятность встретить в тексте i-ую базисную подпоследовательность, i   вес i-ой базисной подпоследовательности в наборе из M = M0L весов. Статистический анализ данных проводили методами непараметрической статистики (Гласс, Стэнли, 1976) с использованием компьютерной системы Statistica (StatSoft, 2001).


В тестовой группе экспериментов (R) использовались последовательности той же длины, но полученные с помощью компьютерного датчика случайных чисел. Оказалось, что на последнем шаге работы программы усредненные по 21 последовательности значения предсказуемости и дисбаланса равны GR = 49.72.4 % и DR = 49.91.7 % соответственно (указаны значения среднего и стандартого отклонения). Это означает, что случайная последовательность событий является практически непредсказуемой в данном тесте, и в ней с равной вероятностью встречаются оба символа.

На рис. 2 представлены результаты работы программы на каждом шаге, усредненные по 2N = 42-м тестам. Длину L принимали равной поочередно 2 (рис. 2, б), 4 (рис. 2, в) и 8 (рис. 2, г). На первых шагах идет обучение программы и поэтому эффективность предсказания низкая. В дальнейшем, приблизительно к 100-му шагу, происходит выход значений G и D на постоянные значения, а их флуктуации уменьшаются. Время обучения и эффективность предсказания растут с увеличением длины L. Достаточно быстрое обучение программы и максимально высокая эффективность предсказания к концу работы программы были получены для L = 4 (рис. 2, в). Ниже представлены результаты обработки тестов для указанного значения длины базисной подпоследовательности.



Результаты

На рис. 3 представлено сравнение результатов тестирования C, P, и R в виде среднего значения и стандартного отклонения. Каждой точке соответствуют усредненные для группы из N = 21 последовательности данные для предсказуемости G (рис. 3, а), дисбаланса D (рис. 3, б), и количества информации I (рис. 3, в), взятые на последнем шаге работы программы (формулы (1), (2) и (3), S = 400). Установлено, что для 15 человек (в 71% случаев) предсказуемость для компьютерного теста GC больше, чем для теста на бумаге GP: 0.2% < GC-GP < 6% для 7 человек и 8% < GC-GP < 31% для 8 человек. Для остальных 6 человек 0%  GP-GC < 7%, что указывает на относительную индифферентность этих испытуемых к выбранному орудию труда. Как показывает рисунок, среднее значение предсказуемости для теста P составило < GP > = 648 %, а для теста C < GC > = 7111 %. Среднее значение дисбаланса для компьютерного теста < DC > = 566 % больше, чем дисбаланса < DP > = 514 %. Значимость результата подтверждена статистическими анализом результатов в группах C, P. А именно, для предсказуемости в тесте Вилкоксона парных сравнений ZCP(G) = 2.66 (p < 0.01). Для деперсонифицированных групп C и P (принадлежность тестов определенным лицам считалась неизвестной) имеет место тест Манна-Уитни, который показал ZCP(G) = 2.13 (p < 0.05) (интересно отметить, что для t-теста pCP(G) = 0.027). Эти и остальные результаты сведены в таблицу 1, из которой видно, что в обоих случаях C и P программа выявила наличие стереотипов поведения у людей (предсказуемость оказалась выше, чем для случайной последовательности), а в тесте С кроме того   “правый” дисбаланс у испытуемых.

С целью установить влияние указанного выше различия дисбаланса на среднюю предсказуемость, зависимость коэффициента предсказуемости от отклонения дисбаланса (взятыми вместе для тестов C и P) аппроксимировалась прямой линией G = a+b |D-0.5| методом наименьших квадратов. Найденые значения a = 0.66 и b = 0.48 (R2 = 0.04). Как видно из простых оценок, повышенный дисбаланс (на 5%) является несущественной причиной увеличения предсказуемости на 2.2%, что меньше наблюдаемых 7%. К аналогичному выводу можно прийти методами непараметрической статистики. Так, коэффициент корреляции Кендалла между предсказуемостями в тестах C и P CP(G) = 0.396 (N = 21, p = 0.012), в то время как между предсказуемостью G и дисбалансом D, он составляет лишь GD(C) = 0.063 (N = 21, p = 0.69) для теста C и GD(P) = 0.067 (N = 21, p = 0.67) для теста P.



Число встреч шестнадцати (M = 24) всевозможных четырехбитных Qi (L = 4) от "< < < <" до "> > > >" было просуммировано в трех сериях данных, состоящих из равного числа (N = 21) тестов на бумаге (P), компьютере (C) и с датчиком случайных чисел (R). Анализ распределения весов i базисных последовательностей отчетливо выделяет две последовательности Q11 = "> < > <" и Q6 = "< > < >", отличающиеся максимальным числом встреч в тесте C на компьютере (вес каждой превышает более чем в два раза вес любой другой последовательности). Распределение в тесте P более “гладкое” и ближе к распределению для случайных чисел. Это наглядно демонстрирует величина стандартного квадратичного отклонения для i в различных группах тестов: C = 396, P = 126, R = 11.3 (среднее арифметическое было во всех случаях одинаково и равнялось NN0/M = 525). Количество информации, которое мы получаем, достигает максимального значения, если события равновероятны. Поэтому, больше всего информации содержится в случайной последовательности (IR = 3.9750.013), затем в последовательности P (IP = 3.70.3) и наконец в последовательности C (IC = 3.30.6) (рис. 3, в). Для M0 = 2 нетрудно также показать, что 0  I  L.


Преобладание периодического (ритмического) сигнала в последовательностях может быть показано с помощью спектрального анализа сигнала. На рис. 4 представлены усредненные спектры мощности, построенные отдельно для случая C и P. Там же для сравнения приведен спектр случайной (“шумовой”) последовательности R. На спектрах тестовых последовательностей отчетливо выделяется пик на максимальной частоте, а также прослеживается степень дисбаланса в информации   значение на нулевой частоте представляет среднюю за время наблюдения постоянную составляющую сигнала.

Обсуждение результатов


В представленном исследовании делалась попытка рассмотреть взаимосвязь между проявлением двигательных стереотипов у людей и установить роль внешних условий труда (различные пишущие принадлежности). Для этого измерялась предсказуемость поведения пользователя при объективном воздействии на него, не исключая субъективного отклика пользователя. Из полученных результатов следует, что предсказуемость поведения человека возрастает при переходе от традиционных к цифровым орудиям труда. Анализ типов движений и полученные в эксперименте данные дают основание полагать, что повышенная предсказуемость в результатах теста для людей, работающих на компьютере, обусловлена меньшим числом степеней свободы, данной испытуемому. При обработке тестов, выполненных на бумаге не принимались во внимание, например, особенности написания отдельных символов, а только направление, которое они указывали. Следовательно, большинство более сложных двигательных стереотипов при выполнении теста не учитывалось. В “компьютерном” тесте количество элементарных движений, требуемых для достижения цели, и число задействованных суставов и мышц было сведено к минимуму   использовались лишь два пальца разных рук. Соответственно этому были задействованы разные участки мозга. Поэтому, возможно предположить, что в последнем случае проявляется относительно малое число связанных с данной группой мышц двигательных стереотипов (Бернштейн, 1990), проявление которых легче распознается в эксперименте. Замеченный повышенный дисбаланс при работе на компьютере можно объяснить присутствием подавляющего большинства “правшей” среди испытуемых. Однако, при дальнейшем анализе отдельно серии C и серии P статистически достоверно установлено, что это не могло явиться причиной повышенного среднего фактора предсказуемости в той мере, в какой это зафиксировано в эксперименте.

Данное положение подтверждается анализом распределения весов элементарных последовательностей, который показывает преобладание лишь двух последовательностей, насыщенных чередующимися возможными исходами. Данные последовательности можно считать стереотипом работы на компьютере. Преобладание соответствующего ритма поведения, иллюстрируемого частотным спектром колебаний исхода (Рис. 4), можно интерпретировать как результат вариации физиологических параметров организма, который в известной мере может являться как симптомом дисфункции (Шушарджан, 1994), так и признаком приспособленности индивидума к условиям окружающей среды, возможно отражающим этническую специфику (Гумилев, 2000). В компьютерных файлах ритм выражен в большей степени (пик на максимальной частоте), тогда как в письме мы видим больше длинных подпоследовательностей, дающих спектр, распределенный по более широкой полосе частот. Действительно, мы видели, что алгоритм предсказания эффективен уже для длины подпоследовательности равной 2 символа (рис. 2). Как следует из того же рисунка, в то же время, однако, остается ресурс для увеличения его эффективности. Проведенная оптимизация кода выявила наилучший результат для длины 4 символа, т.е. включая также более длинные “низкочастотные” подпоследовательности (рис. 4). Как показал расчет количества информации памяти модели, результат работы над рукописным текстом более насыщен информацией, чем результат ее компьютерного аналога.



Обобщая, осмелимся утверждать, что цифровая техника более чем традиционная, подавляет творческую способность неподготовленного организма. Н. Бердяев (Бердяев, 1933) усматривает и положительную сторону техники в том, что она “бросает вызов” человеку, а потому может побудить последнего к борьбе и привести к его дальнейшему развитию и совершенству. Способность человека приспосабливаться к окружающей среде влечет за собой необратимые мутации в его организме (Hill, 2002; Гумилев, 2000). Этим он противопоставляет себя ленивому решению – уходу от проблемы, выбранному Г. Торо (Торо, 1979). Сравнение предсказуемости поведения пользователей в зависимости от продолжительности опыта работы с компьютером могло бы явиться отправной точкой для дальнейших исследований этого вопроса. Вероятно, это может быть выявлено в более сложных тестах, рассчитанных на анализ работы бОльших областей мозга, таких как (Айзина, 2001). На данном этапе исследований остается неясным относительная степень влияния компьютера через тело человека, т.е. в какой мере задействовано субъективное восприятие обстановки. Интересным был бы эксперимент по выявлению такого рода воздействия в сравнении с другими способами передачи информации (с помощью сенсорного экрана и пера, трафаретного письма, либо речевого ввода информации).


Заключение

Проведенные исследования показали эффективность алгоритмов типа нейронных сетей для оперативного выявления двигательных стереотипов человека, использующего как компьютерные орудия труда, так и (при соответствующей отработанной процедуре оцифровки письма) традиционные орудия, такие как бумага и шариковая ручка. С помощью теста, который количественно измеряет предсказуемость поведения человека, показано, что в обоих случаях предсказуемость оказалась выше, чем для последовательности случайных чисел. Для группы пользователей, работающих на компьютере, зафиксирована повышенная предсказуемость, по сравнению с группой, работающей с помощью традиционных пишущих принадлежностей. Это может быть объяснимо тем, что при ограничении степеней свободы движения суставов и мышц проявляются двигательные стереотипы, которые легче распознаются в эксперименте. Результаты могут найти применение в компьютерных технологиях при разработке эргономных способов и оптимизации режимов ввода информации в машину.



Автор благодарит всех, принявших участие в тестировании, а также анонимных рецензентов за внимательное чтение рукописи, ценные замечания и предложения.

Список литературы


Айзина Ю.В. Мир "неблагополучной семьи" глазами самого ребенка / Ю.В. Айзина // Образование: исследовано в мире [Электрон. ресурс] / Под патронажем Российской академии образования, ГНПБ им. К.Д. Ушинского. - М.: OIM.RU. - Режим доступа: World Wide Web. URL: http://www.oim.ru. - 05.05.2001.

Бердяев Н. Человек и машина. (Проблема социологии и метафизики техники) // Путь. – №38. – май 1933. – С. 3-37. (http://www.krotov.info/berdyaev/1933/1933mash.html)

Бернштейн Н.А. Физиология движений и активность. М.: Наука, 1990. 495 c.

Винер Н. Кибернетика или управление и связь в животном и машине. Пер. с англ. 2-е изд. М.: Сов. радио, 1968. 326 с.

Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. М.: Прогресс, 1976. 495 с. (http://www.statistica.ru/)

Горбань А.Н. Обучение нейронных сетей. М.: СП ПараГраф, 1990. 159 с.

Гумилев Л.Н. Конец и вновь начало: Популярные лекции по народоведению.   М.: Айрис-Пресс: Рольф, 2000. 384 с. (http://www.kulichki.com/~gumilev/EAB/index.html)

Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия   Телеком, 2001. 382 с.

Лефевр В.А. Космический субъект. М.: Ин-кварто, 1996. 183 с.

Санкин Г.Н. Применение алгоритма предсказания поведения для оценки влияния компьютера на стереотипность поведения человека. Биоуправление в медицине и спорте. Под ред. М.Б. Штарка. Материалы I Всероссийской конференции, Омск, 26-27 апреля 1999. Омск: Институт медицинской и биологической кибернетики, Сибирская государственная академия физической культуры СО РАМН, 1999, с.113 114 (http://www.sankin.newmail.ru/lesson/).


Торо Г. Д. Уолден, или Жизнь в лесу.   М.: Наука, 1979. 455 с.

Шушарджан С.В. Здоровье по нотам: Практикум по пути к духовному совершенству и бодрому долголетию.   М.: Перспектива, 1994. 167 с.

Finniss D.G., Benedetti F. Mechanisms of the placebo response and their impact on clinical trials and clinical practice // Pain, v.114, p.3-6, 2005.

Galata A., Johnson N. and Hogg D. Learning Behaviour Models of Human Activities // in the British Machine Vision Conference (BMVC99) 13 16 September 1999, University of Nottingham, 1999. CRI Repro Systems Ltd.18, St Peter’s Street, Nottingham, NG7 3FF, the United Kingdom, pp.12 22 (http://www.bmva.ac.uk/bmvc/1999/papers/02.pdf).

Golikov Y.Y. Methodological approaches to decision of psychological problems of modern techniques design // Psikhologicheskii zhurnal 25 (1): 70-82 JAN-FEB 2004.

Hill A. Thumbs are the new fingers for the GameBoy generation. The Observer. Sunday March 24, 2002. (http://observer.guardian.co.uk/uk_news/story/0%2C6903%2C673103%2C00.html)

StatSoft, Inc. (2001). STATISTICA (data analysis software system), version 6. www.statsoft.com.

White S. Doing the Write Thing: The Easy Way to Self-Edit. Write Success, 2004. (http://writesuccess.com/071704_pt.2.htm)

Wilson S. Information arts: intersections of art, science, and technology. Cambridge, Massachusetts: The MIT Press, 2002. 945 p.


Таблица 1. Значение p в тестах сравнения (*   статистически значимый результат).




тест Вилкоксона парных сравнений

тест Манна-Уитни

GC > GP

0.0078*

0.034*

GC > GR

-

0.000000*

GP > GR

-

0.000000*

DC > DP

0.0021*

0.005*

DC > DR

-

0.0001*

DP > DR

-

0.35

IC < IP

0.0057

0.010*

IC < IR

-

0.000000*

IP < IR

-

0.000000*


Подписи к рисункам

Рис. 1. Фрагменты вводимых последовательностей: а) с помощью традиционных пишущих принадлежностей, б) с помощью компьютера.


Рис. 2. Средние значения дисбаланса (а) и предсказуемости (б-г) на каждом шаге работы программы при разных значениях длины базисной подпоследовательности L = 2 (б), 4 (в), 8 (г).

Рис. 3. Среднее значение и стандартное отклонение для предсказуемости (а), дисбаланса (б) и количества информации в “памяти” (в) (M = 16, L = 4, M0 = 2) в тестах C, P и R (N = 21).


Рис. 4. Усредненный частотный спектр последовательности: C – “компьютерной”, P – “бумажной”, R – случайной.


Dynamic stereotypes of a human using computer and traditional writing materials are different

G.N. Sankin



Abstract.   The appearance of dynamic stereotypes of human movements in test experiments is investigated experimentally using digital (a computer) and traditional writing materials. The quantitative comparison of prediction is carried out with the help of the test, in which a set of user's actions is represented by a sequence of one-bit numbers, and which uses match frequency for basic sequences of certain length. It is shown that the prediction of user's movements depends on labor instruments in use – the prediction is increased working on the computer in comparison with results obtained using traditional writing materials. The narrowest spectrum of changing one-bit numbers is shown for computer work. It results in a decrease of information in computer text due to repetition of short basic sequences. Results can be used in computer technology for development of user interface and for the best choice of ergonomic regime of information input.


Key words: labor instruments, human-computer interaction, stereotype, behaviour prediction, ergonomics




а б


Рис. 1. Фрагменты вводимых последовательностей: а) с помощью традиционных пишущих принадлежностей, б) с помощью компьютера.


Санкин, Различие двигательных стереотипов ...



Рис. 2. Средние значения дисбаланса (а) и предсказуемости (б-г) на каждом шаге работы программы при разных значениях длины базисной подпоследовательности L = 2 (б), 4 (в), 8 (г).


Санкин, Различие двигательных стереотипов ...


а) б)



в)



Рис. 3. Среднее значение и стандартное отклонение для предсказуемости (а), дисбаланса (б) и количества информации в “памяти” (M = 16, L = 4, M0 = 2) (в) в тестах C, P и R (N = 21).

Санкин, Различие двигательных стереотипов ...





Рис. 4. Усредненный частотный спектр последовательности: C – “компьютерной”, P – “бумажной”, R – случайной.


Санкин, Различие двигательных стереотипов ...