SDE, Onto-SDE, Free text entry. difference in HCI

南京猿人

续前文

Semtek ask:目前的SDE还有什么具体的问题呢？

想想比较长，还是重新开一个帖子。这次以大家常用的科研设计的方法来分析一下自己的看法。一家之言，错了也请指正。

个人觉得，这个问题可以从两个角度去分析。从科研设计的角度，我们分析人机交互的要素和流程，找出应变量dependent variable,自变量independent variable,然后找找看联系和局限性。一种是逆向分析法，从OWL的特性和优势着手，然后反观没有OWL的当前SDE的局限性。
人机交互的变量表格--个人草稿，错误调整中

			传统结构化数据录入1	本体知识驱动型数据录入2	自由文本录入3
	机器方面
		硬件,荧幕,键盘，鼠标	可以控制一致	可以控制一致	可以控制一致
		操作系统	可以控制一致	可以控制一致	可以控制一致
		网页浏览器	可以控制一致	可以控制一致	可以控制一致
		录入模板或表单	可以控制和2一致	可以控制和1一致	不需要
		表单的排版布局（layout）	可以控制和2一致, 取决于该内容的上下文和建模人员对界面布局的理解	可以控制和1一致	没有或很简单
		界面的元素，比如radio button, checkbox	可以控制和2一致	可以控制和2一致	没有，或者只是text area or textbox
		元素的属性，比如颜色，字体大小	可以控制一致	可以控制一致	可以控制一致
		预定的内容展现的顺序	静态的	动态的	无
	用户方面
		相关培训	没有，或不充分	没有，或不充分	医疗人员学习医疗知识，都是来自于自由文本, 自由语言的写作，从小学开始，持续了20年
		行业知识积累	可以控制一致	可以控制一致	可以控制一致
		使用此类界面的经验，包括纸的表单，比如体温单	少	少	多
		其他知识	需要了解打字，了解界面的各个元素和背后的使用法则	需要了解打字，了解界面的各个元素和背后的使用法则	写作的文体（记叙文），句型，语法，需要如何理解打字，或者使用手写板
应变量
	人机交互
	Process 1：人	理解当前任务（录入数据）	可以控制一致	可以控制一致	可以控制一致
	Process 2：人to机	定位录入操作区域	多次	多次，但是比1少	once, or per paragraph
	Process 3：机to人	感知界面元素(额外的人脑处理过程	可以控制和1一致。潜规则：比如radio button是单选, check box, 是多选， combobox, 需要点击两次, 一次列出下拉列表，一次选择，一共不多于swing的种类，包括。。。	可以控制和2一致。潜规则：比如radio button是单选, check box, 是多选， combobox, 需要点击两次, 一次列出下拉列表，一次选择，一共不多于swing的种类，包括。。。	只要感知text area
	Process 4：人	理解该结构的内容 (这个是来自于建模人员对他个人领域知识的理解和思维模式的表达，也是额外的感知过程)	可以控制和2一致	可以控制和1一致	没有
	Process 5：人	结合或不结合前文，理解问题领域，也是额外的感知过程)	可以控制和2一致	可以控制和1一致	没有
	Process 6： 人	思考或者推理	把外在能够理解的信息和内在的知识结合，做出决策，将受到前面结构和录入顺序的影响（pre-set logic order）。比如，略过当前问题。	可以控制和1一致	连贯性自我思考，自己安排逻辑，完全取决于记忆的质量和自己对行业知识的理解和培训。基本上没有外在信息参照，或者去上文看看已经写了什么。
	Process 7：人	思考如何输出	结合结构思考输出模式，where to click radio button or type， 需要在鼠标和键盘之间切换。	可以控制和1一致	根据键盘布局，思考输入法，偶尔需要考虑到段落，可能会有不合逻辑的录入或者语法错误
	Process 8：人to机	输出行动（思维结果的外在化）	点击, 打字, 可能会有误操作	可以控制和1一致	打字，可能是错别字
	Process 8：机to人	页面导航	树形导航或者没有	可以控制和1一致	没有
	Process 9：机to人	页面切换	多，自动生成界面，由于无法预测结构，往往不能充分利用界面面积、	更多，界面面积利用率更差，或者需要算法	一般不需要，一页纸滚动到底，页面面积利用率高
	Process 10：机to人	结束方式	可以控制一致	可以控制一致	可以控制一致

人脑可以看作：单线程CPU,内存七个小数据块,每个包括12位电话号码（有参考文献），硬盘未知的机器，呵呵。

从表上可以分析出自然语言录入，对用户知识背景，记忆力要求很高，也就是需要大硬盘。

结构化数据录入：培训要求也很高，需要很多额外的人脑思维步骤。也就是需要大内存。由于有预先定义的模板，起到提醒的作用，不需要大硬盘。

这样分析，可以理清楚人机交互的每个步骤，也可以继续定义自变量和应变量。然后建立假设，根据自变量，应变量的关系，然后做个科研设计，采集一些数据，用统计方法验证假设，比较差异性，写写文章。比如：可以控制住一些自变量，然后观察用户行为，从而比较： 在传统结构化数据录入, 本体知识驱动型数据录入， 自由文本录入三者之间，是否某种方式数据质量会提高？再观察是否某种方式数据录入速度最快？

文章可以描述系统设计的先进性，可行性，局限性。

Semtek,你觉得呢？呵呵，你要的问题，我将基于三个系统中，这些变量的差异性，慢慢整理出来。当然，你也可以自己整理。

[ 本帖最后由 南京猿人 于 2007-5-12 04:43 编辑 ]

laotao

顶

[ 本帖最后由 laotao 于 2007-5-11 16:15 编辑 ]

南京猿人

第二种模式，从owl优点出发：

基于owl设计系统的优点包括：

Reuse and interoperability:
RDF and OWL models can be shared among applications and on the web

Flexibility:
RDF and OWL models can operate in an open environment in which classes can be defined dynamically

Consistency and Quality Checking across models

Reasoning:
OWL has rich expressivity supported by automated reasoning tools

待续

[ 本帖最后由 南京猿人 于 2007-5-11 16:52 编辑 ]