ユーザーモデリング - 百科事典

ユーザーモデリングは、ユーザーに対する概念的理解を構築し、修正するプロセスを記述する人間-コンピュータ相互作用の分野です。ユーザーモデリングの主な目的は、システムをユーザーの特定のニーズにカスタマイズおよび適応することです。システムは「適切な時に適切な方法で「適切な言葉」を述べる」必要があります。これを実現するためには、ユーザーの内部表現が必要です。もう一つの一般的な目的は、自動ソフトウェアテストに使用する特定の種類のユーザーをモデル化することで、スキルや宣言的な知識をモデル化することです。したがって、ユーザーモデルはユーザーテストのより経済的な代替手段として機能できますが、ユーザーテストに代わるものではありません。

背景
ユーザーモデルは、特定のユーザーに関連する個別データの収集と分類です。ユーザーモデルは、特定の個々のユーザーに関する特定の特徴をキャプチャするために使用される（データ）構造であり、ユーザープロファイルは特定のユーザーモデルにおける実際の表現です。ユーザープロファイルの取得プロセスはユーザーモデリングと呼ばれます。したがって、それはシステムの動作に対する適応的な変更の基盤です。モデルに含まれるデータは、アプリケーションの目的に依存します。それには、ユーザーの名前や年齢などの個人情報、興味、スキルと知識、目標と計画、好みや嫌い、行動やシステムとの相互作用に関するデータが含まれることがあります。ユーザーモデルには、しばしばその組み合わせが使用されるさまざまなデザインパターンがあります。

静的ユーザーモデル
静的ユーザーモデルは最も基本的な種類のユーザーモデルです。主要データが収集されると、通常は変更されません。これらは静的です。ユーザーの好みの変化は記録されず、モデルを変更するために学習アルゴリズムは使用されません。

動的ユーザーモデル
動的ユーザーモデルは、ユーザーのより最新の表現を許可します。彼らの興味や学習進捗、システムとの相互作用の変化が認識され、ユーザーモデルに影響を与えます。したがって、モデルは更新され、ユーザーの現在のニーズと目標を考慮して対応します。

ステレオタイプに基づくユーザーモデル
ステレオタイプに基づくユーザーモデルは、人口統計に基づいています。収集された情報に基づいて、ユーザーは一般的なステレオタイプに分類されます。システムはそのステレオタイプに適応します。したがって、アプリケーションは特定の領域に関するデータがなくてもユーザーについて仮定を立てることができます。なぜなら、人口統計研究では、このステレオタイプの他のユーザーが同じ特徴を持っていることが示されているからです。したがって、ステレオタイプに基づくユーザーモデルは主に統計に依存し、個別の属性がステレオタイプに一致しない可能性があることを考慮しません。しかし、ユーザーに関する情報が非常に少ない場合でも、ユーザーについての予測を行うことができます。

非常に適応性のあるユーザーモデル
非常に適応性のあるユーザーモデルは、特定のユーザーを表現しようと試み、したがって、システムの非常に高い適応性を許可します。ステレオタイプに基づくユーザーモデルとは対照的に、彼らは人口統計統計に依存せず、各ユーザーに対する特定の解決策を見つけることを目指します。ユーザーはこの高い適応性から大きな利益を得ることができますが、この種のモデルはまず多くの情報を収集する必要があります。

データ収集
ユーザーに関する情報は、いくつかの方法で収集できます。主な方法は以下の3つです。

システムとの（最初の）相互作用中に特定の事実を尋ねる
この種のデータ収集は、主に登録プロセスに関連しています。登録中にユーザーは特定の事実、好みや嫌い、ニーズについて尋ねられます。よく与えられた答えは後で変更できます。

ユーザーの好みをシステムとの相互作用を観察し、解釈することで学習する
この場合、ユーザーは直接個人情報や好みについて尋ねられず、この情報はシステムとの相互作用中の行動から導き出されます。タスクを完了する方法、興味を持つものの組み合わせ、これらの観察が特定のユーザーに関する推測を許可します。アプリケーションはこれらの相互作用を観察することで動的に学習します。異なる機械学習アルゴリズムがこのタスクを実行するために使用されます。

明示的なフィードバックを求め、適応的な学習によりユーザーモデルを変更するハイブリッドアプローチ
このアプローチは上記のものの組み合わせです。ユーザーは特定の質問に答え、明示的なフィードバックを提供する必要があります。さらに、彼らのシステムとの相互作用が観察され、導き出された情報がユーザーモデルを自動的に調整するために使用されます。

最初の方法は主要データを迅速に収集する良い方法ですが、ユーザーの興味の変化に自動的に適応する能力がありません。これはユーザーが情報を提供する準備ができているかどうかに依存し、登録プロセスが終了した後で答えを編集することは考えられません。したがって、ユーザーモデルが最新のものではない可能性が高いです。しかし、この最初の方法は、ユーザーが自分に関する収集されたデータに対して完全なコントロールを持ち、提供したい情報を選択する決定権をユーザーに与えます。この可能性は第2の方法にはありません。ユーザーの行動を解釈することでユーザーの好みやニーズを学習するシステムが適応的な変更を行う場合、ユーザーにとって透明性に欠けることがあります。なぜなら、ユーザーはシステムがどのように行動するかを完全に理解したり再構築したりできないからです。さらに、システムはユーザーのニーズを必要な精度で予測するためにまず一定量のデータを収集する必要があります。したがって、ユーザーが適応的な変更から利益を得るには、ある程度の学習時間が必要です。しかし、その後、これらの自動的に調整されたユーザーモデルはシステムの非常に高い適応性を許可します。ハイブリッドアプローチは、両方の方法の利点を組み合わせることを試みます。ユーザーに直接データを収集することで、適応的な変更に使用できる最初の情報のストックを収集します。ユーザーの相互作用から学習することで、ユーザーモデルを調整し、より高い精度を達成します。しかし、システムのデザイナーは、どの情報がどの程度の影響を与えるか、ユーザーが提供した情報と矛盾する学習データに対してどう対応するかを決定する必要があります。

システムの適応
システムがユーザーに関する情報を収集したら、設定された分析アルゴリズムでそのデータを評価し、ユーザーのニーズに適応し始めることができます。これらの適応はシステムの行動の全ての側面に関連し、システムの目的に依存します。情報や機能はユーザーの興味、知識、目標に応じて表示され、ユーザーが必要でない情報を隠し、次に何をすべきかの提案を行うなど、関連する機能のみを表示します。適応的なシステムと適応可能なシステムの間を区別する必要があります。適応可能なシステムでは、ユーザーはアクティブにオプションを選択することで、システムの外観、動作、機能を手動で変更できます。その後、システムはこれらの選択に従います。適応的なシステムでは、構築されたユーザーモデルに基づいてユーザーに対する動的な適応が自動的に行われます。したがって、適応的なシステムはユーザーに関する情報を解釈する方法が必要です。これを行う一つの方法は、ルールに基づくフィルタリングの実装です。この場合、システムの知識ベースをカバーするIF... THEN...ルールのセットが確立されます。IF条件は特定のユーザー情報をチェックし、一致する場合、THEN枝が実行され、適応的な変更を担当します。もう一つのアプローチは協力フィルタリングに基づいています。この場合、ユーザーの情報は同じシステムの他のユーザーの情報と比較されます。したがって、現在のユーザーの特徴が他のユーザーの特徴と一致する場合、システムは現在のユーザーについて仮定し、モデルがデータが不足している領域で他のユーザーと似た特徴を持っている可能性があると仮定します。これらの仮定に基づいて、システムは適応的な変更を行います。

使用例
適応型ハイパーメディア：適応型ハイパーメディアシステムでは、表示されるコンテンツや提供されるハイパーリンクが、ユーザーの特定の特徴に基づいて選択され、彼らの目標、興味、知識、能力を考慮します。したがって、適応型ハイパーメディアシステムは「ハイパースペースで迷子になる」シンドロームを減少させることを目的として、関連する情報のみを表示することを目指します。

適応型教育ハイパーメディア：適応型ハイパーメディアの一部として、適応型教育ハイパーメディアの主な焦点は教育であり、ユーザーの学習領域に関する知識に対応するコンテンツやハイパーリンクを表示します。

インテリジェントチュートリングシステム：適応型教育ハイパーメディアシステムとは異なり、インテリジェントチュートリングシステムは独立したシステムです。彼らの目的は、特定の学習領域で学生を支援することです。これを実現するためには、ユーザーの能力、知識、ニーズに関する情報を保存するユーザーモデルを構築します。システムは、適切な練習や例を表示し、ユーザーが必要とすると考えられる場所でヒントや助けを提供することで、このユーザーに適応します。

専門家システム：専門家システムは、特定の領域でユーザーが問題を解決するのを支援するために、人間の専門家の意思決定能力を模倣するコンピュータシステムです。彼らはステップバイステップで質問をし、現在の問題を特定し、解決策を見つけます。ユーザーモデルは、専門家と初心者を区別し、現在のユーザーの知識に基づいて適応します。したがって、システムは経験豊富なユーザーが複雑な質問を理解し、答えることができると仮定し、ユーザーに表示される用語や質問の種類を調整し、解決策を見つけるためのステップを減少させます。

推薦システム：推薦システムの基本的なアイデアは、ユーザーのニーズに最も適したアイテムの選択をユーザーに提供することです。この選択は、ユーザーがブックマーク、評価、購入、最近視聴したなど、特定のアイテムに基づいて行われます。推薦システムは、eコマースだけでなく、ソーシャルネットワーク、ウェブサイト、ニュースなど、さまざまな分野で使用されます。

ユーザーシミュレーション：ユーザーモデリングがシステムが特定のユーザーに関する内部表現を保持できることを許可するため、異なる種類のユーザーを人工的にモデル化することで、さまざまなタイプのユーザーをシミュレートできます。一般的なタイプは「専門家」や「初心者」など、システムの範囲やシステムの使用方法に関するものです。これらの特徴に基づいて、ユーザーテストをシミュレートできます。ワシントン大学のSUPPLEプロジェクトやケンブリッジ大学のInclusive User Modelは、視覚、聴覚、運動障害を持つユーザーの相互作用をシミュレートします。

標準
コンピュータシステムでユーザーを表現するためのいくつかの表現形式と標準があります。

IMS-LIP（IMS - Learner Information Packaging、eラーニングで使用）
HR-XML（人材管理で使用）
JXDM（Global Justice Extensible Markupで使用）
Europass（Europassオンライン履歴書）

参考リンク
パーソナライゼーション
認知モデル
ユーザープロファイル
アイデンティティ管理

参考文献
[参考文献]

外部リファレンス
User Modeling and User-Adapted Interaction (UMUAI) The Journal of Personalization Research
CMUのCogToolプロジェクト
ユーザーモデル会議2007
ユーザーモデル会議2018
Hypertext 2018