Artefakt-Analyse

Die Kruithof-Kurve ist ein empirisches Diagramm aus der Psychophysik, das einen Bereich von Beleuchtungsstärken und Farbtemperaturen abgrenzt, die als angenehm oder angenehm empfunden werden. Sie geht davon aus, dass Menschen bei schwacher Beleuchtung wärmere Farbtemperaturen (eher rötlich/gelblich) bevorzugen, während bei hoher Beleuchtungsstärke kühlere Farbtemperaturen (eher bläulich) bevorzugt werden. Lichtverhältnisse außerhalb dieses Bereichs können unnatürlich oder unangenehm empfunden werden.

Eine Designphilosophie und ein iterativer Prozess, bei dem die Bedürfnisse, Wünsche und Einschränkungen der Endnutzer in jeder Phase des Designprozesses umfassend berücksichtigt werden. UCD zielt darauf ab, Produkte zu entwickeln, die eine hohe Benutzerfreundlichkeit und Zugänglichkeit bieten, indem die Nutzer während des gesamten Designzyklus durch Forschung, Tests und Feedback einbezogen werden, anstatt sich ausschließlich auf die Annahmen des Designers zu verlassen.

ACT-R (Adaptive Control of Thought—Rational) ist eine kognitive Architektur, die die grundlegenden, unveränderlichen Strukturen des menschlichen Geistes definiert. Sie modelliert Kognition als eine Menge unabhängiger Module, wie beispielsweise des perzeptuellen, motorischen und deklarativen Gedächtnisses, die über ein zentrales Produktionssystem interagieren. Informationen werden in Puffern gespeichert, und Produktionsregeln werden aktiviert, um diese Informationen zu verarbeiten und so menschliche Problemlösungs- und Lernprozesse zu simulieren.

Bayessche Modelle der Kognition betrachten den Verstand als probabilistische Inferenzmaschine. Dieser Ansatz geht davon aus, dass das Gehirn Wissen als Wahrscheinlichkeitsverteilungen darstellt und diese Überzeugungen bei Erhalt neuer Erkenntnisse gemäß dem Bayes-Theorem aktualisiert. Er modelliert Wahrnehmung, Lernen und Denken als optimale oder nahezu optimale statistische Inferenz unter Unsicherheit und bietet so einen einheitlichen mathematischen Rahmen für viele kognitive Funktionen.

Symbolische kognitive Modelle basieren auf dem Prinzip, dass Kognition Berechnungen sind, die die Manipulation von Symbolen beinhalten. Diese Modelle nutzen explizite Repräsentationen auf höherer Ebene wie Propositionen, Schemata und Regeln (z. B. Wenn-Dann-Aussagen), um strukturierte Denkprozesse wie logisches Denken, Sprachgebrauch und Problemlösung zu simulieren. Sie bilden die Grundlage der klassischen künstlichen Intelligenz, oft auch als „gute alte KI“ (GOFAI) bezeichnet.

Die System Usability Scale (SUS) ist ein weit verbreiteter, zuverlässiger Fragebogen mit 10 Fragen zur Bewertung der wahrgenommenen Benutzerfreundlichkeit. Benutzer bewerten jede Aussage auf einer 5-stufigen Likert-Skala. Die Antworten werden dann in einen einzigen Wert von 0 bis 100 umgewandelt. Trotz seiner Einfachheit bietet der SUS eine schnelle und zuverlässige Messung der allgemeinen Benutzerfreundlichkeit eines Systems aus subjektiver Sicht des Benutzers.

Konnektionistische Modelle, auch bekannt als parallele verteilte Verarbeitung (PDP) oder künstliche neuronale Netze, stellen kognitive Prozesse als Interaktionen zwischen vielen einfachen, miteinander verbundenen Verarbeitungseinheiten, sogenannten Knoten, dar. Wissen wird nicht an einem expliziten Ort gespeichert, sondern ist in den Verbindungsgewichten zwischen diesen Einheiten verteilt. Lernen erfolgt durch Anpassen dieser Gewichte, häufig mithilfe von Algorithmen wie der Backpropagation, wodurch Mustererkennung und Funktionsapproximation ermöglicht werden.