리프팅-이동-모델(LMM)

크루이토프 곡선은 심리적 물리학에서 사용되는 경험적 그래프로, 사람들이 편안하거나 쾌적하다고 느끼는 조도와 색온도의 범위를 나타냅니다. 이 곡선은 낮은 조도에서는 따뜻한 색온도(붉은색/노란색 계열)를 선호하고, 높은 조도에서는 차가운 색온도(푸른색 계열)를 선호한다는 가설에 기반합니다. 이 범위를 벗어난 조명 조건은 부자연스럽거나 불쾌하게 느껴질 수 있습니다.

사용자 중심 설계(UCD)는 최종 사용자의 요구, 원하는 바, 그리고 제약 조건을 설계 과정의 각 단계에서 심도 있게 고려하는 설계 철학이자 반복적인 프로세스입니다. UCD는 설계자의 가정에만 의존하는 것이 아니라, 연구, 테스트, 피드백을 통해 설계 주기 전반에 걸쳐 사용자를 참여시켜 사용성과 접근성이 뛰어난 제품을 만드는 것을 목표로 합니다.

ACT-R(Adaptive Control of Thought—Rational)은 인간 정신의 기본적이고 고정된 구조를 정의하는 인지 아키텍처입니다. 이는 인지 과정을 지각, 운동, 서술 기억과 같은 독립적인 모듈들의 집합으로 모델링하며, 이 모듈들은 중앙 생성 시스템을 통해 상호 작용합니다. 정보는 버퍼에 저장되고, 생성 규칙이 실행되어 이 정보를 조작함으로써 인간의 문제 해결 및 학습 과정을 모방합니다.

베이지안 인지 모델은 마음을 확률적 추론 엔진으로 간주합니다. 이 접근 방식은 뇌가 지식을 확률 분포로 표현하고 베이즈 정리에 따라 새로운 증거를 받으면 이러한 믿음을 업데이트한다고 가정합니다. 베이지안 모델은 지각, 학습 및 추론을 불확실성 하에서의 최적 또는 거의 최적의 통계적 추론으로 모델링하여 다양한 인지 기능을 통합하는 수학적 틀을 제공합니다.

기호 인지 모델은 인지란 기호를 조작하는 연산이라는 원리에 기반합니다. 이러한 모델은 명제, 스키마, 규칙(예: IF-THEN 문)과 같은 고수준의 명시적 표현을 사용하여 논리적 추론, 언어 사용, 문제 해결과 같은 구조화된 사고 과정을 모방합니다. 이는 흔히 '구식 인공지능(GOFAI)'이라고 불리는 고전적 인공지능의 기초를 이룹니다.

시스템 사용성 척도(SUS)는 인지된 사용성을 평가하는 데 널리 사용되는 신뢰할 수 있는 10개 항목으로 구성된 설문지입니다. 사용자는 각 문항에 대해 5점 리커트 척도로 평가합니다. 응답은 0에서 100까지의 단일 점수로 변환됩니다. 단순해 보이지만, 사용자의 주관적인 관점에서 시스템의 전반적인 사용성을 빠르고 정확하게 측정할 수 있는 도구입니다.

병렬 분산 처리(PDP) 또는 인공 신경망이라고도 불리는 연결주의 모델은 인지 과정을 노드라고 불리는 여러 개의 단순하고 상호 연결된 처리 단위 간의 상호 작용으로 표현합니다. 지식은 명시적인 위치에 저장되는 것이 아니라 이러한 단위 간의 연결 가중치에 분산되어 저장됩니다. 학습은 역전파와 같은 알고리즘을 통해 이러한 가중치를 조정함으로써 이루어지며, 이를 통해 패턴 인식 및 함수 근사가 가능해집니다.