认知任务分析

克鲁伊特霍夫曲线是心理物理学中一个经验图表，它描绘了一段被认为舒适或赏心悦目的照度和色温区域。该曲线假设，在低光照水平下，人类更喜欢暖色温（偏红/偏黄），而在高光照水平下，人类更喜欢冷色温（偏蓝）。超出此范围的照明条件可能会让人感觉不自然或不舒服。

一种设计理念和迭代过程，在设计过程的每个阶段都充分关注最终用户的需求、愿望和局限性。UCD 旨在通过研究、测试和反馈，让用户参与整个设计周期，而非仅仅依赖设计师的假设，从而创造出高度可用且易于理解的产品。

ACT-R（理性思维自适应控制）是一种认知架构，它定义了人类思维的基本固定结构。它将认知建模为一组独立的模块，例如感知记忆、运动记忆和陈述性记忆，这些模块通过一个中央产生式系统进行交互。信息存储在缓冲区中，产生式规则触发以操作这些信息，从而模拟人类的问题解决和学习过程。

贝叶斯认知模型将心智构建为一个概率推理引擎。该方法假设大脑将知识表示为概率分布，并根据贝叶斯定理在接收到新证据时更新这些信念。它将感知、学习和推理建模为不确定性下的最优或近似最优统计推断，为许多认知功能提供了统一的数学框架。

符号认知模型基于这样的原则：认知是一种涉及符号操作的计算。这些模型利用命题、图式和规则（例如，IF-THEN语句）等高级的、显式的表征来模拟结构化的思维过程，例如逻辑推理、语言使用和问题解决。它们构成了经典人工智能的基础，经典人工智能通常被称为“传统人工智能”（GOFAI）。

系统可用性量表 (SUS) 是一个广泛使用且可靠的 10 项问卷，用于评估感知可用性。用户使用 5 点李克特量表对每个陈述进行评分。然后，答案会被转换为 0 到 100 的单一分数。尽管它很简单，但它能够从用户的主观角度快速而可靠地衡量系统的整体可用性。

连接主义模型，也称为并行分布式处理（PDP）或人工神经网络，将认知过程表示为许多称为节点的简单互连处理单元之间的交互。知识并非存储在显式的位置，而是分布在这些单元之间的连接权重中。学习是通过调整这些权重来实现的，通常使用反向传播等算法，从而实现模式识别和函数逼近。