UE设计中如何衡量用户界面的可学习性

要测量可学习性，请确定指标，收集数据并在直线曲线上绘制平均值。通过查看学习曲线的斜率和平稳度来分析学习曲线。

什么是学习能力？

可学习性是可用性的五个质量组成部分之一（其他是效率，易记性，错误和满意度）。测试可学习性对于用户经常访问的复杂应用程序和系统特别有价值，尽管知道用户能够以多快的速度适应您的界面对于即使是客观简单的系统也很有价值。

可学习性考虑的是，用户第一次遇到界面时完成任务有多容易，以及重复多少次才能使用户高效地完成该任务。

在可学习性研究中，我们希望产生一条学习曲线，该曲线揭示人类行为的量化方面的纵向变化。利用学习曲线中的数据，我们可以确定用户达到饱和状态需要多长时间-图表数据中的平稳状态告诉我们用户已尽可能多地了解界面。

例如，假设我们正在重新设计一个旨在由IT管理员定期运行的企业文件备份应用程序。我们假设用户将足够频繁地使用该应用程序，以使他们逐步学习。对于此类应用程序，至关重要的是用户必须能够尽快完成其工作。在这种情况下，可学习性研究将确定管理员学习有效运行备份的速度。我们招募了几位代表性用户，并邀请他们参加实验室。然后，我们要求他们执行备份并测量他们第一次执行备份需要多长时间。接下来，我们要求他们回到实验室并第二次执行任务-再次测量他们的任务完成时间。此过程重复多次。 

在六个试验中，平均任务完成时间减少了，在第四次试验中达到了饱和点，这是学习曲线。

该学习曲线显示了备份的假设完成时间与任务重复（或试验）次数的关系。请注意，第一次重复的时间最长，然后完成时间减少了-通过试验4，它趋于平稳，达到饱和平台。尽管具体情况（例如需要达到多少重复次数）会因情况而异，但是该学习曲线可以代表所有人类学习。

学习能力与效率

可学习性分为3个不同方面，每个方面对不同类型的用户都很重要：

• 初次使用的易学性：初次尝试使用设计有多容易？对于那些只执行一次任务的用户，这方面的可学习性是他们感兴趣的。这些用户不会继续学习曲线，因此他们不在乎它的外观。

• 学习曲线的陡峭性：人们重复使用设计会在多快的时间内变得更好？对于那些会多次使用设计的用户，即使他们不会过度使用它，可学习性的这一方面尤为重要。如果人们觉得自己在进步，并且在使用您的系统方面越来越好，他们就会被激励坚持使用它。（相反，如果人们觉得情况几乎没有好转，无论他们如何努力，他们都会开始寻找更好的解决方案。）

• 终极平台的效率：一旦完全了解如何使用该接口，用户可以达到多少生产率？对于经常和长期需要使用该系统的人来说，这方面尤其重要-例如，当它是执行重要日常任务的主要工具时。

当然，理想情况下，您的系统应该在所有三个方面都表现良好。但是，在现实世界中，经常需要进行设计权衡，并且您应该调整学习曲线，以便主要迎合那些具有最高业务价值的用户。

这些维度的相对重要性还取决于用户生活的各个阶段。新用户希望能够快速学习系统并尽快达到最佳（平稳）性能点，但是专家用户希望平稳状态尽可能低（即，最佳任务时间尽可能短）。

有时，这些不同的可学习性属性可能会将设计拉向不同的方向。例如，一个可学习的系统并不总是有效的。回到我们的示例，让我们假设备份是通过逐步向导完成的工作流程中有很多说明和解释。该系统可能是高度易学的：即使首次完成任务，用户也可能能够尽快执行任务。但是曲线几乎是平坦的：第二次他们将无法更快地执行它，因为他们将需要经过相同的屏幕并回答相同的问题。随着用户对界面的熟悉，这种设计将感觉像是手握，并且效率低下，无法重复使用。（因此，我们建议为专家用户实现加速器或过程快捷方式。）设计人员必须谨慎地兼顾学习性和效率。

在所有六个试验中，平均任务完成时间均相同的学习曲线。

该学习曲线显示了具有向导流的备份应用程序的假设完成时间，该完成时间是任务重复（或试用）次数的函数。请注意，尽管试验次数有所增加，但任务时间保持稳定在16分钟左右。该系统是可学习的，但效率不高。

为什么要衡量学习能力？

高学习性有助于可用性。这样可以快速启动系统，从而降低培训成本。另外，良好的学习能力可导致很高的满意度，因为用户会对自己的能力充满信心。

如果您的系统和相应的任务很复杂，并且用户经常访问这些任务，那么您的产品可能是学习性研究的一个好案例。可学习性研究既耗时又耗费预算，因此请不要随意将它们介绍给利益相关者。测量用户不经常或一次完成的任务的易学性（例如，注册服务或缴纳年度税）是没有意义的，因为每次用户遇到任务时，他们的行为很可能像新用户一样。在这些情况下，标准的可用性测试比可学习性研究更适合且更具成本效益。

运行可学习性研究

在可学习性研究中，我们专注于收集指标，这就是为什么我们转向定量研究方法的原因。这类研究需要重点关注的任务和受控实验，因此定量可用性测试最适合研究系统可学习性。

参加者

在进行此类研究时，我们试图确定人们学习我们的界面的难易程度。因此，重要的一点是，要收集很少或没有经验的参与者使用他们将要测试的系统。

关于测试可学习性的一个考虑因素是类似系统的先验经验。先前的经验可能会帮助用户（例如，因为他们可能已经熟悉域约定）或放慢了速度（例如，因为他们可能遭受变更厌恶）。但是，这些数据仍然很有价值，尤其是在启动新产品以使客户从现有产品中抢走的时候。如果适用，征集参与者没有类似的系统经验，并参加一些类似的系统经验，并计划将对应的两组数据。

对于任何定量研究，我们建议您招募大量参与者（通常至少30-40）。确切的数目将取决于您任务的复杂性，其中高度复杂的任务需要更多的参与者来解决固有的更高的数据可变性，而简单的任务则需要更少的参与者。

步骤1：确定指标

上班时间是学习性研究中最常用的指标。原因是学习的幂定律，该定律说完成任务所需的时间随着任务重复次数的减少而减少。本文的其余部分将假定您正在收集工作时间作为主要指标。

根据您的系统，完成任务的时间可能不相关，因此您需要一个不同的指标。在这些情况下，请考虑收集用户为给定任务所犯的错误数量。

第2步：确定试用次数

下一步包括确定收集这些指标的频率-每个数据收集实例都称为试验。

请记住，我们正在尝试绘制随时间变化的指标，因此我们需要让相同的参与者多次完成相同的任务。我们建议您重复试验，直到 达到平稳状态。曲线变平表示我们的参与者已尽可能了解该系统（特定于此任务）。

在考虑试验时，您可能会问两个问题：我应该进行多少次试验？审判应该相距多远？这两个问题的答案取决于您的情况。

要预测用户达到饱和学习点所需的试验次数，请考虑系统的复杂性。首先，请考虑5-10次试用，但是有疑问时，请计划比您认为所需的更多的试用，原因有两个：（1）您要确保达到稳定的性能；（2）一旦确定达到了稳定的性能点，取消可用性会话通常比安排更多时间更容易。

如果您想知道两次试用之间需要多少时间，请考虑预期客户使用该产品的频率，并尽可能地匹配该间隔。对于用户每天或每周执行几次的任务，您可以连续几天进行试用。但是对于每月执行一次的任务，您可能需要在两次试用之间留出4周的时间。  

步骤3：收集并绘制数据

请记住，每个试验都招募相同的参与者，并让他们在每个试验中完成相同的任务。（这与通常的情况不同，在正常情况下，您希望不同的测试用户研究设计的不同迭代。）您可能需要运行可学习性研究并测试多个任务。在这种情况下，请确保随机分配任务，以免影响结果。在研究中，用户将他们从一项任务中学到的知识应用到将来的任务中；任务随机化有助于减轻这种影响。

对于每个任务，计算每个试验的度量平均值，并将其绘制在带有标记轴的线图中。通过绘制每个试验的数据，您将获得该任务的学习曲线。

步骤4：分析曲线

与任何定量研究一样，您将需要分析数据的统计意义。换句话说，您将必须研究试用效果是否确实显着-即，您在学习曲线中看到的下降是真实的还是仅仅是数据噪声的结果。通常，所涉及的统计方法将非常简单- 以试验为因素的单向重复测量ANOVA。

完成分析后（大概发现试验效果显着），请考虑一下大局：学习曲线的斜率是多少？难以学习的界面在曲线上的下降相对较小，需要进行多次尝试才能达到饱和点。可替代地，高度可学习的系统具有陡峭的曲线，并迅速下降并在重复几次之后达到饱和点。

例如，在我们原始的文件备份示例中，用户进行了4次试用才能达到饱和状态并变得高效。这似乎可以接受。另一方面，如果他们花了30次尝试才能达到同一点，则学习性可能太低。

此外，请考虑最终效率：用户学会了如何执行任务后，将花费10分钟的时间，这是否可以接受？答案可能取决于竞争对手产品的数量。如果竞争分析不可行，您还可以将调查结果与成本和投资回报率进行比较。如果管理员每天花费10分钟以最佳方式完成备份任务并每天执行一年，则总计3650分钟或大约60小时。每小时花费100美元，这意味着该公司将花费6000美元来完成备份。该数量是否可以接受或可能需要降低（通过改进设计）将取决于每种产品的具体情况。

结论

产品的易学性告诉我们，用户如何快速使用该产品达到最佳行为。衡量相对频繁使用的UI的可学习性很重要。可学习性研究涉及对完成相同任务的相同参与者的重复测量。可学习性研究的结果是一条学习曲线，它将发现需要重复多少次才能使用户有效地完成任务。

即使您没有进行完整的可学习性研究项目来绘制完整的学习曲线，思考这些概念也将帮助您做出权衡决策，以设计针对您最重要的客户的产品。