Another avenue for progress in GOMS

Another avenue for progress in GOMS modeling has been to implement
GOMS models within more complex computational cognitive architectures,
such as Soar and ACT-RPM (Anderson and Lebiere, 1998; Pew and Gluck, 2004).
These architectures are embodied in software systems that model cognitive,
motor, and perceptual processes, but these models inherit the limitations of
GOMS models, predicting only skilled user execution time for familiar tasks. A
current goal is to employ these architectures to predict a broader spectrum of
human performance, including learning time, errors, performance under stress,
and retention over time.

ผลลัพธ์ (ไทย) 1:

อเวนิวอื่นสำหรับความคืบหน้าในการสร้างโมเดลควาทเคยใช้รุ่นควาทภายในสถาปัตยกรรมคอมพิวเตอร์รับรู้ซับซ้อนพระราชบัญญัติ-RPM (แอนเดอร์สันและ Lebiere, 1998 และทะยาน พิวก Gluck, 2004)สถาปัตยกรรมเหล่านี้ได้รวบรวมไว้ในระบบซอฟต์แวร์ที่จำลองการรับรู้มอเตอร์ และกระบวนการ perceptual แต่รุ่นนี้ข้อจำกัดของการสืบทอดรุ่นควาท คาดการณ์เฉพาะผู้เชี่ยวชาญดำเนินการเวลาสำหรับงานที่คุ้นเคย Aเป้าหมายปัจจุบันจะใช้สถาปัตยกรรมเหล่านี้เพื่อทำนายสเปกตรัมกว้างของมนุษย์ประสิทธิภาพ รวมถึงการเรียนรู้เวลา ผิดพลาด ความเครียด ประสิทธิภาพการทำงานและรักษาเวลา

ผลลัพธ์ (ไทย) 2:

อเวนิวอีกสำหรับความคืบหน้าในการสร้างแบบจำลอง GOMS
ได้รับการดำเนินการรูปแบบGOMS
ภายในสถาปัตยกรรมองค์ความรู้ที่ซับซ้อนมากขึ้นการคำนวณเช่นทะยานและACT-RPM (แอนเดอ Lebiere, 1998; Pew และกลุค, 2004).
สถาปัตยกรรมเหล่านี้จะถูกรวบรวมไว้ในระบบซอฟต์แวร์ที่รูปแบบ องค์ความรู้,
มอเตอร์และกระบวนการการรับรู้ แต่รูปแบบเหล่านี้สืบทอดข้อ จำกัด
ของรุ่นGOMS ทำนายผู้ที่มีทักษะเฉพาะเวลาการดำเนินงานที่คุ้นเคย เป้าหมายปัจจุบันที่จะจ้างงานสถาปัตยกรรมเหล่านี้ที่จะคาดการณ์คลื่นความถี่ที่กว้างขึ้นของประสิทธิภาพการทำงานของมนุษย์รวมทั้งเวลาการเรียนรู้ข้อผิดพลาดของผลการดำเนินงานภายใต้ความเครียดและการเก็บรักษาเมื่อเวลาผ่านไป