Modelado de usuario

Un modelo de usuario es una colección y categorización de datos

personales asociados a un usuario específico.
Es la subdivisión de Interacción persona-computadora que
describe el proceso de crear y modificar un entendimiento
conceptual del usuario. Su principal objetivo es la personalización y
adaptación de los sistemas a las necesidades específicas del
usuario.
 La personalización: de contenidos es una técnica que trata
de eliminar la sobrecarga de información o infoxicación,
mediante la adaptación de los contenidos para cada tipo de
usuario.

 La adaptación: Una vez que el sistema ha recopilado

información sobre el usuario, puede evaluar los datos con
algoritmos analíticos y así comenzar a adaptarse a las
necesidades del usuario. Estas adaptaciones pueden incluir
todos los aspectos del comportamiento del sistema y depender
del propósito del mismo. La información y sus funciones
pueden ser presentadas en función de los intereses del
usuario, sus conocimientos o sus objetivos, mostrando solo las
características relevantes y escondiendo información que los
usuarios no necesitan.

El sistema necesita "decir la cosa 'correcta' en el momento

'correcto' de manera 'correcta'. Para hacerlo, necesita una
representación interna del usuario. Otro propósito común es
modelar tipos específicos de usuarios, incluyendo el modelado de
sus habilidades y conocimiento declarativo, para su uso en testing
automático de software.
Es la base de cualquier cambio adaptativo en el comportamiento
del sistema. Los datos incluidos en el modelo dependen del
propósito de la aplicación y puede incluir información personal como
el nombre o edad del usuario, sus intereses, sus habilidades y
conocimientos, sus objetivos y planes, sus preferencias o datos
sobre su comportamiento y sus interacciones con el sistema.
 Existen diferentes patrones de diseño, de modelos de usuario,
aunque a menudo se suele usar una mezcla de ellos.
Modelos de usuario estáticos
Los modelos de usuario estáticos son el tipo más básico. Una
vez los datos principales han sido recopilados, normalmente no
cambian, son estáticos. Los cambios en las preferencias de los
usuarios no son registrados, y no se aplican algoritmos de
aprendizaje para alterar el modelo.
Modelos dinámicos de usuario
Los modelos de usuario dinámicos permiten una representación
de los usuarios más actualizada. Cambios en sus intereses, su
proceso de aprendizaje o sus interacciones con el sistema son
registrados y ejercen influencia sobre los modelos del usuario. Los
modelos pueden ser actualizados y toman las necesidades y
objetivos del usuario actuales en cuenta.
Modelos de usuario basados en estereotipos
Los modelos de usuario basados en estereotipos están basados
en estadísticas demográficas. Los usuarios son clasificados en
diferentes estereotipos basados en la información recopilada,
entonces el sistema se adapta a este estereotipo. Por lo tanto, la
aplicación puede adaptarse al usuario aunque no haya datos sobre
un área concreta. Esto es así porque los estudios demográficos han
mostrado que otros usuarios del mismo estereotipo tienen las
mismas características. Como consecuencia, los modelos basados
en estereotipos se basan principalmente en estadísticas y no toman
en cuenta los atributos personales que podrían no encajar en el
estereotipo. Sin embargo, permiten hacer predicciones sobre un
usuario aunque haya poca información del mismo.
Modelos de usuario altamente adaptativos
Los modelos de usuario altamente adaptativos intentan
representar a un usuario particular y por lo tanto, permitir una gran
adaptación del sistema. A diferencia de los modelos basados en
estereotipos, no se basan en estadísticas demográficas, sino que
intentan encontrar una solución específica para cada usuario. A
pesar de que los usuarios pueden obtener un gran beneficio de
estos sistemas, este tipo de modelos requieren recopilar una gran
cantidad de información primero.
Recopilación de información.
Hay tres métodos principales:
 Preguntar sobre hechos concretos mientras se interactúa
con el sistema por primera vez.
La mayoría de la información se recopila durante el proceso de
registro. Mientras se registran, a los usuarios se les pide
información como sus gustos o necesidades. A menudo las
respuestas dadas pueden ser cambiadas más adelante.
 Aprender sobre las preferencias del usuario observando e
interpretando sus interacciones con el sistema.
En este caso, no se preguntan los datos personales ni las
preferencias a los usuarios directamente, sino que esta información
se deriva de su comportamiento mientras interactúa con el sistema.
Cosas como las diferentes formas en las que el usuario completa
tareas y sus intereses permiten realizar una inferencia sobre un
usuario específico. La aplicación aprende de forma dinámica
mientras observa estas interacciones. Diferentes algoritmos de
aprendizaje automático pueden ser usaros para complementar este
método.
 Un enfoque híbrido en el que se pregunta ppregunta sobre
ciertos hechos y se altera el modelo de usuario a través de
aprendizaje adaptativo.
Este enfoque es una mezcla de los anteriores. Los usuarios
tienen que responder preguntas específicas. Después, sus
interacciones con el sistema son observadas y la información
derivada es usada para ajustar los modelos de usuario
automáticamente.
Aunque el primer método es una buena manera de recopilar
rápidamente los datos principales, flaquea en la habilidad de
adaptarse automáticamente a los cambios de las preferencias e
intereses del usuario. Depende de la predisposición de los usuarios
para dar su información, y es poco probable que los usuarios
cambien sus respuestas una vez completado el proceso de registro.
Por lo tanto, existe una gran probabilidad de que los modelos de
usuario no estén actualizados. Sin embargo, el primer método
permite que los usuarios tengan un control total sobre los datos
recopilados sobre ellos, por lo que ellos deciden qué información
están dispuestos a otorgar.
Usos
Hipermedia adaptativa: En un sistema de hipermedia adaptativa
el contenido mostrado y los hiperlinks son elegidos en función de
las características específicas del usuario, teniendo en cuenta sus
características, objetivos, intereses, conocimiento y habilidades.
Estos sistemas intentan reducir el síndrome de "perdido en el
hiperespacio" presentando solo información relevante.
Hipermedia adaptativa educativa: Es una subdivisión de
hipermedia adaptativa. Su principal objetivo es la educación,
mostrando al usuario contenido e hiperlinks basándose en su
conocimiento de un campo de estudio en concreto.
Sistema de tutoría inteligente: son sistemas independientes.
Su objetivo es ayudar a los estudiantes en un campo de estudio
específico. Creando un modelo de usuario donde guardan
información sobre sus habilidades, conocimientos y necesidades. El
sistema puede entonces adaptarse al usuario presentándole
ejercicios, ejemplos y pistas que le ayudaran donde más lo
necesite.
Sistemas expertos: Los sistemas expertos son sistemas que
emulan la habilidad en la toma de decisiones de un experto
humano, para así ayudar al usuario a resolver un problema en un
área específica. Hacen preguntas paso a paso para identificar el
problema y encontrar una solución. Los modelos de usuario pueden
ser usados aquí para adaptarse al conocimiento actual del usuario,
diferenciando entre expertos y novatos
 Sistema de recomendación: La idea básica de un sistema de
recomendación es presentar una selección de opciones al usuario
que encajen con sus necesidades. La selección puede estar basada
en opciones que el usuario ha marcado, comprado, visto o
evaluado. Estos sistemas suelen usarse en e-commerce pero
también pueden cubrir áreas como redes sociales, sitios web,
noticias, etc.
Prueba de usabilidad: Ya que los sistemas de modelado de
usuario permiten al sistema mantener una representación interna de
un usuario específico, se pueden simular diferentes tipos de usuario
de forma artificial. Expertos y novatos suelen ser tipos comunes de
usuarios.