3783 Αλληλεπίδραση Ανθρώπου-Υπολογιστή

    Μάθημα Επιλογής, Η’ εξάμηνο, 6 μονάδες ECTS

    URL: https://eclass.aueb.gr/courses/INF144/

    Διδάσκων: Καθηγητής Α’ βαθμίδας Ίων (Ιωάννης) Ανδρουτσόπουλος      

    Περιεχόμενο

    Εισαγωγή στην Αλληλεπίδραση Ανθρώπου-Υπολογιστή. Ευχρηστία διαδραστικών συστημάτων. Γνωστικά μοντέλα, μνήμη, αντίληψη, προσοχή, αυτόματες διεργασίες, σενάρια, μεταφορές, δομικά και λειτουργικά μοντέλα. Είδη αλληλεπίδρασης: γραμμή εντολών, κατάλογοι επιλογής, φόρμες, απευθείας χειρισμός, εικονικοί κόσμοι, φυσική γλώσσα, χειρονομίες, πολυτροπικές διεπαφές, φυσικές διεπαφές, συστήματα υποστήριξης συνεργασίας, κοινωνικά δίκτυα, διεπαφές για ανθρώπους με ειδικές ανάγκες. Ανάπτυξη διαδραστικών συστημάτων: μοντέλο καταρράκτη, ελικοειδές μοντέλο, αρχές ανθρωποκεντρικής ανάπτυξης, αστεροειδές μοντέλο, μοντέλο LUCID, μελέτη χρηστών και περιβάλλοντος, ανάλυση εργασιών. Οδηγίες σχεδιασμού διεπαφών χρήστη: κανόνες σχεδιασμού, παραδείγματα σφαλμάτων, οδηγίες σχεδιασμού ιστοτόπων. Αξιολόγηση διαδραστικών συστημάτων: διαμορφωτική και συμπερασματική αξιολόγηση, μοντέλα ανάλυσης πληκτρολογήσεων, γνωστικό περιδιάβασμα, επιθεώρηση ευχρηστίας, μετρήσεις επίδοσης, απόδοσης, ικανοποίησης, ομιλούντα υποκείμενα, καταγραφή ενεργειών, συνεντεύξεις, ερωτηματολόγια, μελέτη πεδίου. Ανάπτυξη διαδραστικών εφαρμογών φορητών συσκευών: παραδείγματα, καλές και κακές πρακτικές, εργαλεία. Εισαγωγή στην τεχνολογία φυσικής γλώσσας, γλωσσικά μοντέλα n-γραμμάτων και εφαρμογές στη διόρθωση κειμένου και τα έξυπνα πληκτρολόγια, συντακτική και σημασιολογική ανάλυση φυσικής γλώσσας με γραμματικές, επεξεργασία φυσικής γλώσσας με γραμμικά μοντέλα παλινδρόμησης και κατηγοριοποίησης, με πολυ-επίπεδα Perception (Multi-Layer Perceptrons, MLPs), με ανατροφοδοτούμενα νευρωνικά δίκτυα (Recurrent Neural Networks, RNNs), συστήματα προφορικών διαλόγων. Συνελικτικά νευρωνικά δίκτυα (Convolutional Neural Networks, CNNs) και εφαρμογές τους στην υπολογιστική όραση.

    Μαθησιακά Αποτελέσματα

    Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:

    • Να περιγράφουν τα κυριότερα είδη διεπαφών χρήστη και μεθόδους σχεδιασμού, υλοποίησης και αξιολόγησης διαδραστικών υπολογιστικών συστημάτων.
    • Να σχεδιάζουν, να υλοποιούν και να αξιολογούν διεπαφές χρήστη, αποδίδοντας κεντρική σημασία στις ανάγκες, τις ικανότητες και τις προτιμήσεις των χρηστών.
    • Να περιγράφουν και να μπορούν να εφαρμόζουν σε διεπαφές χρήστη βασικές έννοιες υπολογιστικής όρασης.
    • Να περιγράφουν και να μπορούν να εφαρμόζουν σε διεπαφές χρήστη βασικές έννοιες τεχνολογίας φυσικής γλώσσας.

    Προαπαιτούμενα Μαθήματα

    Για να εγγραφεί στο μάθημα, ο φοιτητής πρέπει να έχει εξεταστεί επιτυχώς σε προηγούμενο εξάμηνο είτε στο μάθημα «Εισαγωγή στον Προγραμματισμό Υπολογιστών» είτε στο «Προγραμματισμός Υπολογιστών με JAVA» είτε στο μάθημα «Τεχνητή Νοημοσύνη». Όμως, συνιστάται στους φοιτητές να έχουν εξεταστεί επιτυχώς σε προηγούμενο εξάμηνο και στα τρία αυτά μαθήματα καθώς και στα μαθήματα «Προγραμματισμός Υπολογιστών με C++», «Μαθηματικά Ι», «Μαθηματικά ΙΙ», «Πιθανότητες».

    Συνιστώμενη Βιβλιογραφία

    • «Εισαγωγή στην Αλληλεπίδραση Ανθρώπου-Υπολογιστή», Ν. Αβούρης, Χ. Κατσάνος, Ν. Τσέλιος και Κ. Μουστάκας, Εκδόσεις Πανεπιστημίου Πατρών, 2016.
    • «Διεπαφή Χρήστη-Υπολογιστή: Μια Σύγχρονη Προσέγγιση», Δ. Ακουμιανάκης, Κλειδάριθμος, 2006.
    • «Αλληλεπίδραση Ανθρώπου-Υπολογιστή», Π. Κουτσαμπάσης, Κλειδάριθμος, 2011.

    Διδακτικές και Μαθησιακές Μέθοδοι

    Διαλέξεις (2 διαλέξεις των 2 ωρών εβδομαδιαίως), εργ. ασκ. και φροντιστήριο (2 ώρες εβδομαδιαίως), ομαδικές ασκ. κατ’ οίκον.

    Μέθοδοι Αξιολόγησης/Βαθμολόγησης

    Οι φοιτητές βαθμολογούνται μέσω τελικών γραπτών εξετάσεων (60% του τελικού βαθμού) και μίας υποχρεωτικής ομαδικής εργασίας (40% του τελικού βαθμού). Η βαθμολόγηση των εργασιών συμπεριλαμβάνει ατομική προφορική εξέταση. Ειδικά αν ο βαθμός των γραπτών εξετάσεων είναι μικρότερος του 4, οι βαθμοί των εργασιών δεν προσμετρώνται και ο τελικός βαθμός ισούται με το βαθμό των γραπτών εξετάσεων.