A Dataset and Post-Processing Method for Pointing Device Human-Machine Interface Evaluation

• Rocío Madou ^[1] ; Federico N. Guerrero ^[1] ; Enrique M. Spinelli ^[1]
  1. [1] Universidad Nacional de La Plata

     Universidad Nacional de La Plata

     Argentina

     
• Localización: Journal of Computer Science and Technology, ISSN-e 1666-6038, Vol. 23, Nº. 2, 2023
• Idioma: inglés
• Títulos paralelos:
  • Un Conjunto de Datos y Método de Post-Procesamiento para Evaluación de Interfaz Humano-Máquina de Dispositivos de Tipo Apuntador
• Enlaces
  • Texto completo
• Resumen
  • español

    La evaluación de interfaces humano-máquina (HMI) requiere métricas cuantitativas para definir la capacidad de una persona para lograr eficazmente sus objetivos utilizando la HMI. En particular, para las HMIs del tipo dispotivo apuntador como el ratón de la computadora, un experimento que cuantifica el movimiento al realizar selecciones repetitivas de objetivos permite definir una métrica útil conocida como rendimiento(TP) utilizando la prueba de la Ley de Fitts. En este trabajo, se presenta un conjunto de datos obtenido a partir de la aplicación de un protocolo automatizado, el cual está disponible públicamente a través de una plataforma en línea. También se presenta un método de post-procesamiento para obtener parámetros de rendimiento a partir del conjunto de datos, y sus resultados se utilizan para validar los datos en comparación con experimentos similares en la literatura.

  • English

    The evaluation of human-machine interfaces (HMI) requires quantitative metrics to define the ability of a person to effectively achieve their goals using the HMI. In particular, for pointing-device type HMIs such as the computer mouse, an experiment quantifying movement by performing repetitive target selections allows defining a useful metric known as throughput (TP) using the Fitts’ Law test. In this work, a dataset obtained from an automated protocol application is presented, which is made publicly available through an on-line platform. A post-processing method to obtain performance parameters from the dataset is also presented, and its output is used to validate the data against similar experiments in the literature.