طراحی کاربر محور برای نقشه های تعاملی: مطالعه موردی در تجزیه و تحلیل جرم

خلاصه

در این مقاله، ما به موضوع طراحی کاربر محور (UCD) برای نقشه‌برداری، GIScience و تجزیه و تحلیل بصری می‌پردازیم. نقشه های تعاملی در جامعه مدرن همه جا وجود دارند، با این حال اغلب آن طور که می توانند یا باید «کار می کنند» شکست می خورند. UCD فرآیند تضمین موفقیت رابط – مبتنی بر نقشه یا غیر آن – با جمع آوری ورودی و بازخورد از کاربران هدف در طول طراحی و توسعه رابط را توصیف می کند. ما به دو روش در گسترش ادبیات UCD برای نقشه‌های تعاملی مشارکت می‌کنیم. ابتدا، ما مفاهیم اصلی UCD را از نقشه‌برداری و زمینه‌های مرتبط ترکیب می‌کنیم، و همچنین ایده‌های جدیدی را ارائه می‌کنیم تا چارچوب‌ها و توصیه‌های موجود در مورد UCD نقشه‌های تعاملی را سازماندهی کنیم. دوم، ما در مورد فرآیند UCD مطالعه موردی برای GeoVISTA CrimeViz گزارش می‌کنیم، یک برنامه نقشه برداری تعاملی و مبتنی بر وب که از تجزیه و تحلیل بصری فعالیت های مجرمانه در فضا و زمان پشتیبانی می کند. مفهوم و رابط GeoVISTA CrimeViz به طور مکرر با کار کردن از طریق یک سری حلقه‌های کاربر → ابزار → قابلیت استفاده بهبود یافت که در آن کاربران هدف ورودی و بازخوردی را در مورد نیازها و طرح‌ها ( کاربر ) ارائه می‌کردند و باعث تجدیدنظر در مفهوم‌سازی و الزامات عملکردی رابط می‌شد ( ابزار ). و در نهایت منجر به مدل‌های جدید و نمونه‌های اولیه رابط ( قابلیت استفاده ) برای ارزیابی بیشتر توسط کاربران هدف ( کاربر…و غیره). با هم، بررسی پس‌زمینه و مطالعه موردی، راهنمایی‌هایی را برای استفاده از UCD در پروژه‌های نقشه‌برداری تعاملی ارائه می‌دهند و مزایای گنجاندن کاربران هدف را در طول طراحی و توسعه نشان می‌دهند.

کلید واژه ها:

نقشه های تعاملی ؛ طراحی کاربر محور ؛ قابلیت استفاده ؛ سودمندی ; ارزیابی رابط ؛ نقشه برداری جرم و جنایت ; کارتوگرافی ; GIScience ; تجزیه و تحلیل بصری

1. معرفی

ظهور یک رسانه دیجیتال و تعاملی تأثیر عمیقی بر روش‌های درک و درک نقشه‌ها و مفاهیم جغرافیایی فضا و مکان داشته است. برای بسیاری، نقشه های تعاملی اجتناب ناپذیر است: آنها در اتومبیل های ما، در تلفن های ما و در مکان های عمومی ما هستند. علاوه بر این، متخصصان در زمینه‌های مختلف، نقشه‌های تعاملی را به‌عنوان بخش جلویی سیستم‌های اطلاعاتی خود در نظر می‌گیرند، و زمانی که صرفاً برای نقشه‌نگاران و تحلیلگران GIS محفوظ بود، پرس‌وجوهای فضایی و تفاسیر نقشه را انجام می‌دهند. در ادامه از عبارت نقشه تعاملی استفاده می کنیمبرای گرفتن طیف گسترده ای از نقشه های وب یکباره، برنامه های کاربردی مبتنی بر نقشه، و سایر ابزارهای GIS یا تجسم که از نقشه دیجیتال به عنوان رابط قابل دستکاری اطلاعات جغرافیایی استفاده می کنند. احتمالاً، رنسانس «ژئو» در سراسر فرهنگ عامه و در بین حرفه‌ها حداقل تا حدی به دلیل فراگیر شدن نقشه‌های تعاملی است که از موقعیت مکانی آگاه، سازگار با موبایل و/یا مبتنی بر وب هستند. چشم انداز نقشه های تعاملی عالی است.

با این حال، همه نقشه‌های تعاملی آن‌طور که می‌توانند یا باید «کار نمی‌کنند». از آنجایی که عموم مردم از طریق قرار گرفتن در معرض نقشه های تعاملی (و تکیه بر) نقشه ها را بیشتر می شناسند، آنها به طور فزاینده ای از کاستی ها و شکست های این نقشه های تعاملی آگاه می شوند. شاید این نقشه‌های تعاملی اطلاعات جغرافیایی نادرست یا ناقص را به تصویر می‌کشند، مانند بحث‌هایی که در مورد انتشار اولیه نقشه‌های اپل منتشر شده است [ 1 ]]. شاید این نقشه‌های تعاملی، قراردادهای آزمایش‌شده با زمان طراحی نقشه‌کشی را نقض می‌کنند، که منجر به نمایش اطلاعاتی می‌شود که به‌طور نامناسب تعمیم داده می‌شوند، به‌طور نادرست عادی یا طبقه‌بندی می‌شوند، و به‌طور غیرمنطقی یا نامشخص نمادسازی می‌شوند. شاید یادگیری و استفاده از رابط کاربری نقشه دشوار باشد و شامل عملکردهای غیرمنتظره یا غیرمفید باشد که در مجموع منجر به تجربه کاربر ناکارآمد یا خسته کننده با نقشه تعاملی می شود. در نهایت، شاید این نقشه‌های تعاملی کاملاً خوب کار کنند، اما فقط برای گروه‌های کاربری خاص و وظایف خاص، و سایر کاربران هدف و سناریوهای موردی را پشتیبانی نمی‌کنند. در حالی که چشم انداز نقشه های تعاملی عالی است، اطمینان از “کارکرد” موفقیت آمیز آنها برای کاربران هدف همچنان چالشی برای طراحان و توسعه دهندگان است.

در اینجا، ما به طور مستقیم به موضوع موفقیت رابط ( به عنوان مثال ، آیا نقشه تعاملی کار می کند؟) از دیدگاه نقشه برداری، GIScience و تجزیه و تحلیل بصری می پردازیم. همانطور که در بالا اشاره شد، موفقیت رابط چیزی بیش از برنامه نویسی و اشکال زدایی است. این شامل مطالعه عمیق کاربران هدف و سناریوهای مورد استفاده پشتیبانی شده در طول طراحی است، با مراحل ارزیابی و بازنگری متعدد در فرآیند توسعه برنامه ریزی شده برای رسیدگی به این کاربران و استفاده کامل از موارد. بنابراین، تمرکز تحقیق ما بر فرآیند طراحی است که یک نقشه‌نگار باید در عمل دنبال کند، و از اصول اصلی طراحی کاربرمحور (از این پس “UCD” استفاده کرده و بر اساس آن بنا شود. UCDتمرکز اولیه و فعال بر نیازهای کاربر هنگام مفهوم‌سازی و پیاده‌سازی یک رابط [ 2 ]، با تأکید بر اصلاح تکراری برای سهولت استفاده و سودمندی رابط [ 3 ، 4 ] را توصیف می‌کند.

UCD به طور فزاینده ای برای نقشه های تعاملی توصیه شده است، به عنوان مثال، [ 5 ، 6 ، 7 ، 8 ، 9 ]، و در GIScience برای طراحی و ارزیابی کتابخانه های دیجیتال جغرافیایی [ 10 ]، ابزارهای ژئوتصویرسازی دسکتاپ [ 11 ، 12 ، اهرم استفاده شده است. 13 ، برنامه های نقشه برداری موبایل [ 14 ]، ابزارهای نقشه برداری مشارکتی [ 15 ، 16 ]، ابزارهای پشتیبانی تصمیم گیری فضایی [ 17 ]، محیط های مجازی [ 18 ، 19 ]، و برنامه های نقشه برداری وب [ 20 ،21 ، 22 ، 23 ]، در میان دیگران. با این حال، شواهد اولیه نشان می دهد که UCD ممکن است در عمل رایج نباشد، علی رغم تمایل کاربران نقشه های تعاملی برای مشارکت بیشتر در مفهوم سازی، ارزیابی و اصلاح سیستم های نقشه برداری تعاملی خود [ 24 ].]. دلایل انحراف از رویکرد کاربرمحور عبارتند از عدم دسترسی به کاربران هدف، کمبود زمان یا پول برای مشارکت دادن کاربران، پتانسیل خزش ویژگی ها، و حتی اعتقاد کلی طراحان و توسعه دهندگان مبنی بر اینکه آنها بهتر می دانند. با این حال، رویکرد کاربر محور اغلب منابع پروژه را به جای هدر دادن آنها ذخیره می کند، زیرا ایجاد تغییرات اساسی در نقشه تعاملی پس از استقرار آن نسبت به مراحل اولیه طراحی مفهومی و نمونه سازی پرهزینه تر است [ 25 ].

توضیح اضافی دیگر برای حداقل پذیرش UCD برای نقشه‌برداری تعاملی این است که بحث‌های گذشته در نقشه‌برداری، علم GIS و تجزیه و تحلیل بصری راهنمایی کافی برای مفهوم‌سازی فرآیند کلی UCD و همچنین گستره تصمیم‌های ارزیابی خاصی که باید در طول مسیر گرفته شود، ارائه نکرده است. در این مقاله، ما به دو طریق به این شکاف در تحقیق و تمرین روی UCD نقشه‌های تعاملی کمک می‌کنیم. اول، ما مفاهیم اصلی را تقطیر می‌کنیم – و ایده‌های جدیدی را در مورد UCD ارائه می‌کنیم، که منجر به بررسی پس‌زمینه جامع UCD برای نقشه‌برداری تعاملی می‌شود. دوم، ما در مورد یک مطالعه موردی در زمینه تجزیه و تحلیل جرم به عنوان راهی برای نشان دادن مزایای UCD و بازتاب مفاهیم کلیدی مرتبط با UCD ارائه شده در بررسی پس‌زمینه، گزارش می‌کنیم. به طور خاص، ما UCD را توصیف می کنیمGeoVISTA CrimeViz ( http://www.geovista.psu.edu/CrimeViz/ )، یک برنامه نقشه برداری تعاملی و مبتنی بر وب که از تجزیه و تحلیل بصری فعالیت های مجرمانه در فضا و زمان پشتیبانی می کند. ما GeoVISTA CrimeViz را با همکاری اداره پلیس هریسبورگ (پنسیلوانیا، ایالات متحده آمریکا) طراحی و توسعه دادیم تا نیازهای تجزیه و تحلیل جرم خاص آنها را پشتیبانی کنیم.

مقاله در چهار بخش دیگر ادامه دارد. در بخش زیر، یک بررسی پس‌زمینه UCD برای نقشه‌های تعاملی ارائه می‌کنیم، که بررسی را در سه بخش سازماندهی می‌کنیم: (1) سه مؤلفه موفقیت رابط. (2) فرآیندهای UCD. و (3) روش های ارزیابی رابط. ما مطالعه موردی تجزیه و تحلیل جرم GeoVISTA CrimeViz را در بخش سوم معرفی می کنیم و فرآیند کاربر محوری را که برای طراحی و ارزیابی برنامه تکمیل کردیم، شرح می دهیم. در بخش چهارم، ما نتایج هر ارزیابی GeoVISTA CrimeViz را مورد بحث قرار می‌دهیم، در سیر تکامل GeoVISTA CrimeVizاز یک مثال کلاس درس ساده تا انتقال آزادی کامل به اداره پلیس هریسبورگ. ما بخش پایانی و پایانی را برای بحث در مورد جنبه‌های مداوم تعمیر و نگهداری به GeoVISTA CrimeViz و بازتاب در مورد مسائل گسترده‌تر در مورد UCD برای نقشه‌برداری، GIScience و تجزیه و تحلیل بصری رزرو می‌کنیم.

2. پس زمینه

2.1. سه U از موفقیت رابط

یک نقطه شروع ضروری برای یک چارچوب UCD، در نظر گرفتن چگونگی اندازه گیری موفقیت رابط است. به عبارت دیگر، چگونه متوجه شویم که یک نقشه تعاملی “کار می کند”؟ دو دسته وسیع از معیارها برای ارزیابی موفقیت یک رابط مورد استفاده قرار می گیرند: قابلیت استفاده و سودمندی [ 26 ]. قابلیت استفاده ، سهولت استفاده از یک رابط برای تکمیل مجموعه اهداف مورد نظر کاربر را توصیف می کند [ 27 ]. نیلسن [ 3 ، 4 ] پنج معیار قابلیت استفاده را فهرست می کند که توسط وب سایت Usability.gov [ 28 ] اتخاذ شده است.]: (1) قابلیت یادگیری (کاربران چقدر سریع رابط را بدون استفاده قبلی درک می کنند). (2) کارایی (کاربران با چه سرعتی می توانند پس از یادگیری برای تکمیل وظایف مورد نظر با رابط تعامل داشته باشند). (3) به یاد ماندنی (کاربران چقدر خوب می توانند به یک رابط بازگردند و از جایی که کار را ترک کردند ادامه دهند). (4) فراوانی و شدت خطا (به ترتیب تعداد دفعاتی که کاربران اشتباه می کنند و چقدر کشنده هستند). و (5) رضایت ذهنی (چقدر رابط کاربری مورد علاقه کاربران است). در حالی که چهار معیار اول قابلیت استفاده در درجه اول بهره‌وری کار را ارزیابی می‌کنند، دومی تعامل کاربر با رابط کاربری و برداشت کلی از آن را توصیف می‌کند، جنبه‌ای از قابلیت استفاده برای ارتقای خرید و بهبود جذب نقشه تعاملی ضروری است.

در مقابل، ابزار مفید بودن یک رابط را برای تکمیل مجموعه اهداف مورد نظر کاربر توصیف می کند [ 27 ]. رویکردهای ارزیابی مطلوبیت معمولاً در یکی از دو استراتژی قرار می گیرند. استراتژی اول عملکرد کاربر را بر اساس مجموعه ای از وظایف معیار یا ترکیبی از اهداف کاربر و محتوای اطلاعاتی ارزیابی می کند. به عنوان مثال، آندرینکو و همکاران. [ 29] یک “نوع شناسی وظیفه عملیاتی” را برای مشخص کردن مجموعه وظایفی که کاربر ممکن است نیاز به تکمیل آنها با تجسم تعاملی داشته باشد ارائه می دهد. طبقه بندی شامل سه محور است که وظایف معیار در آنها متفاوت است: (1) عملیات شناختی (هدف کاربر برای تکمیل کار، ساده شده در گونه شناسی کار عملیاتی برای شناسایی اساسی یک عنصر داده و مقایسه دو یا چند عنصر داده). (2) هدف جستجو (محتوای اطلاعاتی مورد بررسی، از جمله مکان ، زمان ، و ویژگی ، یا ” کجا؟ “، ” چه زمانی؟ “، و ” چه؟ “” سوالات)؛ و (3) سطح جستجو (یک جنبه اضافی از محتوای اطلاعاتی با در نظر گرفتن درصد تمام موارد نقشه در نظر گرفته شده در امتداد یک زنجیره ابتدایی تا عمومی ). نتیجه نوع شناسی وظیفه عملیاتی یک فضای راه حل سه بعدی است که از آن می توان وظایف معیار نمونه را برای ارزیابی سودمندی استخراج کرد. راث [ 30] مروری بر طبقه بندی های بدوی تعامل جایگزین ارائه می دهد که همچنین می تواند برای ساخت وظایف معیار استفاده شود. استفاده از وظایف محک برای ارزیابی ابزار دارای مزایای داشتن یک پاسخ “صحیح” است، که به نوبه خود مستقیماً مسائل ابزار را به عملکرد رابط خاص مرتبط می کند و باعث ثبات در اندازه گیری در چندین نسخه از یک نقشه تعاملی و انواع مختلف کاربران هدف می شود. با این حال، وظایف محک ممکن است نحوه استفاده از نقشه های تعاملی را در عمل، مانند کاوش و تجزیه و تحلیل پایان باز، معمولی تجزیه و تحلیل بصری، بسیار ساده کند.

استراتژی دوم برای ارزیابی مطلوبیت در عوض کیفیت محصولات تحلیلی مشتق شده توسط کاربر را هنگام استفاده از نقشه تعاملی ارزیابی می کند. چنین محصولات تحلیلی با توجه به اهداف کلی کاربر متفاوت است و ممکن است شامل فرضیه های ایجاد شده توسط رابط، دانش ساخته شده در حین استفاده از رابط یا تصمیمات اتخاذ شده با پشتیبانی از رابط باشد. به عنوان مثال، شمال [ 31] پنج ویژگی بینش‌هایی را شناسایی کرد که می‌توانند برای ارزیابی کیفیت ایده‌های تولید شده توسط تجسم تعاملی مورد استفاده قرار گیرند: (1) پیچیده (چند عنصر اطلاعاتی در بینش گنجانده شده است و چقدر خوب یکپارچه شده‌اند؟). (2) عمیق (چه مقدار زمان برای ایجاد بینش صرف شد و چه مقدار شواهد برای حمایت از آن جمع آوری شد؟) (3) کیفی (بینش چقدر دقیق و قطعی است و چه چیزهای نامشهودی آن را به ویژه جذاب می کند؟) (4) غیر منتظره (بینش چقدر منحصر به فرد یا بدیع است؟)؛ و (5) مرتبط (بینش چقدر برای دامنه برنامه کاربردی است و چقدر در دامنه های برنامه تعمیم می یابد؟). ارزیابی محصولات تحلیلی برای ارزیابی مطلوبیت با نحوه استفاده از نقشه‌های تعاملی “در طبیعت” هماهنگ است.

با بازگشت به تمایز بین قابلیت استفاده و سودمندی، سازمان بین المللی استاندارد [ 32 ] و چندین محقق بعدی، به عنوان مثال، [ 19 ، 33 ] سودمندی را به عنوان جزئی از مفهوم گسترده تر کاربردپذیری، توصیف می کنند و آن را به عنوان اثربخشی ، یا میزان آن توصیف می کنند. که وظایف کاربر با استفاده از عملکرد رابط ارائه شده به دست می آید. در حالی که درست است که ابزار اندازه گیری عدم تطابق بین وظایف کاربر و عملکرد موجود است (یا اینکه کاربران چقدر عملکرد موجود را به خوبی اعمال می کنند)، ما استدلال می کنیم که در نظر گرفتن ابزار به طور جداگانه از قابلیت استفاده، مزایایی وجود دارد، زیرا این دو معمولاً به عنوان رقیب ظاهر می شوند. نیروها از نظر موفقیت رابط. اینمعاوضه قابلیت استفاده و ابزار اغلب منجر به تمایز بین واسط‌هایی برای متخصصانی می‌شود که ابزار بسیار خوبی ارائه می‌دهند، اما یادگیری و استفاده از آنها دشوار است، و رابط‌های عمومی که به‌طور شفاف قابل استفاده هستند ( به عنوان مثال ، نیاز به یادگیری کم یا بدون نیاز به استفاده از آن دارند)، اما پشتیبانی می‌کنند. تنها مجموعه کوچکی از وظایف کاربر [ 26 ].

بنابراین کدام یک باید در این معاوضه قابلیت استفاده و ابزار اول قرار گیرد: قابلیت استفاده یا سودمندی؟ ما استدلال می کنیم که لازم است ابتدا یک ” U ” سوم را در نظر بگیریم : کاربر. اولین گام در UCD موفق (همانطور که از نام آن پیداست: طراحی «کاربر محور») تعریف گروه کاربر هدف یا جامعه کاربرانی است که نقشه تعاملی برای پشتیبانی از آن در نظر گرفته شده است ( شکل 1).: بالا). ما چهار اصل را در مورد کاربران هدف ارائه می‌دهیم که طراحان و توسعه‌دهندگان باید هنگام شروع به یادگیری مخاطبان خود از آنها استقبال کنند: (1) ذینفعان کلیدی یا کارشناسان حوزه لزوماً کاربران هدف را نشان نمی‌دهند، زیرا آنها اغلب تجربه و دانش بسیار بیشتری نسبت به کاربر معمولی دارند. ; (2) بعید است که کاربران هدف در اولین تماس بدانند چه می‌خواهند، به این معنی که وظیفه تیم پروژه این است که درخواست‌های انتزاعی آنها را به الزامات عملکردی مشخص ترجمه کند. (3) کاربران هدف احتمالاً در طول زمان تکامل می یابند و بنابراین رابط باید با کاربران هدف تکامل یابد. و در نهایت، (4) کاربران هدف می توانند تنوع قابل توجهی را هم در ویژگی های خود نشان دهند (به عنوان مثالتوانایی، تخصص و انگیزه آنها در مفاهیم حوزه و استفاده از نقشه تعاملی) و همچنین نیازهای آنها (به عنوان مثال ، وظایفی که نقشه تعاملی باید پشتیبانی کند).

ما ادعا می کنیم که این درک از کاربر به تعریف الزامات عملکردی اولیه برای نقشه تعاملی می رسد، که ممکن است به عنوان یک خط پایه کاربردی در نظر گرفته شود که نسخه های نقشه تعاملی باید با آن مقایسه شوند ( شکل 1 : پایین سمت راست). هنگامی که خط پایه ابزار مشخص شد، طراحان و توسعه دهندگان می توانند از طریق نمونه های اولیه ایستا و نیمه کاربردی کار کنند تا طرح های رابط بالقوه قابل استفاده برای عملکرد مورد نیاز را شناسایی کنند ( شکل 1 : پایین سمت چپ). بنابراین، ما استدلال می کنیم که ابزار قبل از قابلیت استفاده برای نقشه های تعاملی است، اگرچه اذعان داریم که ارتقای قابلیت استفاده برای موفقیت رابط ضروری است.

در نهایت، طراحی رابط اولیه باید توسط مجموعه ای نماینده از کاربران هدف ارزیابی شود تا اطمینان حاصل شود که با موفقیت در نیازها و ویژگی های آنها کار می کند و دایره کامل را به کاربر باز می گرداند ( شکل 1 : بالا). در طول چنین ارزیابی رابط ، کاربران با نقشه تعامل می کنند تا مشکلات بالقوه مربوط به قابلیت استفاده آن را شناسایی کنند (نگاه به عقب در مثلث شکل 1 ) و برای ارائه ورودی در مورد تجدید نظرهای احتمالی در ابزار آن در نسخه بعدی (مشاهده در مثلث شکل 1 ). بنابراین معیارهایی هم برای قابلیت استفاده و هم برای کاربرد باید در حین ارزیابی رابط جمع‌آوری شوند، با این نتایج و سپس یک کاربر اضافی → ابزار → قابلیت استفادهحلقه همانطور که در بدیهیات کاربر بالا مورد بحث قرار گرفت، تعامل متفکرانه با نقشه تعاملی ممکن است منجر به بهبود آگاهی کاربر از آنچه ممکن است، شود، و دوباره حلقه‌های کاربر → ابزار → قابلیت استفاده را نشان دهد. در برخی موارد، کاربران هدف خود را می‌توان از طریق ارائه مواد آموزشی (مثلاً منوهای راهنما، آموزش‌ها، مستندات) بهبود بخشید و به طور مؤثر بدون تغییر ابزار یا قابلیت استفاده، اما در عوض با تغییر کاربر، به موفقیت رابط دست یافت . سه U موفقیت رابط یک رابطه مثلثی را تشکیل می دهند که در آن هر یک از سه مؤلفه مشروط به تجدید نظر و اصلاحات قبلی است ( شکل 1 ).

شکل 1. سه U از موفقیت رابط. یک نقشه تعاملی موفق در عمل به سه مؤلفه بستگی دارد: کاربر، کاربرد آن و قابلیت استفاده. توصیه می‌کنیم ابتدا نیازها و ویژگی‌های کاربر را تعیین کنید، دوم تعیین آستانه ابزار برای پاسخگویی به این ویژگی‌ها و نیازهای کاربر، سوم بهبود قابلیت استفاده طراحی رابط تا حد امکان با توجه به آستانه ابزار، و در نهایت بازگشت به کاربر به رابط اولیه را ارزیابی کنید و یک کاربر جدید → ابزار → حلقه قابلیت استفاده را نشان دهید.

2.2. فرآیند طراحی کاربر محور

به دنبال رابطه کاربر → ابزار → قابلیت استفاده مثلثی ، UCD معادله ای نیست که در آن تمام تصمیمات طراحی به صورت پیشینی تجویز شوند . در عوض، UCD به بهترین وجه به عنوان یک فرآیند انعطاف‌پذیر و چند مرحله‌ای تصور می‌شود که در طی آن یک نقشه تعاملی به طور مداوم بر اساس معیارهای تعیین‌شده ارزیابی می‌شود و باعث اصلاح بعدی جنبه‌های ناقص آن می‌شود [ 35 ]. کار اصلی نیلسن [ 3 ، 4 ] در مورد مهندسی قابلیت استفاده، بر اهمیت ارزیابی و بازنگری تکراری در طول طراحی کاربر محور تأکید می‌کند و ده عنصر از چرخه عمر مهندسی کاربردپذیری را برمی‌شمارد:

(1): کاربر را بشناسید: برای ایجاد نمایه های کاربر و استفاده از سناریوهای موردی ، یک ارزیابی نیاز (که به آن تجزیه و تحلیل کار یا تجزیه و تحلیل دامنه کاری نیز گفته می شود) با کاربران هدف انجام دهید .
(1): تجزیه و تحلیل رقابتی: به طور انتقادی رابط های موجود را که از موارد استفاده مشابه پشتیبانی می کنند، مقایسه کنید تا مشخص شود که چگونه رابط پیشنهادی می تواند نیازهای برآورده نشده را برطرف کند.
(3): تعیین اهداف: استفاده از بینش از ارزیابی نیازها و تجزیه و تحلیل رقابتی برای رسمی کردن یک سند الزامات عملکرد پیشنهادی برای هدایت طراحی و توسعه.
(4): طراحی مشارکتی: یک مجموعه نماینده از کاربران هدف را برای مشارکت در طراحی مفهومی رابط استخدام کنید.
(5): طراحی هماهنگ: طراحی هماهنگ در تیم پروژه برای ایجاد یک هویت محصول سازگار ( به عنوان مثال ، ظاهر و احساس).
(6): رهنمودها و تجزیه و تحلیل اکتشافی: در طول طراحی و توسعه، کارشناسان را استخدام کنید تا رابط را بر اساس دستورالعمل ها (بینش های کلی حاصل از بررسی علمی رابط های دیجیتال) و اکتشافی (اصول طراحی کاملا پذیرفته شده برگرفته از تجربه) ارزیابی کنند.
(7): نمونه سازی: ایجاد مدل های ایستا یا تعاملی از رابط. یک نمونه اولیه نیمه کاربردی به عنوان نسخه آلفا نامیده می شود در حالی که یک نمونه اولیه کاملاً کاربردی، اما ناپایدار به عنوان نسخه بتا نامیده می شود .
(8): آزمایش تجربی: مجموعه ای نماینده از کاربران هدف را استخدام کنید تا کاربرد و قابلیت استفاده از نمونه های اولیه متعدد را در طول تکامل آنها ارزیابی کنند. ارزیابی تکوینی بازخورد درخواست شده در مراحل اولیه تا میانی پروژه را در نسخه‌های آلفا و بتا توصیف می‌کند، در حالی که ارزیابی جمعی در انتشار کامل رابط انجام می‌شود تا مشخص شود که آیا اهداف کاربردی و کاربردی محقق شده‌اند یا خیر.
(9): طراحی تکراری: رابط را بر اساس بازخورد دستورالعمل ها/تحلیل اکتشافی و آزمایش تجربی تجدید نظر کنید.
(10): جمع‌آوری بازخورد از استفاده میدانی: پس از انتقال آن به میدان بازخورد درباره رابط کاربری برای اطلاع‌رسانی نسخه‌های آینده محصول دریافت کنید.

شکل 2. یک فرآیند طراحی کاربر محور برای رابط های کارتوگرافی. رابینسون و همکاران (2005) یک فرآیند UCD بسیار تکراری و شش مرحله ای را برای نقشه های تعاملی توصیه می کند: (1) تجزیه و تحلیل حوزه کاری ( به عنوان مثال ، ارزیابی نیاز). (2) توسعه مفهومی. (3) نمونه سازی؛ (4) مطالعات تعامل و قابلیت استفاده؛ (5) اجرا؛ و (6) اشکال زدایی. تصویر با اجازه رابینسون و همکاران دوباره ترسیم شد. [ 12 ].

شکل 3. طراحی کاربر محور به عنوان یک فرآیند تکرار شونده. رابطه تکراری و مثلثی کاربر → ابزار → قابلیت استفاده که در شکل 1 نشان داده شده است در اکثر فرآیندهای UCD، از جمله رابینسون و همکاران، ضمنی است. [ 12 ] فرآیند نشان داده شده توسط شکل 2 . در اینجا، سه U با فرآیند UCD توصیه شده توسط رابینسون و همکاران مقایسه می شود. و فرآیند UCD مطالعه موردی برای GeoVISTA CrimeViz تکمیل شد .

چندین محقق در زمینه نقشه برداری، GIScience و تجزیه و تحلیل بصری، توصیه های نیلسن [ 3 ، 4 ] را در فرآیندهای UCD رسمی و قابل تکرار تقطیر کرده اند. گابارد، هیکس و همکاران [ 18 ، 19 ، 36 ] چهار مرحله را در فرآیند UCD خود برمی شمرند: (1) تجزیه و تحلیل وظیفه کاربر (به عنوان مثال ، ارزیابی نیاز). (2) ارزیابی مبتنی بر دستورالعمل در نمونه های اولیه (با استفاده از دستورالعمل ها و اکتشافات نیلسن). (3) ارزیابی تکوینی در انتشار زودهنگام. و (4) ارزیابی مقایسه ای خلاصه در انتشار کامل. توصیه می شود که ارزشیابی تکوینی را بر ارزیابی جمعی اولویت بندی کنید، زیرا بازنگری های عمده در پایان طراحی و توسعه هزینه بیشتری دارند.25 ]. اسلوکام و همکاران [ 17 ] این فرآیند را به شش مرحله گسترش می‌دهد، که جفت ارزیابی-پالایش را واضح می‌سازد: (1) ایجاد یک نمونه اولیه. (2) ارزیابی تخصصی حوزه. (3) پالایش نرم افزار؛ (4) ارزیابی کارشناس قابلیت استفاده. (5) اصلاح نرم افزار اضافی. و (6) ارزیابی تصمیم گیرنده ( به عنوان مثال ، کاربر هدف). جالب توجه است که Slocum و همکاران ، شامل مراحلی برای جمع‌آوری اطلاعات از متخصصان و کاربران هدف (مانند سایر فرآیندهای UCD) هستند، اما طراحی و توسعه را با جستجوی ورودی کاربر در یک مطالعه ارزیابی نیاز (برخلاف سایر فرآیندهای UCD) آغاز نمی‌کنند. با نمونه سازی سریع سرانجام، تسو و کوران [ 37 ] گرت [ 38 ] را تطبیق دادند] چارچوب تجربه کاربری پنج مرحله‌ای برای نقشه‌برداری وب، که پنج طراحی مختلف را توصیف می‌کند که می‌توانند قبل از اجرا توسط کاربران هدف ارزیابی و اصلاح شوند: (1) سطح استراتژی (نیازهای کاربر عمومی که توسط رابط پشتیبانی می‌شوند). (2) صفحه محدوده (اهداف نقشه برداری خاص پشتیبانی شده توسط رابط). (3) صفحه ساختار (شمارش و سازماندهی الزامات رابط). (4) صفحه اسکلت (نمونه اولیه با وفاداری پایین که طرح بندی رابط را ترسیم می کند). و (5) سطح سطح (نمونه اولیه با وفاداری بالا که هویت محصول نهایی رابط را نشان می دهد).

قابل توجه، رابینسون و همکاران. [ 12 ] یک فرآیند UCD را توصیف می‌کند که بر ماهیت بسیار تکراری UCD تأکید می‌کند، و حلقه‌های کاربردی → کاربردی چند کاربر را در یک فرآیند شش مرحله‌ای بازگشتی محصور می‌کند: (1) تجزیه و تحلیل حوزه کاری. (2) توسعه مفهومی. (3) نمونه سازی؛ (4) مطالعات تعامل و قابلیت استفاده، (5) پیاده سازی. و (6) اشکال زدایی ( شکل 2 ). سه مرحله اول نزدیک به سه U موفقیت رابط شناسایی شده در شکل 1 مطابقت دارد . رابینسون و همکاران [ 12 ]، توصیه می کنیم با تجزیه و تحلیل حوزه کاری ( به عنوان مثال ، نیازسنجی) شروع کنید ( شکل 3)الف)، با استفاده از این برای تنظیم پایه اولیه ابزار در یک سند نیازمندی ( شکل 3 ب)، و سپس تولید نمونه های اولیه از نقشه تعاملی برای بهینه سازی قابلیت استفاده نسبت به خط پایه ابزار شناسایی شده ( شکل 3 ج). سپس این نمونه‌های اولیه توسط مجموعه‌ای نماینده از کاربران هدف از طریق مطالعات تعامل و قابلیت استفاده (بازگشت به شکل 3 د) ارزیابی می‌شوند، با بازخورد کاربر که باعث تجدیدنظر بعدی در مفهوم رابط (کاربرد، شکل 3 e) و طراحی رابط (قابلیت استفاده، شکل 3) می‌شود. f)، شروع یک یا چند تکرار از طریق رابطه مثلثی سه U ( شکل 3 g–i). رابینسون و همکاران [12 ] فرآیند UCD با یک مرحله اشکال زدایی به پایان می رسد ( شکل 3 j)، که در طی آن خطاهای کاربردی کوچک حذف می شوند و کد برای پایداری بهینه می شود، که منجر به انتقال نسخه کامل به کاربران هدف می شود.

2.3. روشهای ارزیابی رابط

فرآیندهای UCD بررسی شده، استراتژی‌های جایگزینی را برای ارزیابی تکراری و بازنگری یک نقشه تعاملی ارائه می‌کنند، و رویکردهای تکرارپذیر را برای کار از طریق حلقه کاربر → ابزار → قابلیت استفاده، توصیف می‌کنند . با این حال، این فرآیندهای UCD معمولاً روش واقعی مورد استفاده برای ارزیابی رابط را شناسایی نمی کنند. طیف گسترده ای از روش ها برای ارزیابی رابط پیشنهاد شده است که ریشه اکثر آنها در تحقیقات علمی است [ 39 ، 40 ]. در این بخش فرعی، بررسی پس‌زمینه UCD را با برشمردن روش‌های موجود برای ارزیابی نقشه‌های تعاملی در طول طراحی و توسعه آن‌ها تکمیل می‌کنیم.

چندین محقق مجموعه موجود از روش های ارزیابی رابط را بر اساس مرحله توصیه شده در فرآیند UCD سازماندهی می کنند که طی آن روش باید اعمال شود. به عنوان مثال، باتنفیلد [ 10 ] روش های ارزیابی رابط را با توجه به مرحله فرآیند کلی به سه دسته طبقه بندی می کند: (1) طراحی (به عنوان مثال، مشاهده شرکت کنندگان، مصاحبه های ارزیابی نیاز). (2) توسعه (به عنوان مثال، پیشرفت های شناختی، ارزیابی انطباق). و (3) استقرار (به عنوان مثال، ارزیابی خودکار، بررسی ورود/خروج). چندین منبع وب محبوب در مورد مهندسی قابلیت استفاده از طبقه بندی های سه بخشی مشابه روش های ارزیابی رابط بر اساس مرحله استفاده می کنند ( جدول 1 ).

جدول 1. طبقه بندی روش های ارزیابی رابط بر اساس مرحله . بسیاری از محققان یا سازمان‌های حرفه‌ای، روش‌های ارزیابی رابط را با توجه به مرحله‌ای در فرآیند UCD که طی آن روش باید اعمال شود، به سه دسته طبقه‌بندی می‌کنند. مثال‌ها عبارتند از Buttenfield [ 10 ]، James Hom’s Usability Toolbox [ 41 ]، Usability.gov [ 28 ] و Usability Partners [ 42 ].

ما پیشنهاد می‌کنیم که یک رویکرد مبتنی بر مرحله برای سازمان‌دهی روش‌های ارزیابی رابط ممکن است یک ساده‌سازی بیش از حد برای اهداف عملی باشد. پارامترهای اکثر روش‌های ارزیابی رابط را می‌توان برای ایجاد بینشی در مورد قابلیت استفاده و کاربرد در مراحل مختلف UCD یا برای چندین روش ارزیابی رابط تغییر داد. به عنوان مثال، روش مرتب‌سازی کارت که به طور کلی برای ارزیابی ساختار منوی ناوبری وب‌سایت‌ها توصیه می‌شود (مثلا [ 43 ]) و به طور خاص برای سازماندهی ویژگی‌های نقشه نمادین در یک ساختار منطقی (مثلا [ 44 ]) می‌تواند هم برای تولید ساختار استفاده شود. ( به عنوان مثال ، در مراحل اولیه طراحی) و همچنین برای ارزیابی ساختار موجود (به عنوان مثال.، در مراحل میانی تا اواخر طراحی). به طور مشابه، روش گروه تمرکز معمولاً برای ارزیابی رابط در طول استقرار سیستم برای دریافت واکنش‌های ذهنی به برنامه از سوی کاربران هدف استفاده می‌شود (به عنوان مثال، [ 45 ، 46 ، 47 ])، اما همچنین می‌تواند با موفقیت در زمینه‌های طراحی رابط خاص استفاده شود. مطالعه نیازسنجی اولیه

ما پیشنهاد نمی کنیم که روش های ارزیابی رابط قابل تعویض هستند و می توانند به طور دلخواه در طول طراحی و توسعه اعمال شوند. هر روش مجموعه‌ای متفاوت از مزایا و محدودیت‌ها را نشان می‌دهد که این روش را کم و بیش برای یک طراحی رابط خاص و زمینه توسعه مناسب می‌سازد. بومن و همکاران [ 19 ] پیشنهاد می‌کند که طراحان و توسعه‌دهندگان قبل از انتخاب روش ارزیابی رابط، شش سؤال را برای خود مطرح کنند، در حالی که مرحله فعلی در فرآیند UCD تنها یک مورد است: (1) اهداف روش ارزیابی رابط چیست؟ (2) چه زمانی باید از روش ارزیابی رابط استفاده کرد؟ ( یعنی.، یک رویکرد مبتنی بر مرحله) (3) روش ارزیابی رابط در چه شرایطی مفید است؟ (4) هزینه های استفاده از روش ارزیابی رابط چقدر است؟ (5) مزایای استفاده از روش ارزیابی رابط چیست؟ و (6) چگونه از نتایج روش ارزیابی رابط برای بهبود رابط استفاده می شود؟

یکی از جنبه های روش ارزیابی رابط که به صراحت در بومن و همکاران گنجانده نشده است. [ 19 ] مجموعه ملاحظات خود ارزیابان یا منبع ورودی و بازخورد در مورد قابلیت استفاده و کاربرد نقشه تعاملی است [ 48 ]. همانطور که در بالا توضیح داده شد، نیلسن [ 3] یک تمایز اولیه را بین ارزیابی‌های رابط تکمیل شده توسط متخصصان طراحی (مثلاً دستورالعمل‌ها/تحلیل اکتشافی)، خود تیم پروژه (مثلاً تجزیه و تحلیل رقابتی)، و کاربران هدف (مثلاً آزمایش تجربی برای ارزیابی تکوینی و خلاصه) معرفی کرد. تمایز ارزیاب در بین کارشناسان، تیم پروژه و/یا کاربران هدف در چندین فرآیند UCD خاص برای نقشه های تعاملی حفظ می شود (به عنوان مثال، [ 6 ، 17 ، 18 ، 19 ، 36 ]).

در زمینه UCD، ما استدلال می‌کنیم که ارزیاب ویژگی اصلی یک روش ارزیابی رابط است، زیرا بینش‌های طراحی رابط که از متخصصان یا تئوری گرفته شده است باید برای تکمیل و تفسیر بازخورد کاربران هدف استفاده شود. بنابراین، ما پیشنهاد می‌کنیم که روش‌های ارزیابی رابط را می‌توان به سه دسته کلی که توسط ارزیاب متمایز می‌شوند سازمان‌دهی کرد:

(1): روش‌های مبتنی بر خبره، ورودی و بازخورد را در مورد یک نقشه تعاملی از مشاورانی با آموزش و تجربه در طراحی و ارزیابی رابط درخواست می‌کنند. مهم است که کارشناس فردی خارج از تیم پروژه باشد، زیرا برای ارائه دیدگاهی تازه و بی‌طرفانه، لازم است که اطلاعات قبلی در مورد رابط مورد ارزیابی نداشته باشد یا اصلاً نداشته باشد.
(2): روش‌های مبتنی بر نظریه از طراحان و توسعه‌دهندگان می‌خواهد که خودشان رابط را ارزیابی کنند. برای اعمال درجه ای از دقت در ارزیابی های مبتنی بر تئوری، طراحان و توسعه دهندگان طرح های رابط خود را با استفاده از چارچوب های نظری ایجاد شده از طریق تحقیقات علمی ارزیابی می کنند.
(3): روش‌های مبتنی بر کاربر، ورودی و بازخورد را در مورد یک رابط از یک مجموعه نماینده از کاربران هدف درخواست می‌کنند و برای UCD مؤثر ضروری هستند. با این حال، روش‌های مبتنی بر کاربر می‌توانند از نظر زمان، پول و دسترسی مشارکت‌کنندگان بسیار پرهزینه باشند. برای دور زدن این مسئله، نیلسون [ 4 ] یک رویکرد تخفیف را برای ارزیابی رابط مبتنی بر کاربر توصیه می‌کند، که تنها تعداد کمی از شرکت‌کنندگان (3 تا 5 کاربر هدف) را برای هر ارزیابی جذب می‌کند، با قابلیت اطمینان با مثلث‌بندی بینش‌ها در چندین کاربر→ ابزار → حلقه های قابلیت استفاده باتنفیلد [ 10 ] مدیریت ارزیابی های تجربی چندگانه و تخفیف در طول UCD را به عنوان پارادایم روش های همگرا توصیف می کند .

جدول 2 روش های ارزیابی رابط را که معمولاً از هر یک از سه دسته مبتنی بر ارزیاب ما استخراج می شود، برمی شمارد. جدول 2 همچنین روش‌های مرتبط را فهرست می‌کند و خلاصه‌ای از مزایا و معایب نسبی روش را ارائه می‌کند و در صورت امکان به شش سؤال Bowman و همکاران [ 19 ] می‌پردازد. در نهایت جدول 2شامل یک مرجع توصیه شده برای هر روش ارزیابی رابط فهرست شده است که جزئیات اضافی و یک مثال تجربی در مورد روش داده شده در هنگام استفاده در نقشه برداری، GIScience یا تجزیه و تحلیل بصری ارائه می دهد. توجه به این نکته حائز اهمیت است که بسته به پارامترهای تجربی ارزیابی اجرا شده، چندین روش را می‌توان به‌عنوان مبتنی بر متخصص، مبتنی بر نظریه، یا مبتنی بر کاربر طبقه‌بندی کرد. استفاده زیر از مطالعه با صدای بلند فکر کن به عنوان روشی مبتنی بر خبره یکی از این نمونه هاست.

جدول 2. روش های ارزیابی رابط طبقه بندی شده توسط ارزیابی کننده. روش‌های ارزیابی رابط را می‌توان به سه دسته کلی سازمان‌دهی کرد که بر اساس ارزیابی‌کننده‌ای که نقد را بر روی نقشه تعاملی تکمیل می‌کند، تفکیک می‌شوند: (1) روش‌های مبتنی بر متخصص. (2) روش های مبتنی بر نظریه، و (3) روش های مبتنی بر کاربر. یک رویکرد همگرا با استفاده از روش‌های هر دسته – اما با تاکید بر روش‌های مبتنی بر کاربر – توصیه می‌شود تا امکان ارزیابی رابط تخفیف را در طول طراحی و توسعه فراهم کند.

3. روش ها: طراحی کاربر محور GeoVISTA CrimeViz

3.1. مطالعه موردی: GeoVISTA CrimeViz

ما از بررسی پس‌زمینه بالا استفاده کردیم تا به UCD GeoVISTA CrimeViz ، یک برنامه نقشه‌برداری تعاملی و مبتنی بر وب که از تجزیه و تحلیل بصری مکانی-زمانی فعالیت‌های مجرمانه پشتیبانی می‌کند، اطلاع دهیم ( http://www.geovista.psu.edu/CrimeViz/ ). تجزیه و تحلیل بصری ترکیبی از تجسم و محاسبات را برای پشتیبانی از استدلال تحلیلی پیچیده در مورد مجموعه داده های حجیم و چند وجهی توصیف می کند [ 54 ، 55 ]. طراحی رابط‌های مفید و قابل استفاده برای تجزیه و تحلیل بصری ضروری است، زیرا این رابط – مبتنی بر نقشه یا غیر آن- است که به عنوان پیوند بین تحلیلگر و رایانه در طول کاوش و تحلیل بصری عمل می‌کند.

نیاز آشکاری در مجریان قانون و امنیت عمومی برای نقشه‌های تعاملی که از تجزیه و تحلیل بصری پشتیبانی می‌کنند وجود دارد، زیرا کارکرد اصلی تجزیه و تحلیل جرم، شناسایی ساختار و انحراف در اطلاعات پیچیده و مکانی-زمانی است [ 56 ]. تحلیلگران جرم به سادگی فرضیه های حاصل از کاوش و تحلیل بصری را با نام دیگری می نامند: قوز . هنگامی که چنین پیش بینی هایی از طریق اطلاعات جرم و جنایت فضایی و زمانی بدست آمده و از استدلال تحلیلی پیچیده استخراج می شود، می توان از آنها برای اتخاذ تصمیمات پلیسی موثر استفاده کرد [ 57 ]]. با این حال، زمانی که این گمانه‌زنی‌ها مبتنی بر اطلاعات نباشند یا به دقت مورد توجه قرار نگیرند، ممکن است منجر به تصمیم‌های پلیسی غیربهینه یا بالقوه خطرناک شوند. متأسفانه، بسیاری از سازمان‌های مجری قانون شهری با ابعاد کوچک تا متوسط فاقد ابزار و آموزش کافی برای درک اطلاعات جرم خود در مکان و زمان هستند [ 58 ]. بنابراین، تجزیه و تحلیل جرم مکانی-زمانی اغلب محدود به تولید نقشه‌های یکباره و غیرتعاملی است که رویدادهای جرم را در 7 تا 30 روز گذشته نشان می‌دهد [ 59 ].

مفهوم GeoVISTA CrimeViz به عنوان یک تمرین کلاسی برای یادگیری نقشه‌برداری متحرک و تعاملی وب در یک دوره پیشرفته در بازنمایی نقشه‌کشی پویا آغاز شد. این تمرین نحوه بارگذاری و نقشه‌برداری یک مجموعه داده نقطه‌ای را با استفاده از Google Maps API و سپس فعال کردن تعامل اولیه «لغزنده» معمولی mashup‌های Google Maps را توضیح می‌دهد. این تمرین همچنین کد نمونه ای را برای فیلتر کردن نقشه بر اساس ویژگی و جنبه های زمانی در مجموعه داده با استفاده از چک باکس ها ارائه کرد. این مثال از فید داده‌های در دسترس عموم از حوادث جنایی در واشنگتن، دی سی، ایالات متحده استفاده می‌کند که منجر به نام CrimeViz می‌شود . شکل 4 تصویری از نمونه کلاس درس ارائه می دهد.

پس از انتشار تمرین و نمونه اولیه (نگاه کنید به [ 60 ])، ما با اداره پلیس هریسبورگ برای پیکربندی مجدد و گسترش GeoVISTA CrimeViz همکاری کردیم.مفهومی برای برآوردن نیازهای تحلیل جرم آنها. اداره پلیس هریسبورگ یک آژانس مجری قانون معتبر بین المللی است که به جمعیت شهرداری حدود 50000 شهروند خدمات ارائه می دهد. هریسبورگ (ایالات متحده آمریکا)، مرکز ایالت پنسیلوانیا، بزرگترین شهر در منطقه آماری کلان شهر هریسبورگ-کارلایل است که جمعیتی حدود 550000 نفر را پوشش می دهد. جمعیت روزانه کاری در محدوده شهر هریسبورگ تقریباً 125000 نفر تخمین زده می شود. هریسبورگ با توجه به جمعیت آن، تعداد نسبتاً زیادی از حوادث جنایی و نقض مهمات را در داخل شهر تجربه می کند، که بین 10000 تا 15000 حادثه در سال در طی سال های 2006-2010 متغیر است. اداره پلیس هریسبورگ بیش از 200 پرسنل قسم خورده و غیرنظامی را استخدام می کند، اما در زمان اولیه هیچ تحلیلگر جرایم یا تکنسین زمین فضایی نداشت.طراحی و توسعه GeoVISTA CrimeViz .

شکل 4. تمرین اولیه کلاس درس CrimeViz . GeoVISTA CrimeViz از یک تمرین کلاسی در مورد نقشه برداری تعاملی و مبتنی بر وب برای یک دوره پیشرفته در نمایش کارتوگرافی پویا رشد کرد. نمونه اولیه تمرین یک خوراک داده های در دسترس عموم از حوادث جنایی در واشنگتن دی سی را ترسیم می کند

3.2. فرآیند طراحی کاربر محور برای GeoVISTA CrimeViz

ما یک فرآیند UCD تکراری را برای GeoVISTA CrimeViz دنبال کردیم که مستقیماً از چارچوب‌ها و فرآیندهای موجود در بالا استفاده می‌کردیم. گسترده‌ترین هدف رویکرد کاربرمحور ما، حل و فصل معاوضه استفاده‌پذیری و ابزار فوق‌الذکر در طراحی و توسعه GeoVISTA CrimeViz بود ، و اطمینان حاصل کرد که می‌تواند از کاوش بصری پیچیده و تجزیه و تحلیل فعالیت‌های مجرمانه در هریسبورگ پشتیبانی کند، در حالی که برای یک غیر فنی قابل دسترسی است. گروه کاربر هدف پیروی از توصیه های Nielsen [ 3 ] و Buttenfield [ 10] که در بالا معرفی شد، ارزیابی‌ها به شیوه‌ای تخفیفی با همپوشانی هدفمند در بازخورد اجرا شدند تا امکان مثلث‌بندی بینش‌ها در سراسر مطالعات فراهم شود. فرآیند UCD ما شامل چهار ارزیابی رسمی GeoVISTA CrimeViz با کاربران هدف یا کارشناسان طراحی بود. سه ارزیابی اول شکل‌دهنده بودند، در طول طراحی و توسعه تکمیل شدند تا در طرح مفهومی و نمونه‌های اولیه GeoVISTA CrimeViz تجدید نظر شوند. هر یک از سه ارزیابی شکل‌دهنده نشان‌دهنده یک حلقه از چرخه کاربر → ابزار → قابلیت استفاده است. شکل 3 مستقیماً رویکرد UCD ما را به حلقه کاربر → ابزار → قابلیت استفاده در شکل 1 و رابینسون و همکاران بررسی شده قبلی مرتبط می کند. [ 12] فرآیند UCD. ارزیابی چهارم خلاصه ای بود و برای تعیین اینکه آیا اهداف کاربردی و کاربردی GeoVISTA CrimeViz برآورده شده است یا خیر، طراحی شد. هر ارزیابی در زیر توضیح داده شده است:

(1): مصاحبه‌های نیازسنجی: فرآیند UCD ما با یک مطالعه نیازسنجی شروع شد، به دنبال توصیه‌های بالا نیلسن [ 3 ، 4 ]، گابارد، هیکس و همکاران [ 18 ، 19 ، 36 ] و رابینسون و همکاران [ 12 ]. به‌جای تمرکز ویژه بر اداره پلیس هریسبورگ، یک ارزیابی مقایسه‌ای نیاز انجام دادیم و سازمان‌های مجری قانون بیشتری را که همتایان اداره پلیس هریسبورگ محسوب می‌شوند، ثبت‌نام کردیم. رویکرد تطبیقی همچنین به ما امکان می‌دهد تا یک تحلیل پیگیری ساختاریافته از روندهای فعلی و نیازهای برآورده نشده در تحلیل جرم مکانی-زمانی به طور گسترده انجام دهیم (نگاه کنید به [ 61 ]]). در مجموع، نه پرسنل از هفت سازمان مجری قانون در یک مصاحبه 60 دقیقه ای برای شناسایی نیازهای برآورده نشده کلیدی در تجزیه و تحلیل جرم مکانی-زمانی شرکت کردند. دو نفر از 9 شرکت کننده از اداره پلیس هریسبورگ بودند. ما روش مصاحبه مبتنی بر کاربر را برای مطالعه نیازسنجی انتخاب کردیم زیرا نیازها و انتظارات کاربر در آن زمان ناشناخته بود و نقشه تعاملی برای پشتیبانی از تعداد کمی از پروفایل های کاربر طراحی شده بود ( جدول 2 را در بالا ببینید). مصاحبه‌های ارزیابی نیاز همچنین به عنوان تجزیه و تحلیل رقابتی تخفیف به دنبال نیلسن [ 3 ، 4 ] عمل کرد و به شرکت‌کنندگان این امکان را داد تا در مورد ابزارهای جایگزینی که استفاده کرده‌اند یا می‌خواهند استفاده کنند، نظر بدهند. این ورودی به نوبه خود منجر به رسمی شدن الزامات و انتشار آلفا شدGeoVISTA CrimeViz برای استفاده اولیه توسط اداره پلیس هریسبورگ.
(2): مطالعه Think Aloud مبتنی بر خبره: سپس با پیروی از توصیه‌های Nielsen [ 3 ، 4 ]، Gabbard، Hix و همکاران [ 18 ] ، یک مطالعه با صدای بلند فکری مبتنی بر متخصص در مورد انتشار آلفا با کارشناسان طراحی خارج از تیم پروژه انجام دادیم . 19 ، 36 ]، و اسلوکام و همکاران [ 17 ] در بالا بررسی شدند. ما مطالعه با صدای بلند فکر کردن را انتخاب کردیم، که از شرکت‌کنندگان می‌خواهد تا استدلال خود را همانطور که از یک رابط استفاده می‌کنند، توضیح دهند تا به سرعت طیف گسترده‌ای از مسائل کاربردی و کاربردی را با GeoVISTA CrimeViz در طول فعالیت بسیار انعطاف‌پذیر کاوش و تحلیل بصری شناسایی کنند ( جدول 2).). از پنج کارشناس طراحی خواسته شد تا فرآیند فکر خود را در حین تکمیل مجموعه ای از وظایف محک با انتشار آلفای GeoVISTA CrimeViz بیان کنند . ما دوازده تکلیف معیار را در مطالعه با صدای بلند فکر می‌کنیم، با وظایف متعادل‌شده بر اساس سه بعد آندرینکو و همکاران فوق‌الذکر. [ 29 ] نوع شناسی وظیفه عملیاتی ( جدول 3). هر جلسه فکر کردن با صدای بلند با یک جلسه توجیهی پایان باز بسته می شود تا شرکت کننده بتواند تجربیات خود را در استفاده از برنامه توضیح دهد و ارزیابی کامل در مجموع 60 دقیقه طول بکشد. ما حوادث مهمی را ثبت کردیم (مانند خطاهای شدید، ایده‌هایی برای عملکردهای اضافی، پیشرفت‌های بزرگ) که هنگام استفاده از نسخه آلفا رخ داده‌اند و این مشکلات کاربردی و قابلیت استفاده را در نسخه بتا بازبینی کردیم.
(3): نظرسنجی آنلاین شکل‌دهنده: برای جمع‌آوری بازخورد کاربران در مورد نسخه بتا، ما یک نظرسنجی آنلاین شامل یک سری رتبه‌بندی در مقیاس مجزا (مثلاً «در مقیاس 1 تا 7…») و پرسش‌های پاسخ رایگان تکمیل‌کننده فرم بدون ساختار طراحی کردیم. . ما روش نظرسنجی آنلاین را در این مرحله در فرآیند UCD انتخاب کردیم زیرا نمی‌توانستیم به طور فیزیکی در اداره پلیس هریسبورگ برای انجام ارزیابی حضور داشته باشیم و پرسنل بررسی‌شده زمان محدودی برای ارائه بازخورد داشتند ( جدول 2).). پرسش‌های نظرسنجی برای اندازه‌گیری مؤلفه‌های قابلیت استفاده (مانند یادگیری، کارایی، به یاد ماندنی، میزان خطا/شدت، و رضایت ذهنی) و سودمندی (به عنوان مثال، اثربخشی آن در سناریوهای مورد استفاده، از جمله جنبه‌های جدید بودن و جامع‌بودن موارد گنجانده شده) متعادل شدند. عملکرد) در بالا خلاصه شد. ده نفر از ذینفعان در اداره پلیس هریسبورگ، نظرسنجی شکل‌دهنده قابلیت استفاده/استفاده را تکمیل کردند، با این نظرسنجی که تقریباً 15 دقیقه طول می‌کشد تا در روز کاری پرسنل شرکت‌کننده تداخل نداشته باشد. این بازخورد منجر به اضافه شدن چندین مورد به الزامات عملکردی شد و باعث به‌روزرسانی هویت محصول آن در انتشار کامل GeoVISTA CrimeViz شد.
(4): نظرسنجی آنلاین خلاصه: چندین هفته پس از انتقال نسخه کامل به اداره پلیس هریسبورگ، بار دوم نظرسنجی آنلاین را اجرا کردیم. همانطور که در بالا توضیح داده شد، ارزیابی خلاصه در مرحله استقرار طراحی و توسعه در UCD [ 10 ] رایج است، حتی اگر تنها فرصت حداقلی را برای انجام بازبینی های قابل توجه در رابط [ 25 ] ارائه دهد. ارزیابی خلاصه ما به ما اجازه می دهد تا تعیین کنیم که آیا تجدید نظر در نسخه بتا منجر به بهبود مثبت GeoVISTA CrimeViz شده است، زیرا روش نظرسنجی امکان مقایسه مستقیم بین چندین نسخه یک رابط را فراهم می کند ( جدول 2).) سوالات در نظرسنجی آنلاین خلاصه بدون تغییر از نظرسنجی آنلاین شکل‌دهنده بود. ارزیابی اجمالی همچنین به ما امکان داد تا تعیین کنیم که آیا در طول انتقال نسخه کامل به اداره پلیس هریسبورگ و مؤلفه مهم رابینسون و همکاران، مسائل جدیدی مطرح شده است یا خیر . مرحله اشکال زدایی [ 12 ] که در بالا معرفی شد. ده پرسنل مختلف از اداره پلیس هریسبورگ در نظرسنجی آنلاین خلاصه ای که انتشار کامل GeoVISTA CrimeViz را ارزیابی می کرد، شرکت کردند.

جدول 3. وظایف معیار مورد استفاده در مطالعه با صدای بلند فکر کردن مبتنی بر متخصص . ما وظایف معیاری را که در مطالعه با صدای بلند فکر می‌کنند بر اساس Andrienko و همکارانش متعادل کردیم. [ 29 ] طبقه‌بندی وظایف عملیاتی به منظور گستره‌ای از وظایف کاوش و تحلیل بصری فرضی که توسط GeoVISTA CrimeViz پشتیبانی می‌شود.

بینش ایجاد شده از چهار ارزیابی رسمی رابط، با بازخورد غیررسمی به دست آمده از مجموعه چرخشی متشکل از 6 تا 8 سهامدار در اداره پلیس هریسبورگ تکمیل شد. بازخورد غیررسمی شامل تماس‌های کنفرانسی که هر دو تا چهار هفته یکبار (همزمان، توزیع‌شده)، بازدید از سایت هر چهار تا شش ماه (هم‌زمان، هم‌محل) و استفاده از فهرست موارد اقدام مشترک برای شناسایی و ردیابی اشکال‌ها برگزار می‌شود، می‌شود. و سایر درخواست های تجدید نظر (ناهمزمان، توزیع شده). مجموعه ارزیابی‌های رابط رسمی و غیررسمی، و تجدیدنظرهای بعدی رابط، در مجموع یک مطالعه موردی چند بعدی، عمیق و طولانی مدت (MILC) را تشکیل می‌دهند.، که یک رویکرد UCD را توصیف می کند که در آن ارزیابان با یک گروه کاربری کوچک در طی یک دوره چند ماهه برای ارزیابی و اصلاح یک رابط به صورت تکراری کار می کنند [ 62 ].

4. نتایج: تکامل GeoVISTA CrimeViz

4.1. مصاحبه های نیازسنجی

ما UCD GeoVISTA CrimeViz را با مطالعه نیازسنجی مقایسه ای آغاز کردیم ( شکل 3 a). دنبال کردن نیلسن [ 3 ، 4]، مصاحبه‌های نیازسنجی به ما اجازه داد تا نمایه‌های کاربر ایجاد کنیم و از سناریوهای موردی استفاده کنیم، و همچنین به طور گسترده‌تر در مورد زمینه بزرگ‌تر تحلیل جرم بیاموزیم. این دو مصاحبه با اداره پلیس هریسبورگ منجر به رسمی شدن سه نمایه کاربری شد که با سلسله مراتب تقسیمی آنها مطابقت داشت: بازرسان (کارآگاهان و مأموران پزشکی قانونی که تحقیقات در مورد جنایات خشونت آمیز و معاون انجام می دهند)، افسران (گشت یونیفرم پشتیبانی از اولین واکنش، کنترل ترافیک، اجرای پارکینگ، و کنترل حیوانات)، و مدیران (کارکنان خدماتی که از عملکردهای اجرای قانون و دادگاه حمایت می کنند). در مقایسه با سایر سازمان‌های مجری قانون شرکت‌کننده، پرسنل اداره پلیس هریسبورگ، بدون توجه به مشخصات کاربر، کمترین آموزش داخلی و تخصص در زمینه فناوری‌های فضایی را داشتند. با این حال، پرسنل با خدمات معمول نقشه‌برداری وب، مانند نقشه‌های گوگل، آشنا بودند و انتظار می‌رفت که تعامل اولیه «نقشه لغزنده»، مانند پاننگ و بزرگنمایی را درک کنند. نکته مهم این است که ما در این مرحله به دلیل ملاحظات اخلاقی با ترسیم فعالیت مجرمانه در سطح آدرس، عموم مردم را به عنوان یک گروه کاربر هدف رد کردیم. در نتیجه، انتشار عمومی ازGeoVISTA CrimeViz از خوراک عمومی واشنگتن دی سی برای حفظ محرمانه بودن اطلاعات بالقوه حساس استفاده کرد ( شکل 5 و شکل 6 ). انتشار GeoVISTA CrimeViz که از مجموعه داده هریسبورگ نقشه برداری می کند، با رمز عبور محافظت می شود تا دسترسی عمومی را محدود کند.

سپس این پروفایل های کاربر با پنج سناریو مورد استفاده برای GeoVISTA CrimeViz مطابقت داده شدمشترک در بین هفت سازمان مجری قانون شرکت کننده: (1) تجزیه و تحلیل تحقیقات جنایی (تحلیل در سطح فردی یک سریال جنایی در حال ظهور و شناسایی مظنونین بالقوه). (2) تجزیه و تحلیل اطلاعاتی (تحلیل در سطح فردی روابط بین حوادث جرم و مجرمان جنایی برای کشف یک سندیکای جنایی). (3) تجزیه و تحلیل استراتژیک جرم (تحلیل فضایی-زمانی در سطح کل برای درک و پاسخگویی به الگوها و روندهای بلندمدت در فعالیت های مجرمانه). (4) تجزیه و تحلیل جرم تاکتیکی (تحلیل فضایی-زمانی در سطح کل برای پاسخ به افزایش جرایم اخیر). و (5) تجزیه و تحلیل جرم اداری (ارائه الگوها و روندهای جرم مکانی و زمانی به مقامات دولتی و شهروندان) (نگاه کنید به [ 63 ]]). بازرسان مسئول تجزیه و تحلیل تحقیقات جنایی، تجزیه و تحلیل اطلاعاتی، و تجزیه و تحلیل استراتژیک جرم بودند، و بنابراین پیچیده ترین مجموعه ای از نیازهای تجزیه و تحلیل جرم مکانی و زمانی را داشتند. محققین برای شناسایی الگوها و روندهای بلندمدت (تجزیه و تحلیل جنایات استراتژیک)، برای فیلتر کردن این مرورها بر اساس مکان، زمان، و ویژگی‌ها برای ایجاد سریال‌ها (تحلیل تحقیقات جنایی) و فیلتر کردن این مرورها بر اساس مکان، زمان، و ویژگی‌ها، نیاز به ایجاد نقشه‌های مرور کلی منعطف دارند که کل مجموعه داده‌های رویداد جنایی را در بر می‌گیرد. در نهایت به جمع آوری و ترکیب جزئیات در مورد جنایات مرتبط برای افشای سندیکای جنایی گسترده تر (تحلیل اطلاعاتی). بنابراین، محققین به رابطی نیاز داشتند که استفاده متناوب را پشتیبانی کند (به عنوان مثال، هفتگی یا ماهانه، بسته به انتساب موارد جدید) که با عمق ( مثلاً.، چند ساعته)، تجزیه و تحلیل مکانی-زمانی بسیار اکتشافی. در مقابل، افسران عمدتاً مسئول تجزیه و تحلیل تاکتیکی جنایات بودند و به سرعت نقشه‌های ساده گزارش‌های جرم را از چند روز گذشته در شروع روز کاری خود مرور می‌کردند تا آگاهی موقعیتی از فعالیت‌های جنایی اخیر به دست آورند. در نهایت، مدیران مسئول تجزیه و تحلیل جرایم اداری، چاپ نقشه های خلاصه برای گنجاندن در جلسات دادگاه و گزارش در صورت درخواست بودند.

علاوه بر رسمی کردن نمایه‌های کاربر و سناریوهای مورد استفاده، اولین گام مهم برای شناخت کاربر ( شکل 3 الف)، رویکرد مقایسه‌ای برای ارزیابی نیازها به ما کمک کرد تا الزامات عملکردی نسخه توسعه‌یافته GeoVISTA CrimeViz را درک کنیم ، و یک خط پایه برای آن تعیین کنیم. کاربرد آن ( شکل 3ب). اولین مجموعه از بینش‌ها به نوع و قالب داده‌های مکانی-زمانی جمع‌آوری‌شده و نگهداری شده توسط سازمان‌های مجری قانون مشارکت‌کننده و فن‌آوری پشتیبان حاصله مورد نیاز برای نمایه‌سازی و ارائه این مجموعه داده‌ها مربوط می‌شود. اگرچه سازمان‌های منفرد اظهار داشتند که پایگاه‌های اطلاعاتی مربوط به تماس‌ها برای خدمت، مصاحبه‌های میدانی، دستگیری یا محکومیت را نگهداری می‌کنند، تمرکز غالب بحث بر روی گزارش‌های جرم توصیف‌کننده رویدادهای جنایی بود (که ممکن است منجر به دستگیری شود یا نشود). همه آژانس‌های شرکت‌کننده مجموعه اصلی اطلاعات ارائه‌شده در گزارش جرم را توصیف کردند: شناسه شماره گزارش، آدرس، تاریخ و زمان، نوع جرم، MO ( روش عملیاتی )) و شرح روایی. بنابراین، مجموعه داده‌های گزارش جرم در سراسر آژانس‌ها شامل جنبه‌های ذاتی برای کاوش و تحلیل بصری بر اساس مکان (مکان)، زمان (سال، ماه، روز، ساعت) و ویژگی (نوع جرم، MO، و روایت) بود.

دو چالش خاص برای گزارش های جنایی که توسط اداره پلیس هریسبورگ نگهداری می شد وجود داشت که نقشه برداری آنها را پیچیده می کرد. سازمان‌های مجری قانون نوع جنایت یا جنایت (به عنوان مثال ، نوع جرم) را در گزارش جرم با استفاده از کدهای UCR (گزارش جرم یکسان) نشان می‌دهند، استانداردی دو سطحی که توسط وزارت دادگستری ایالات متحده به صورت فدرال اجرا می‌شود تا امکان مقایسه بین فعالیت مجرمانه در شهرداری ها و ایالت ها اداره پلیس هریسبورگ طرح کدگذاری UCR فدرال را گسترش داد تا MO های مختلف را بر اساس نوع جرم نشان دهد، نقض قوانین شهری را نیز شامل شود و فعالیت های غیر مجرمانه مانند تصادفات را شناسایی کند. بنابراین، اولین نیاز برای GeoVISTA CrimeViz توسعه یافته استاین بود که یک پایگاه داده فضایی را که از این طرح تقریباً 500 کد پشتیبانی می کرد، نمونه سازی کند. این راه حل back-end توسط Apache و PostGIS/PostGreSQL پشتیبانی می شود. علاوه بر این، در حالی که سازمان‌های مجری قانون بزرگ‌تر، برای ارجاع جغرافیایی هر رویداد جنایی به مختصات جغرافیایی، جستجوی آدرس انجام می‌دهند، اداره پلیس هریسبورگ گزارش‌های جرم خود را در یک سیستم مرجع مکانی جغرافیایی کدگذاری نکرده است. بنابراین، نیاز دوم برای GeoVISTA CrimeViz این بود که یک اسکریپت سمت سرور برای ارجاع مکانی به گزارش‌های جرم و جنایت جدید که به پایگاه داده PostGIS/PostGreSQL اضافه می‌شوند، توسعه دهد. این راه حل از Yahoo! سرویس کدگذاری جغرافیایی، با استفاده از اسکریپت Cron برای وارد کردن و ژئوکدگذاری گزارش های جرم جدید هر 24 ساعت.

شکل 5. انتشار آلفای GeoVISTA CrimeViz . مصاحبه‌های ارزیابی نیاز به ما این امکان را می‌دهد که مجموعه‌ای از الزامات عملکردی اولیه را برشماریم، که در انتشار آلفا در سه پانل رابط سازماندهی کردیم: ( الف ) پانل نقشه (کاوش و تحلیل فضایی). ( ب ) پانل داده (کاوش و تحلیل ویژگی)، و ( ج ) پانل زمانی (کاوش و تحلیل زمانی). این شکل، توالی نقشه را برای نشان دادن ترکیبی از هفته به روز از هفته بازگو کرده است، که نشان دهنده افزایش جالب جنایات آتش‌سوزی در روزهای چهارشنبه در واشنگتن دی سی است.

شکل 6. انتشار بتا GeoVISTA CrimeViz . این مطالعه با صدای بلند مبتنی بر متخصص، مجموعه‌ای از عملکردهای گمشده و اشکالات برنامه‌نویسی را شناسایی کرد که تا حد زیادی در نسخه بتا GeoVISTA CrimeViz برطرف شد. پیکربندی در شکل، ویژگی جستجوی اضافه شده برای پشتیبانی از وظایف سطح ابتدایی و همچنین ویژگی تجمع شش ضلعی اضافه شده برای تولید نقشه های کلی در پشتیبانی از وظایف سطح عمومی را نشان می دهد.

علاوه بر الزامات عملکردی سمت سرور، مطالعه ارزیابی نیازها همچنین بینش های مهمی در مورد نیازهای عملکردی سمت سرویس گیرنده GeoVISTA CrimeViz ایجاد کرد . اگرچه ما یک تجزیه و تحلیل رقابتی رسمی را همانطور که توسط نیلسن [ 3 ، 4 ] توصیه شده انجام ندادیم، رویکرد مقایسه ای برای ارزیابی نیازها به ما اجازه داد تا نمایش هایی از نقشه های تعاملی را که در حال حاضر توسط آژانس های اجرای قانون شرکت کننده برای کاوش بصری و تجزیه و تحلیل فعالیت های مجرمانه استفاده می شود، مشاهده کنیم. چنین کاربردهای مبتنی بر نقشه شامل ATAC (تحلیل تاکتیکی خودکار جنایت) [ 64 ]، آشکارساز سنبله Azavea HunchLab/Crime [ 65 ]، CrimeStat [ 66 ]، GeoDa [ 67 ] بود.] و معمولاً ArcGIS Esri. در حالی که هر یک از این ابزارها برای استفاده متخصصان هدف قرار گرفته بودند – و بنابراین برای پروفایل های کاربری تثبیت شده در زمینه پلیس هریسبورگ مناسب نبودند – چندین اشتراک در طراحی نقشه و رابط آنها وجود داشت که مستقیماً نیازهای عملکردی GeoVISTA CrimeViz را اطلاع رسانی می کرد .

با توجه به الزامات طراحی نقشه، گزارش‌های جرم معمولاً با استفاده از نمادهای نقطه نمایش داده می‌شوند (به عنوان مثال.، “نقشه های پین فشاری”) رنگ آمیزی بر اساس نوع جرم یا زمان. شرکت‌کنندگان حداقل نقشه‌برداری موضوعی اطلاعات جمع‌آوری شده را تکمیل کردند، شرکت‌کنندگانی از سه آژانس حتی نسبت به «نقشه‌های نقطه داغ» با استفاده از تابع چگالی هسته برای ارائه یک سطح جرم اظهار بیزاری کردند. این شرکت‌کنندگان خاطرنشان کردند که نقشه‌های نقاط داغ بیش از حد الگوی جرم را هموار می‌کنند – حتی گاهی اوقات یک نقطه داغ در مرکز دو یا چند سنبله محلی قرار می‌دهند – که مرتباً بازرسان و افسرانی را که در خواندن نقشه‌ها آموزش ندیده‌اند گیج می‌کنند. شرکت‌کنندگان معمولاً لایه‌های زمینه‌ای را برای کمک به تفسیر نقشه‌های فشاری، مانند ایستگاه‌های پلیس و آتش‌نشانی، مناطق و شبکه‌های پلیس، مدارس و بیمارستان‌ها، و مسیرهای تخلیه اضطراری شامل می‌شوند. دو شرکت‌کننده از اداره پلیس هریسبورگ به‌ویژه در مورد ادغام آنها هیجان‌زده بودندGeoVISTA CrimeViz با نمای خیابان گوگل به منظور کمک به عملیات تاکتیکی. به همین دلیل، Google Maps API را به عنوان کتابخانه کد پایه برای توسعه سمت سرویس گیرنده حفظ کردیم.

با توجه به الزامات طراحی رابط، استفاده از برنامه های کاربردی رقیب بر فیلتر انعطاف پذیر گزارش های جرم تاکید داشت. دسکتاپ GIS در درجه اول برای استخراج زیرمجموعه های فیلتر شده از پایگاه داده گزارش جرم برای مشاهده بعدی به عنوان لایه های جداگانه GIS استفاده شد. یک نقشه تعاملی با یک رابط فیلترینگ مداوم بدون منوهای پیچیده توسط شرکت‌کنندگان به‌عنوان یک بهبود طراحی تلقی می‌شد و به تحلیلگران اجازه می‌داد تا فوراً بر اساس جنبه‌های مختلف پایگاه داده بدون نیاز به کار در چندین پنجره گفتگوی تودرتو، فیلتر کنند. در حالی که شرکت کنندگان به اهمیت فیلتر کردن پایگاه های گزارش جرم خود بر اساس نوع جرم و MO اشاره کردند (به عنوان مثال.، با ویژگی ها)، ابتدا فیلتر بر اساس تاریخ و زمان، و سپس تولید توالی های زمانی بر اساس پارامترهای فیلتر شده برای انیمیشن های بعدی در مکان و زمان رایج بود. واحدهای زمانی تحلیل شامل روز و هفته برای تجزیه و تحلیل جرم تاکتیکی و ماه و سال برای تجزیه و تحلیل جرم استراتژیک بود. سازمان‌های مجری قانون به غیر از اداره پلیس هریسبورگ نیز برای پشتیبانی از تجزیه و تحلیل جرایم استراتژیک و اداری، ترکیب‌های موقتی تولید کردند، که در آن فرکانس‌ها برای هر نمونه مجزا از مجموعه محدود واحدهای زمانی چرخه‌ای میانگین یا جمع می‌شد تا یک مقدار معرف واحد محاسبه شود. هر یک از واحدهای زمانی چرخه ای (به عنوان مثال، مجموع کل کل یکشنبه، دوشنبه، و غیره ، مقادیر بیش از یک سال یا میانگین ژانویه، فوریه و غیره ).، ارزش بیش از 10 سال). در نهایت، شرکت‌کنندگان از نقشه‌های تعاملی برای کلیک بر روی نقاط خاص مورد علاقه و بازیابی جزئیات از گزارش جرم در حمایت از تحلیل تحقیقات جنایی و تحلیل اطلاعاتی استفاده کردند.

پس از مصاحبه های ارزیابی نیاز، ما یک سند رسمی الزامات ایجاد کردیم که عملکرد GeoVISTA CrimeViz را مشخص می کند ( شکل 3 ب). ما الزامات عملکردی سمت مشتری را بر اساس ترسیم صریح مکان، زمان و اطلاعات ویژگی‌ها در گزارش‌های جرم به سه دسته سازماندهی کردیم ( جدول 4 : الزامات سیاه). سپس نمونه اولیه مورد استفاده به عنوان تمرین کلاس درس را برای پشتیبانی از الزامات عملکردی تازه شناسایی شده مورد بازنگری قرار دادیم که منجر به انتشار آلفای GeoVISTA CrimeViz برای آزمایش داخلی توسط اداره پلیس هریسبورگ شد ( شکل 3)ج). کنترل‌های رابط به سه پنل رابط در نمونه اولیه آلفا نیمه کاربردی سازمان‌دهی شدند:

(1): پانل نقشه : پانل نقشه مرکزی کنترل های رابط را برای کاوش فضایی و تجزیه و تحلیل فعالیت های مجرمانه فراهم می کند ( شکل 5 a ). در انتشار آلفا، گزارش‌های جنایات جغرافیایی رمزگذاری‌شده به‌عنوان نمادهای نقطه‌ای در همه مقیاس‌های نقشه‌برداری نمادین شدند. نقشه پایه از تعامل اولیه “نقشه لغزنده”، از جمله جابجایی، بزرگنمایی و همپوشانی مجموعه‌های کاشی مختلف پشتیبانی می‌کرد. انتخاب نماد نقطه، یک پنجره اطلاعاتی حاوی اطلاعات موجود برای حادثه مرتبط و پیوندی به نمای خیابان گوگل را فعال می کند.
(2): پانل داده ها: پنل داده کنترل های رابط را برایکاوش ویژگی ها و تجزیه و تحلیل فعالیت های مجرمانه فراهم می کند ( شکل 5 ب ). پانل داده در نسخه آلفا از دو شکل تعامل پشتیبانی می‌کند: مجموعه‌ای از چک باکس‌ها برای همپوشانی لایه‌های زمینه‌ای که در مطالعه ارزیابی نیازها مهم هستند و مجموعه‌ای از چک‌باکس‌ها برای فیلتر کردن بر اساس نوع جرم. شکل 5 تنها سه گزینه فیلتر را نشان می دهد، با توجه به استفاده ما از واشنگتن، دی سی، خوراک داده برای نسخه عمومی نمونه اولیه آلفا. انتشار آلفا هنوز شامل فیلتر کردن ویژگی توسط طرحواره کامل UCR یا MO نمی‌شود، اما چنین عملکردی در این مرحله در فرآیند UCD برنامه‌ریزی شده بود ( جدول 4 ).
(3): پانل زمانی: پانل زمانی، کنترل های رابط را برایکاوش و تجزیه و تحلیل زمانی فعالیت های مجرمانه فراهم می کند ( شکل 5 ج). در نسخه آلفا، ما یک هیستوگرام تعاملی را پیاده‌سازی کردیم که پایگاه‌داده گزارش جرم را در مجموعه‌ای از سطل‌های زمانی منحصر به فرد متقابل یا فواصل زمانی معادل جمع‌آوری می‌کرد. مانند نمادهای نقطه روی نقشه، هر نوار هیستوگرام را می توان برای بازیابی جزئیات مربوط به گزارش های جرم در سطل زمانی داده شده، برس زد. پانل نقشه را می توان در سراسر سطل ها متحرک کرد و هیستوگرام به عنوان یک افسانه زمانی تعاملی دو برابر می شود. نسخه آلفا همچنین شامل منویی برای تغییر واحد زمانی تجزیه و تحلیل به یک هفته، یک ماه یا یک سال بود. در نهایت، یک جفت دکمه رادیویی برای جابجایی بین توالی‌های زمانی خطی و ترکیبی گنجانده شد.

جدول 4. الزامات عملکردی GeoVISTA CrimeViz . الزامات به دست آمده از نیازسنجی به رنگ سیاه نشان داده شده است، با اضافات حاصل از مطالعه مبتنی بر تفکر با صدای بلند و نظرسنجی آنلاین سازنده به ترتیب با رنگ های نارنجی و بنفش مشخص شده اند.

4.2. مطالعه با صدای بلند فکر کردن مبتنی بر متخصص

در حالی که سهامداران در اداره پلیس هریسبورگ در حال آزمایش نمونه اولیه اصلاح شده بودند، ما یک مطالعه با صدای بلند با کارشناسان طراحی برای ارزیابی قابلیت استفاده و کاربرد آن انجام دادیم ( شکل 3 د). همانطور که در بالا مورد بحث قرار گرفت، ارزیابی مبتنی بر متخصص برای تکمیل ورودی کاربران هدف، ارائه بازخورد در مورد انتشار آلفا بر اساس اصول تثبیت شده در نقشه‌برداری، GIScience، و تجزیه و تحلیل بصری، به جای شیوه‌های فعلی در تجزیه و تحلیل جرم، استفاده شد. جدول 5 تنوع و گستردگی توصیه‌های طراحی را که از طریق مطالعه با صدای بلند فکر می‌کند، بر اساس سه پانل رابط در انتشار آلفای شکل 5 سازمان‌دهی شده است، برمی‌شمارد.

اولین مجموعه از توصیه‌های مشتق شده از مطالعه با صدای بلند درباره طراحی نقشه بود. طرح آلفا که برگرفته از تمرین کلاس درس بود، از لحاظ بصری بین انواع جرم تمایز قائل نشد و از نمادسازی یکنواخت برای همه گزارش‌های جرم ترسیم شده در پانل نقشه استفاده کرد. بر اساس بازخورد حاصل از ارزیابی نیازها و مطالعات بلند فکر کردن، ما در ابتدا برنامه ریزی کردیم که هر کد UCR اولیه را با رنگی متفاوت با استفاده از یک طرح رنگی کیفی نشان دهیم. با این حال، با توجه به طرحواره UCR توسعه یافته توسط اداره پلیس هریسبورگ، ما در نهایت انواع جرم منحصر به فرد را در پنج دسته گروه بندی کردیم، با استفاده از یک طرح رنگی کیفی به عنوان نماد بر اساس دسته: (1) جنایات خشونت آمیز. (2) جرایم اموال؛ (3) جنایات معاون; (4) حوادث؛ و (5) دیگر. سپس کد UCR اولیه را با استفاده از یک مخفف دو حرفی نشان دادیم. این مجدداً با کد اولیه دو رقمی و عددی UCR در نسخه کامل بر اساس بازخورد از نظرسنجی آنلاین شکل‌دهنده تنظیم شد، زیرا نگرانی در مورد نیاز به یادگیری و به خاطر سپردن دو علامت اختصاری رقابتی برای طرحواره توسعه یافته UCR وجود داشت. بازخورد حاصل از مطالعه با صدای بلند فکر کنید همچنین نیاز به نمادسازی لایه‌های زمینه مبتنی بر نقطه با استفاده از نمادهای نمادین و تمایز عناصر مختلف در لایه‌های زمینه خط و چند ضلعی با استفاده از یک طرح رنگی کیفی را آشکار کرد.شکل 6 ).

مجموعه دومی از توصیه‌ها عملکرد رابط اضافی را برای بهبود پشتیبانی در سراسر وظایف معیار ارزیابی شده در نظر می‌گیرد ( جدول 3 ). استفاده از وظایف معیار مثمر ثمر بود، زیرا مطالعه فکر با صدای بلند به ما امکان داد تا کارهای کاوش بصری و تجزیه و تحلیل را که توسط انتشار آلفا پشتیبانی ضعیفی داشتند، شناسایی کنیم، که مزیت دیگری از اعمال اهرم وظایف معیار برای اندازه‌گیری سودمندی از موارد بررسی شده در بالا است. شرکت‌کنندگان به‌ویژه در طول سه تا از وظایف سطح ابتدایی ناامید شدند: وظیفه شماره 1 ( شناسایی ، با توجه به چه چیزی؟ پیدا کردن کی؟ و کجا؟ )، وظیفه شماره 2 ( شناسایی ، با توجه به چه چیزی؟ و چه زمانی؟ پیدا کنید .جایی که؟ و وظیفه شماره 9 ( مقایسه کنید ، با توجه به کجا؟ و چه زمانی؟ چه چیزی را پیدا کنید ؟ ). بیان شفاهی شرکت کنندگان نشان داد که این مشکل در درجه اول به دلیل نبود ویژگی جستجو برای شناسایی آدرس های منحصر به فرد یا شماره های گزارش جرم منحصر به فرد است. ویژگی قبلی از وظایف سطح ابتدایی پشتیبانی می کند که در آن کجا؟ شناخته شده است و ویژگی دوم از وظایف سطح ابتدایی پشتیبانی می کند که در آن چه؟شناخته شده است. بر اساس این بازخورد، ما یک کادر متنی پرکننده فرم را به پنل داده اضافه کردیم که به کاربران امکان می‌دهد یک آدرس منحصر به فرد یا شماره گزارش جرم را جستجو کنند. هنگامی که کاربر آدرسی را ارسال می کند که در محدوده شهر مطابقت دارد، نقشه بزرگنمایی می شود و دوباره در مرکز آدرس ارسال شده قرار می گیرد. هنگامی که کاربر یک شماره گزارش جرم را ارسال می کند که در فید داده مطابقت دارد، نقشه بزرگنمایی می شود و مجدداً به نشانگر مربوطه روی نقشه متمرکز می شود، پنجره اطلاعات در پانل نقشه فعال می شود و انیمیشن به سطل زمانی مناسب ارتقا می یابد. در پانل زمانی

جدول 5. نتایج مطالعه مبتنی بر خبرگان با صدای بلند فکر کنید. بحث در مورد حوادث مهم در طول مطالعه با صدای بلند به شناسایی عملکرد گمشده (ابزار) و اشکالات برنامه نویسی (قابلیت استفاده) در نسخه آلفا GeoVISTA CrimeViz منجر شد.

در حالی که شرکت کنندگان به طور کلی در تکمیل وظایف سطح عمومی موفق بودند، به دلیل تاخیر در تعامل نقشه و رندر هنگام ترسیم تعداد زیادی از نقاط در پانل نقشه، قادر به تکمیل سریع این وظایف نبودند. این به ویژه برای کار شماره 4 ( شناسایی ، با توجه به چه چیزی؟ و کجا؟ پیدا کردن کی؟ )، کار شماره 10 ( مقایسه ، با توجه به چه چیزی؟ پیدا کردن کجا؟ و چه زمانی؟ )، و کار شماره 12 ( مقایسه ، با توجه به کجا؟ پیدا کردن ) مشکل ساز بود. چی و کی) زیرا این وظایف شرکت کنندگان را ملزم به یافتن اطلاعات مربوط به جزء زمانی گزارش های جرم می کرد. برای این وظایف سطح عمومی، شرکت‌کنندگان معمولاً از انیمیشن با فیلتر ویژگی استفاده می‌کردند که منجر به تاخیر در انیمیشن و مهار استدلال مکانی و زمانی می‌شد. علاوه بر این، شرکت‌کنندگان خاطرنشان کردند که استفاده از نمادهای نقطه‌ای در مقیاس‌های کوچک برای نشان دادن گزارش‌های جرم فردی منجر به مسدود شدن بسیاری از نمادها به دلیل ترسیم بیش از حد می‌شود که تفسیر الگوهای سطح عمومی را پیچیده‌تر می‌کند. برای کاهش این دو مشکل در مورد وظایف سطح عمومی، ما یک اسکریپت باطن را پیاده سازی کردیم که به طور انعطاف پذیری نقاط گزارش جرم را با معیارهای فیلتر و توالی تعریف شده توسط کاربر در یک شبکه مکانی دلخواه جمع می کند. سپس مجموع‌ها در پانل نقشه با استفاده از یک طرح رنگ متوالی برای یک نقشه کلی در مقیاس‌های کوچک‌تر نشان داده می‌شوند. به دلیل بازخورد منفی در مورد “نقشه های نقطه داغ” هموار ارائه شده در مصاحبه های ارزیابی نیاز، ما مستقیماً گزارش های جرم و جنایت را در یک مجموعه شش ضلعی جمع آوری کردیم. هنگامی که نقشه نمای کلی بزرگ‌نمایی می‌شود، پانل نقشه به نمای جزئیات باز می‌گردد و دوباره گزارش‌های جرم را به عنوان نقاط جداگانه برای پشتیبانی از وظایف سطح ابتدایی ترسیم می‌کند.

بازخورد حاصل از مطالعه با صدای بلند فکری مبتنی بر متخصص باعث گسترش قابل توجهی به سند الزامات شد ( شکل 3 e)، به ویژه برای پانل های نقشه و داده ( جدول 4) .: الزامات نارنجی). علاوه بر بازبینی‌های فوق، شرکت‌کنندگان همچنین انعطاف‌پذیری بیشتری را برای حرکت و بزرگ‌نمایی در پانل نقشه، محتوای اطلاعاتی واضح‌تر در پنجره‌های بازشوی اطلاعات در نقشه و پانل‌های زمانی، یک ویژگی اسکرول در پانل زمانی توصیه کردند تا سطل‌های هیستوگرام گسترده‌تر شوند. و دکمه هایی برای تنظیم مجدد پارامترها در نقشه، داده و پانل های زمانی. همچنین چندین توابع رابط توصیه شده وجود داشت که ما تشخیص دادیم خارج از محدوده پروژه قرار دارند، که مبادله بین ابزار و قابلیت استفاده را نشان می دهد. چنین توابعی شامل ابزار جستجوی فاصله، ویژگی بافر، پشتیبانی از تجزیه و تحلیل خوشه‌ای و قابلیت فیلتر کردن با انتخاب نوارهای هیستوگرام منفرد بود.

در نهایت، مطالعه با صدای بلند تعداد زیادی از اشکالات برنامه نویسی و مشکلات استفاده عمومی را در نسخه آلفا نشان داد. اکثر این مشکلات قابلیت استفاده در نسخه بتا GeoVISTA CrimeViz برای آزمایش داخلی توسط اداره پلیس هریسبورگ حل شد ( شکل 3 f). شایان ذکر است، شرکت‌کنندگان در مطالعه با صدای بلند فکر می‌کنند که چندین مفهوم و اصطلاحات رابط ممکن است برای کاربران هدف گیج‌کننده باشد، مانند زمان خطی در مقابل چرخه‌ای و ایجاد ترکیب‌های موقت. بر اساس این بازخورد، ما مجموعه ای جامع از مطالب آموزشی و کمکی برای بهبود یادگیری و به یاد ماندنی GeoVISTA CrimeViz طراحی کردیم.برای استفاده غیر کارشناسی این مواد ابتدا به عنوان راهنمای ابزار مبتنی بر متن در نسخه بتا ارائه شدند ( شکل 6 )، اما در نهایت به صفحات وب چندرسانه‌ای در دسترس از طریق پیوندهای موجود در نسخه کامل گسترش یافتند (به صفحه «چگونگی» در http://www.geovista مراجعه کنید. psu.edu/CrimeViz/ ).

4.3. نظرسنجی آنلاین شکل دهنده

پس از انتشار نسخه بتا GeoVISTA CrimeViz ، ما یک نظرسنجی آنلاین برای جمع آوری بازخورد از کاربران هدف در مورد نسخه بتا انجام دادیم ( شکل 3 g). همانطور که در بالا توضیح داده شد، نظرسنجی آنلاین شکل‌دهنده مجموعه‌ای از رتبه‌بندی‌های مقیاس گسسته و پرسش‌های باز را تشکیل می‌دهد که با کاربرد و قابلیت استفاده متعادل می‌شوند. پاسخ‌های شرکت‌کنندگان به رتبه‌بندی‌های مقیاس گسسته در نظرسنجی آنلاین شکل‌دهنده، شکاف واضحی را بین قابلیت استفاده و کاربرد نسخه بتا نشان داد، با نظر بسیار مثبت‌تر در مورد کاربرد آن تا کاربرد آن.

به طور کلی، رتبه بندی شرکت کنندگان در مورد کاربرد نسخه بتا مختلط بود ( جدول 6 ). سوالات با جمله مثبت به طور میانگین 4.7 از “7” (“7” نمره بهینه است) و سوالات با عبارت منفی میانگین امتیاز 2.9 از “7” (نمره بهینه “1”) را دریافت کرده اند که نتیجه آن مطلق است. میانگین تنها 4.9 به طور کلی، کمی بالاتر از “4” یا “نه موافق و نه مخالف” نقطه میانی مقیاس گسسته. تعدادی از رتبه‌بندی‌های مقیاس گسسته ابزار، توزیع دووجهی را نشان دادند، با زیرمجموعه‌ای از شرکت‌کنندگان کاملاً موافق و زیرمجموعه دوم به شدت مخالف بودند (مثلاً سؤالات #1 و #2 در مورد فراوانی استفاده از نمونه اولیه و سؤالات #7 و #8 در مورد ابزار مفید از DC CrimeVizبرای کاوش و تحلیل بصری). بررسی پاسخ‌های تک تک شرکت‌کنندگان نشان داد که این تقسیم‌بندی با تمایز بین نمایه‌های کاربر محقق و افسر مطابقت دارد، و اولی به کاربرد نسخه بتا بسیار کمتر از دومی امتیاز می‌دهد.

پاسخ‌های محقق به سؤالات باز، نظرات آنها را در مورد عملکرد ناقص روشن می‌کند، و عمدتاً بر کنترل‌های اضافی برای فیلتر کردن پایگاه داده گزارش جرم تمرکز می‌کند. ابتدا، بازرسان توانایی جمع‌آوری گزارش‌های جرم و جنایت را بر حسب ساعت و تولید ترکیبی از روز به ساعت از روز درخواست کردند. ما در ابتدا از “روز” به عنوان بهترین واحد زمانی استفاده کردیم، با توجه به محدودیت‌های موجود در پایگاه داده واشنگتن، دی سی و به دلیل عدم بحث در مورد تجزیه و تحلیل ساعت به ساعت در مصاحبه‌های ارزیابی نیاز. نظرات بدون پایان و بحث های غیررسمی بعدی، ارتباط چرخه های روزانه در فعالیت های مجرمانه را با هر پنج سناریو مورد استفاده توضیح داد. دوم، محققان درخواست انعطاف‌پذیری بیشتری در فیلتر کردن موقت کردند. نسخه بتا مجاز به فیلتر کردن با کد UCR و MO است، اما از فیلتر کردن بر اساس زمان پشتیبانی نمی کند. محققان نیاز به فیلتر کردن خطی، تعیین تاریخ “شروع” و “پایان” گزارش های جرم و جنایت و همچنین فیلتر کردن چرخه ای بر اساس ساعت از روز، روز از هفته، و ماه را نشان دادند. از سال. نظرات پایان باز، فیلترهای خطی و ادواری را برای تجزیه و تحلیل تحقیقات جنایی و تجزیه و تحلیل اطلاعاتی مهم فهرست کرده اند، که در آن یک الگوی زمانی در یک سریال یا در سراسر یک سندیکا ایجاد می شود، و فیلتر چرخه ای را به عنوان مهم برای تجزیه و تحلیل جرم استراتژی فهرست کرده اند. در نهایت، بازرسان راه‌های بیشتری برای فیلتر کردن گزارش‌های جرم بر اساس فضا و ویژگی، از جمله یک رابط پر کردن فرم برای تایپ کدهای خاص UCR (علاوه بر انتخاب از یک منوی کشویی) درخواست کردند. پله‌های عددی برای انتخاب یک منطقه پلیسی خاص در هریسبورگ (یا توسط «منطقه‌های» بزرگ‌تر تحت نظارت کاپیتان‌ها، یا «شبکه‌های» کوچک‌تر که برای سازمان‌دهی گشت‌زنی استفاده می‌شوند)، و یک کادر متنی پرکننده فرم که امکان فیلتر کردن کلمات کلیدی توصیفات روایت موجود در گزارش های جنایی این بازخورد منجر به تجدید نظر نهایی در آن شدسند الزامات GeoVISTA CrimeViz ( شکل 3 h؛ جدول 4 : الزامات بنفش).

جدول 6. پاسخ های نظرسنجی آنلاین شکل دهنده به رتبه بندی های مقیاس گسسته کاربردی. رتبه‌بندی‌های مقیاس گسسته با جمله‌بندی مثبت (با نمره بهینه «۷») با رنگ سفید و رتبه‌بندی‌های مقیاس گسسته با عبارت منفی (با نمره بهینه «۱») به رنگ خاکستری سایه می‌زنند.

در مقابل، شرکت کنندگان قابلیت استفاده نسخه بتا را بسیار ارزیابی کردند ( جدول 7 ). سوالات با جمله مثبت به طور میانگین 6.0 از “7” و سوالات منفی نمره 2.1 از “7” را دریافت کردند که در مجموع میانگین مطلق 6.0 را کسب کردند. شرکت‌کنندگان دریافتند که نسخه بتا برای یادگیری و استفاده آسان است، و همچنین به درک آن‌ها از آنچه که نقشه تعاملی می‌تواند انجام دهد و آنچه در مورد الگوها و روند فعالیت‌های مجرمانه به آنها می‌گوید اطمینان داشتند. کمترین امتیاز قابلیت استفاده، طراحی بصری نسخه بتا (سوال شماره 9) بود. اگرچه هنوز پاسخ کلی 5.5 از “7” دریافت می شود، بازخورد به این سوال قابلیت استفاده باعث تجدید نظر در طراحی نقشه تعاملی برای مدرن کردن ظاهر و احساس شد.GeoVISTA CrimeViz ، هویت محصول خود را بهبود می بخشد.

جدول 7. پاسخ های نظرسنجی آنلاین شکل دهنده به رتبه بندی مقیاس گسسته قابلیت استفاده. رتبه‌بندی‌های مقیاس گسسته با جمله‌بندی مثبت (با نمره بهینه «۷») با رنگ سفید و رتبه‌بندی‌های مقیاس گسسته با عبارت منفی (با نمره بهینه «۱») به رنگ خاکستری سایه می‌زنند.

GeoVISTA CrimeViz اصلاح‌شده به‌عنوان یک ماکت استاتیک به منظور ایجاد طوفان فکری در طرح‌هایی برای یکپارچه‌سازی نیازمندی‌های عملکردی جدید شناسایی‌شده توسط محققان، در حالی که برای افسران و مدیران قابل استفاده باقی می‌ماند، شروع شد ( شکل 7).). اولین تجدید نظر مهم اضافه کردن داده‌ها و پانل‌های زمانی «پیشرفته» – غیرفعال‌شده به‌طور پیش‌فرض- بود تا قابلیت‌های رابط پیچیده‌تر شناسایی‌شده توسط محققان در نظرسنجی آنلاین شکل‌دهنده را در خود جای دهد. سپس پانل‌های داده و موقت اولیه دارای تنظیمات پیش‌فرض هدفمند بودند (همه انواع جرم برای پانل داده و هفت روز گذشته برای پانل موقت) به طوری که افسران برای تکمیل تجزیه و تحلیل جرایم ساده‌تر و تاکتیکی خود نیازی به فعال کردن پانل‌های پیشرفته نداشتند. وظایف در حالی که انتظار داشتیم مدیران باید پانل‌های پیشرفته را فعال کنند، ما میانبرهایی را در این پانل‌ها برای تنظیم ویژگی‌ها و گزینه‌های فیلتر موقت برای درخواست‌های گزارش رایج (مانند هفته/ماه/سال گذشته، فصل‌ها، آخر هفته/روز هفته، و صبح/بعد از ظهر) اضافه کردیم. /شب/ رفت و آمد). بدین ترتیب، ما طراحی و طرح رابط اصلاح شده را برای پشتیبانی از کاوش بصری و تجزیه و تحلیل انعطاف پذیر مورد نیاز محققین بدون پیچیده کردن کار افسران و مدیران پیش بینی کردیم. در نهایت، ما یک کنترل چرخ زمان با دستکاری مستقیم طراحی کردیم تا تفاوت بین فیلتر خطی و چرخه‌ای را تقویت کنیم – یک سردرگمی بالقوه شناسایی شده در مطالعه با صدای بلند فکر می‌کنیم – و به کاربران اجازه می‌دهیم پرس‌وجوهای پیچیده را به سرعت بدون استفاده از پنجره‌های تودرتو و منوهای پیچیده ایجاد کنند – یک بهبود طراحی. در مصاحبه های نیازسنجی شناسایی شد.

انتشار کامل GeoVISTA CrimeViz در تابستان 2011 به دنبال یک فرآیند 18 ماهه UCD به اداره پلیس هریسبورگ منتقل شد ( شکل 3 i). نمای کلی و جزئیات نسخه کامل در شکل 8 نشان داده شده است.

شکل 7. ماکت استاتیک نسخه کامل GeoVISTA CrimeViz . بازخورد از نظرسنجی آنلاین شکل‌دهنده الزامات عملکردی اضافی را برشمرده است که از نمایه محقق پشتیبانی می‌کند، و همچنین باعث بازنگری عمده در هویت محصول می‌شود.

4.4. نظرسنجی آنلاین خلاصه

با پیروی از Nielsen [ 3 ، 4 ]، Gabbard، Hix، و همکاران [ 18 ، 19 ، 36 ]، و Buttenfield [ 10 ]، فرآیند UCD خود را با ارزیابی انتشار کامل GeoVISTA CrimeViz پس از استقرار از طریق یک نظرسنجی آنلاین خلاصه به پایان رساندیم ( شکل 3ی). همانطور که در بالا توضیح داده شد، هر دو نظرسنجی آنلاین شکل‌دهنده و خلاصه شامل مجموعه یکسانی از رتبه‌بندی‌های مقیاس گسسته و سؤالات باز بود که امکان مقایسه بین نسخه بتا و بازبینی‌های انجام شده در نسخه کامل را فراهم می‌کرد. هدف این نظرسنجی نهایی ارزیابی میزان برآورده شدن اهداف کاربردی و قابلیت استفاده با انتشار کامل و اطلاع رسانی به نسخه های آینده نقشه تعاملی بود.

مهمتر از همه، شرکت کنندگان در نظرسنجی آنلاین خلاصه، کاربرد GeoVISTA CrimeViz را بسیار مطلوب تر از نظرسنجی آنلاین شکل دهنده ارزیابی کردند ( جدول 8 ). در نظرسنجی آنلاین جمع‌بندی، سؤالات با جمله مثبت به طور میانگین 5.8 از «7» و سؤالات منفی نمره 1.9 از «7» را دریافت کردند که در مجموع میانگین مطلق 6.0 را کسب کردند. بنابراین، امتیاز کلی ابزار افزایش 1.1 را بین نظرسنجی‌های آنلاین شکل‌دهنده و جمع‌آوری نشان داد، که نشانه‌ای از موفقیت‌آمیز بودن طراحی مجدد GeoVISTA CrimeViz است.

شکل 8. نمای کلی ( بالا ) و نمای جزئیات ( پایین ) نسخه کامل GeoVISTA CrimeViz .

جدول 8. پاسخ های نظرسنجی آنلاین خلاصه به رتبه بندی مقیاس گسسته ابزار. رتبه‌بندی‌های مقیاس گسسته با جمله‌بندی مثبت (با نمره بهینه «۷») با رنگ سفید و رتبه‌بندی‌های مقیاس گسسته با عبارت منفی (با نمره بهینه «۱») به رنگ خاکستری سایه می‌زنند.

به طور کلی، شرکت کنندگان دوباره قابلیت استفاده از نسخه کامل را مثبت ارزیابی کردند ( جدول 9 ). سوالات با جمله مثبت به طور میانگین 5.4 از “7” و سوالات منفی نمره 1.9 از “7” را دریافت کردند که در مجموع میانگین مطلق 5.8 را کسب کردند. امتیاز کلی قابلیت استفاده نسخه کامل (5.8) 0.3 کمتر از نمره کلی قابلیت استفاده نسخه بتا (6.1) بود. با توجه به تعداد زیادی از ویژگی های اضافه شده به GeoVISTA CrimeViz پس از نظرسنجی آنلاین شکل دهنده، این کاهش حاشیه ای در قابلیت استفاده درک شده، موفقیت آمیز تلقی شد. علاوه بر این، نظرسنجی آنلاین خلاصه‌ای نشان داد که در انتشار کامل GeoVISTA CrimeViz ، تعادل بین قابلیت استفاده و ابزار مفید وجود دارد.، با رتبه بندی شرکت کنندگان قابلیت استفاده (5.8) بسیار نزدیک به ابزار (6.0).

جدول 9. پاسخ های نظرسنجی آنلاین شکل دهنده به رتبه بندی مقیاس گسسته قابلیت استفاده. رتبه‌بندی‌های مقیاس گسسته با جمله‌بندی مثبت (با نمره بهینه «۷») با رنگ سفید و رتبه‌بندی‌های مقیاس گسسته با عبارت منفی (با نمره بهینه «۱») به رنگ خاکستری سایه می‌زنند.

5. خلاصه و نتیجه گیری

در این مقاله، ما به موضوع طراحی کاربر محور برای نقشه‌برداری، GIScience و تجزیه و تحلیل بصری پرداختیم. سهم ما دو برابر بود: (1) ما مفاهیم اصلی را از ادبیات به یک بررسی پیشینه جامع تقطیر کردیم تا UCD را برای نقشه های تعاملی آگاه کنیم. و (2) ما در مورد یک فرآیند مطالعه موردی کاربر-محور، ردیابی طراحی و ارزیابی GeoVISTA CrimeViz را در حالی که از تمرین کلاس درس تا انتقال کامل به اداره پلیس هریسبورگ تکامل یافته بود، گزارش کردیم. در ادامه، خلاصه‌ای از مشارکت‌های تحقیقاتی خود را ارائه می‌کنیم، مفاهیم کلیدی در بررسی پس‌زمینه و بینش‌های قابل‌توجه از فرآیند مطالعه موردی UCD را گرد هم می‌آوریم تا اهمیت اتخاذ رویکرد کاربر محور در طراحی و توسعه نقشه‌های تعاملی را نشان دهیم. .

GeoVISTA CrimeViz با توجه به نیاز به پشتیبانی از کاوش بصری پیچیده و تجزیه و تحلیل فعالیت‌های مجرمانه در هریسبورگ، و در عین حال قابل دسترسی به یک هدف غیرفنی، یک مطالعه موردی جالب را در ایجاد تعادل بین معاوضه قابلیت استفاده و ابزار ارائه کرد – دو دسته کلی از اقدامات جمع‌آوری شده در طول UCD. گروه کاربران. برای متعادل کردن این مبادله، ما رویکرد UCD خود را به GeoVISTA CrimeViz به عنوان یک سری حلقه‌های کاربر → ابزار → قابلیت استفاده ( شکل 1 ) در نظر گرفتیم که در آن هر ارزیابی ( کاربر ) تجدید نظرهایی را در مورد نیازهای عملکردی GeoVISTA CrimeViz ( ابزار ) برانگیخت، که بیشتر باعث شد. به روز رسانی به نمونه های اولیه استاتیک و تعاملی ( قابلیت استفاده). ما چهار حلقه کاربر → ابزار → قابلیت استفاده را در مجموع تکمیل کردیم که هر کدام با یک ارزیابی تجربی منتهی شدند ( شکل 3 ): (1) یک مطالعه مصاحبه ارزیابی نیاز. (2) مطالعه با صدای بلند فکری مبتنی بر متخصص. (3) یک نظرسنجی آنلاین سازنده؛ و (4) یک نظرسنجی آنلاین خلاصه. تصمیم برای انتخاب روش ارزیابی رابط بر اساس ارزیاب، به جای مرحله، سودمند بود، و ما استفاده از جدول 2 خلاصه روش های ارزیابی رابط را برای انتخاب و اجرای سریع یک روش مناسب در طول نمونه سازی سریع توصیه می کنیم.

مطالعه ارزیابی نیازهای افتتاحیه ( شکل 3 الف) به ما کمک کرد تا نمایه های کاربر را رسمی کنیم و از سناریوهای موردی برای GeoVISTA CrimeViz استفاده کنیم.، که هر دو برای “شناخت کاربر” در طول توسعه مفهومی بعدی و نمونه سازی اولیه ضروری هستند. ما همچنین در مورد نوع و قالب اطلاعات مکانی-زمانی مورد نیاز کاربران هدف، و فرصت ها و پیچیدگی های نقشه برداری این اطلاعات آشنا شدیم. در همین راستا، ارزیابی نیازها بینشی در مورد معماری اطلاعات مناسب ایجاد کرد، که نشان می‌دهد که یک راه‌حل کامل پشته ضروری است. ارزیابی نیازها همچنین به عنوان یک مطالعه تجزیه و تحلیل رقابتی تخفیف عمل کرد، با شرکت کنندگان ابزارهای جایگزین موجود برای پشتیبانی از نیازهای کاری خود و ارائه استدلال خود برای پذیرش داخلی این ابزارها یا عدم وجود آنها. در نهایت، و شاید مهمتر از همه، ما مقدار قابل توجهی در مورد نیازهای برآورده شده و برآورده نشده در حال حاضر در مورد طراحی نقشه و طراحی رابط، یاد گرفتیم.شکل 3 ب; جدول 4 ) و انتشار آلفا GeoVISTA CrimeViz ( شکل 3 ج؛ شکل 5 ).

مطالعه با صدای بلند درباره انتشار آلفا ( شکل 3 د) سودمندی تکمیل روش‌های ارزیابی مبتنی بر کاربر را با روش‌های مبتنی بر نظریه یا در این مورد، روش‌های مبتنی بر متخصص نشان داد ( جدول 2 ). مطالعه با صدای بلند به ما امکان می‌دهد بازخوردی را که از کاربران هدف دریافت کرده‌ایم به قراردادها و توصیه‌های طراحی نقشه‌کشی مرتبط کنیم، که منجر به تجدیدنظر در روش‌های تجمیع و نمادسازی مجموعه داده‌ها می‌شود. استفاده از Andrienko et al. [ 29] طبقه‌بندی وظایف عملیاتی برای اندازه‌گیری سودمندی مثمر ثمر بود، زیرا وظایف معیار منتج، شکاف‌هایی را در عملکرد رابط شناسایی نکردند که در طول مطالعه ارزیابی نیازها شناسایی نشد. در نهایت، مطالعه با صدای بلند، راه‌هایی را برای بهبود انعطاف‌پذیری طراحی رابط پیشنهاد کرد، و همچنین تعداد زیادی از اشکالات برنامه‌نویسی و مسائل مربوط به قابلیت استفاده عمومی را شناسایی کرد ( جدول 5 )، که در نهایت منجر به اولین تجدید نظر در سند الزامات شد ( شکل 3 e ). ) و انتشار بتا GeoVISTA CrimeViz ( شکل 3 f؛ شکل 6 ).

فرمت منسجم نظرسنجی‌های آنلاین شکل‌دهنده ( شکل 3 g) و خلاصه ( شکل 3 j) به ما این امکان را می‌دهد که مستقیماً با معاوضه سودمندی-قابلیت استفاده در هنگام انتقال از نسخه بتا به نسخه کامل دست و پنجه نرم کنیم. نظرسنجی آنلاین شکل‌دهنده یک تقسیم‌بندی در بین پروفایل‌های کاربر در کاربرد درک شده نسخه بتا ( جدول 6 ) شناسایی کرد، که باعث شد تا نیازهای عملکردی مورد بازبینی نهایی قرار گیرد تا اطمینان حاصل شود که رابط از همه کاربران هدف پشتیبانی می‌کند ( شکل 3 ساعت). علاوه بر این، در حالی که نسخه بتا بسیار قابل استفاده در نظر گرفته می شد، متوجه شدیم که برای نوسازی شناسایی محصول قبل از انتقال نسخه کامل به کار بیشتری نیاز است ( جدول 7، که به نوبه خود منجر به یک جلسه نمونه سازی نهایی برای تجدید نظر در ظاهر و احساس نقشه و طراحی رابط شد ( شکل 3 i). در نهایت، نظرسنجی آنلاین خلاصه شواهدی را ارائه کرد که نشان می‌دهد کاربران هدف از توازن ابزار و قابلیت استفاده در نسخه کامل راضی بودند و موفقیت رابط را تأیید کرد (جدول 8 و 9).

به طور کلی، مطالعه موردی GeoVISTA CrimeViz مزایای پیروی از یک فرآیند UCD را برای پروژه های نقشه برداری تعاملی نشان داد. تاکید بر بازخورد شکل‌دهنده بر بازخورد خلاصه به ما این امکان را می‌دهد که طراحی مفهومی خود را با هزینه کم ایجاد و اصلاح کنیم، و ما را قادر می‌سازد تا از منابع توسعه به طور کارآمد استفاده کنیم. زمانی که به ارزیابی جمعی رسیدیم، به سادگی GeoVISTA CrimeViz را تأیید کردیمموفقیت آمیز بود تخفیف و ماهیت همگرای این فرآیند نیز مؤثر بود، زیرا هر ارزیابی همپوشانی مسائلی را که در ارزیابی قبلی از قلم افتاده بود، گرفت. در نهایت، و شاید مهم‌تر از همه، ماهیت چند بعدی، عمیق و طولانی‌مدت مطالعه موردی، خرید با کاربران هدف را ارتقا داد و پذیرش و جذب رابط را بهبود بخشید. همانطور که در بالا توضیح داده شد، انتشار کامل GeoVISTA CrimeViz در تابستان 2011 پس از یک فرآیند 18 ماهه UCD تغییر یافت و همچنان جزء مهمی از گردش کار تحلیلی برای اداره پلیس هریسبورگ است.

منابع

کوک، تی. نامه ای از تیم کوک در نقشه ها. در دسترس آنلاین: http://www.apple.com/letter-from-tim-cook-on-maps/ (در 1 ژانویه 2015 قابل دسترسی است).
Norman, DA طراحی چیزهای روزمره ; کتابهای پایه: نیویورک، نیویورک، ایالات متحده آمریکا، 1988. [ Google Scholar ]
نیلسن، جی. چرخه عمر مهندسی قابلیت استفاده. کامپیوتر 1992 ، 25 ، 12-22. [ Google Scholar ] [ CrossRef ]
Nielsen, J. Usability Engineering ; مورگان کافمن: سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 1993. [ Google Scholar ]
MacEachren، AM; کراک، ام.-جی. چالش های تحقیق در ژئوتصویرسازی کارتوگر. Geogr. Inf. علمی 2001 ، 28 ، 3-12. [ Google Scholar ] [ CrossRef ]
فورمن، اس. Pike, W. طراحی کاربر محور ابزارهای تجسم جغرافیایی مشترک. در کاوش ژئو تجسم ; Dykes, J., MacEachren, AM, Kraak, MJ, Eds. Elsevier Science: آمستردام، هلند، 2005; صص 591-610. [ Google Scholar ]
نیوالا، A.-M. بروستر، اس. سارجاکوسکی، آشنایی با روش های کاربردپذیری TL در میان توسعه دهندگان برنامه های کاربردی نقشه. بین المللی J. Hum.-Comput. گل میخ. 2007 ، 65 ، 784-795. [ Google Scholar ] [ CrossRef ]
هاکلی، م. نیوالا، A.-M. طراحی کاربر محور. در تعامل با فناوری های جغرافیایی ; هاکلی، م.، اد. Wiley-Blackwell: West Sussex, UK, 2010; صص 91-106. [ Google Scholar ]
تسو، M.-H. بازبینی نقشه‌نگاری وب در ایالات متحده: ظهور طراحی کاربر محور. کارتوگر. Geogr. Inf. علمی 2011 ، 38 ، 250-257. [ Google Scholar ] [ CrossRef ]
باتنفیلد، ب. ارزیابی قابلیت استفاده از کتابخانه های دیجیتال. علمی تکنولوژی Libr 1999 ، 17 ، 39-59. [ Google Scholar ] [ CrossRef ]
اسلوکام، TA; اسلاتر، RS; کسلر، اف سی؛ Yoder، SC یک ارزیابی کیفی MapTime، برنامه ای برای کاوش داده های نقطه مکانی و زمانی. Cartographica 2004 ، 59 ، 43-68. [ Google Scholar ] [ CrossRef ]
رابینسون، AC; چن، جی. Lengerich، EJ; مایر، HG; MacEachren، AM ترکیب تکنیک‌های قابلیت استفاده برای طراحی ابزارهای تجسم جغرافیایی برای اپیدمیولوژی. کارتوگر. Geogr. Inf. علمی 2005 ، 32 ، 243-255. [ Google Scholar ] [ CrossRef ] [ PubMed ]
کوآ، EL; MacEachren، AM; کراک، ام.-جی. ارزیابی قابلیت استفاده از روش های تجسم در یک محیط تجسم اکتشافی. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 425-448. [ Google Scholar ] [ CrossRef ]
الزاکر، CPV; دلیکوستیدیس، آی. روش ارزیابی قابلیت استفاده مبتنی بر میدان Oosterom، PJMV برای برنامه های جغرافیایی تلفن همراه. کارتوگر. J. 2008 , 45 , 139-149. [ Google Scholar ] [ CrossRef ]
هاکلی، م. Tobón, C. ارزیابی قابلیت استفاده و PPGIS: به سمت یک رویکرد طراحی کاربر محور. بین المللی جی. جئوگر. Inf. علمی 2003 ، 17 ، 577-592. [ Google Scholar ] [ CrossRef ]
Sack, CM Mapmaking for Change: ابزارهای نقشه برداری مشارکتی آنلاین برای آشکار کردن ارزش های چشم انداز در حوضه آبخیز رودخانه بد. دانشگاه ویسکانسین-مدیسون: مدیسون، WI، ایالات متحده آمریکا، 2013. [ Google Scholar ]
اسلوکام، تی. کلیبرن، دی. فدما، ج. میلر، جی. ارزیابی قابلیت استفاده از ابزاری برای تجسم عدم قطعیت تعادل آب جهانی آینده. کارتوگر. Geogr. Inf. علمی 2003 ، 30 ، 299-317. [ Google Scholar ] [ CrossRef ]
گابارد، جی ال. هیکس، دی. Swan, JE طراحی و ارزیابی کاربر محور محیط های مجازی. محاسبات IEEE. نمودار. Appl. 1999 ، 19 ، 51-59. [ Google Scholar ] [ CrossRef ]
بومن، دی. گابارد، جی ال. Hix، D. بررسی ارزیابی قابلیت استفاده در محیط های مجازی: طبقه بندی و مقایسه روش ها. حضور 2002 ، 11 ، 404-424. [ Google Scholar ] [ CrossRef ]
Kramers، RE تعامل با نقشه ها در اینترنت: یک رویکرد طراحی کاربر محور برای اطلس کانادا. کارتوگر. J. 2008 , 45 , 98-107. [ Google Scholar ] [ CrossRef ]
MacEachren، AM; کرافورد، اس. آکلا، م. Lengerich, G. طراحی و اجرای یک مدل اطلس سرطان مبتنی بر وب و مجهز به GIS. کارتوگر. J. 2008 , 45 , 246-260. [ Google Scholar ] [ CrossRef ]
نیوالا، A.-M. بروستر، اس. Sarjakoski، TL ارزیابی قابلیت استفاده از سایت های نقشه برداری وب. کارتوگر. J. 2008 , 45 , 129-138. [ Google Scholar ] [ CrossRef ]
راث، RE; Harrower, M. آدرس دادن قابلیت استفاده رابط نقشه: یادگیری از نقشه تعاملی حفاظت از طبیعت دریاچه. کارتوگر. چشم انداز 2008 ، 60 ، 46-66. [ Google Scholar ] [ CrossRef ]
راث، تعامل RE و نقشه‌برداری: دیدگاهی معاصر در مورد طراحی UI/UX از متخصصان زمین‌فضایی. Cartographica , 2015; در انتظار آنلاین [ Google Scholar ]
Krug, S. Don’t Make Me Think: A Common Sense Approach to Web Usability , 2nd ed.; New Riders Publishing: برکلی، کالیفرنیا، ایالات متحده آمریکا، 2000. [ Google Scholar ]
رابینسون، AC; راث، RE; MacEachren، AM طراحی یک پورتال یادگیری مبتنی بر وب برای تجسم و تجزیه و تحلیل جغرافیایی در سلامت عمومی. Health Inf. 2011 . [ Google Scholar ] [ CrossRef ]
گرینشتاین، جی. کوبسا، ا. پلازانت، سی. اشنایدرمن، بی. Stasko، JT کدام یک اول است، قابلیت استفاده یا ابزار؟ در مجموعه مقالات 14th Visualization IEEE (Viz ’03)، سیاتل، WA، ایالات متحده آمریکا، 24-24 اکتبر 2003. 2003; ص 605-606. [ Google Scholar ]
Usability Gov. موجود به صورت آنلاین: http://www.usability.gov/ (در 1 ژانویه 2015 قابل دسترسی است).
آندرینکو، ن. آندرینکو، جی. گاتالسکی، ص. تجسم فضایی-زمانی اکتشافی: یک بررسی تحلیلی. J. Vis. لنگ محاسبه کنید. 2003 ، 14 ، 503-541. [ Google Scholar ] [ CrossRef ]
راث، RE اولیه تعامل کارتوگرافی: چارچوب و سنتز. کارتوگر. J. 2012 , 49 , 376-395. [ Google Scholar ] [ CrossRef ]
North, C. به سوی اندازه گیری بینش تجسم. محاسبات IEEE. نمودار. Appl. 2006 ، 26 ، 6-9. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ISO ISO 9241-11: الزامات ارگونومیک برای کارهای اداری با پایانه های نمایشگر بصری (VDT)S، قسمت دوم ؛ سازمان بین المللی استاندارد سازی: ژنو، سوئیس، 1998; پ. 22. [ Google Scholar ]
فورمن، اس. آهونن راینیو، پ. Edsall, RM; فابریکانت، SI; کوآ، EL; توبون، سی. ور، سی. ویلسون، اس. ساخت زمین تجسم مفید و قابل استفاده: مسائل طراحی و ارزیابی. در کاوش ژئو تجسم ; Dykes, J., MacEachren, AM, Kraak, MJ, Eds. Elsevier Science: آمستردام، هلند، 2005; صص 553-566. [ Google Scholar ]
راث، RE; Maceachren، AM; Mccabe، CA یک مدل یادگیری گردش کار برای بهبود ابزار تجزیه و تحلیل جغرافیایی. در مجموعه مقالات بیست و چهارمین کنفرانس بین المللی کارتوگرافی، سانتیاگو، شیلی، 15 تا 21 نوامبر 2009. صص 1-10.
مارش، اس ال. هاکلی، ام. ارزیابی و استقرار. در تعامل با فناوری های جغرافیایی ; هاکلی، م.، اد. Wiley-Blackwell: West Sussex, UK, 2010; صص 199-221. [ Google Scholar ]
هیکس، دی. سوان، جی. گابارد، جی ال. مکگی، ام. دوربین، جی. کینگ، تی. طراحی و ارزیابی کاربر محور یک محیط مجازی تجسم میدان جنگ در زمان واقعی. در واقعیت مجازی ؛ IEEE: هیوستون، تگزاس، ایالات متحده آمریکا، 1999؛ صص 96-103. [ Google Scholar ]
تسو، M.-H. Curran، JM رویکردهای طراحی کاربر محور برای برنامه های نقشه برداری وب: مطالعه موردی با داده های هیدرولوژیکی USGS در ایالات متحده. در دیدگاه های بین المللی در مورد نقشه ها و اینترنت ; پترسون، نماینده مجلس، اد. Springer: برلین-هایدلبرگ، آلمان، 2008; صص 301-321. [ Google Scholar ]
Garrett, JJ عناصر تجربیات کاربر: طراحی کاربر محور برای وب . موسسه آمریکایی هنرهای گرافیک: نیویورک، نیویورک، ایالات متحده آمریکا، 2002. [ Google Scholar ]
کرنز، پی. Cox، AL روش های تحقیق برای تعامل انسان و کامپیوتر ; انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2008. [ Google Scholar ]
مارش، اس ال. دایکز، جی. استفاده و ارزیابی تکنیک های HCI در ژئو تجسم: بکارگیری روش های استاندارد و اقتباس شده در تحقیق و آموزش. In Proceedings of GIS Research UK, Machester, UK, 2-4 آوریل 2008; صص 33-38.
Hom, J. جعبه ابزار روش‌های کاربردپذیری. در دسترس آنلاین: http://usability.jameshom.com/ (در 1 ژانویه 2015 قابل دسترسی است).
شرکای قابلیت استفاده در دسترس آنلاین: http://www.usabilitypartners.se/ (در 1 ژانویه 2015 قابل دسترسی است).
نیلسن، جی. Sano, D. Sunweb: طراحی رابط کاربری برای وب داخلی سان میکروسیستم. محاسبه کنید. شبکه سیستم Isdn. 1995 ، 28 ، 179-188. [ Google Scholar ] [ CrossRef ]
راث، RE; فنچ، بی جی; بلنفورد، جی. کلیپل، ا. رابینسون، AC; MacEachren، مرتب سازی کارت AM برای تحقیق و تمرین نقشه برداری. کارتوگر. Geogr. Inf. علمی 2011 ، 38 ، 89-99. [ Google Scholar ] [ CrossRef ]
مونمونیر، م. Gluck، M. گروه های کانونی برای بهبود طراحی در کارتوگرافی پویا. کارتوگر. Geogr. Inf. علمی 1994 ، 21 ، 37-47. [ Google Scholar ] [ CrossRef ]
هاروور، ام. MacEachren، A.; Griffin، AL توسعه یک ابزار تجسم جغرافیایی برای حمایت از یادگیری علوم زمین. کارتوگر. Geogr. Inf. علمی 2000 ، 27 ، 279-293. [ Google Scholar ] [ CrossRef ]
کسلر، اف. گروه‌های تمرکز به عنوان ابزاری برای ارزیابی کیفی روایت قایق‌های دریایی. Cartographica 2000 , 37 , 33-60. [ Google Scholar ] [ CrossRef ]
سوینی، م. مگوایر، ام. Shackel, B. ارزیابی تعامل کاربر و کامپیوتر: یک چارچوب. بین المللی J. Man-Mach. گل میخ. 1993 ، 38 ، 689-711. [ Google Scholar ] [ CrossRef ]
Kostelnick، JC; دابسون، جی. اگبرت، اس ال. دانبار، MD نمادهای کارتوگرافی برای مین زدایی بشردوستانه. کارتوگر. J. 2008 , 45 , 18-31. [ Google Scholar ] [ CrossRef ]
ریچاردز، جی آر. Egenhofer، MJ مقایسه دو رابط کاربری GIS با دستکاری مستقیم برای پوشش نقشه. Geogr. سیستم 1995 ، 2 ، 267-290. [ Google Scholar ]
راث، RE; کوین، سی. هارت، دی. روش تحلیل رقابتی برای ارزیابی ابزارهای تجسم سطح آب. در یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری ; Springer: هایدلبرگ، آلمان، 2015; صص 241-256. [ Google Scholar ]
استنی، KM; ملاقاسمی، م. ریوز، ال. بروکس، آر. Graeber, DA مهندسی کاربردپذیری محیط های مجازی: شناسایی معیارهای متعددی که طراحی موثر سیستم VE را هدایت می کند. بین المللی J. Hum.-Comput. گل میخ. 2003 ، 58 ، 447-481. [ Google Scholar ] [ CrossRef ]
Edsall، RM طراحی و قابلیت استفاده از یک سیستم اطلاعات جغرافیایی پیشرفته برای اکتشاف آمار سلامت چند متغیره. پروفسور Geogr. 2003 ، 55 ، 146-160. [ Google Scholar ]
توماس، جی جی. کوک، کالیفرنیا؛ بارتولتی، آ. کارت، اس. کار، دی. شوید، جی. ارنشاو، آر. ایبرت، دی. ایک، اس. گروسمن، آر. و همکاران روشن کردن مسیر: دستور کار تحقیق و توسعه برای تجزیه و تحلیل بصری . IEEE CS Press: Los Alametos، CA، USA، 2005. [ Google Scholar ]
آندرینکو، جی. آندرینکو، ن. یانکوفسکی، پ. کیم، دی. کراک، ام.-جی. MacEachren، A.; Wrobel, S. تجزیه و تحلیل جغرافیایی برای پشتیبانی تصمیم گیری فضایی: تنظیم دستور کار تحقیق. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 839-857. [ Google Scholar ] [ CrossRef ]
Harries, K. Mapping Crime: Principle and Practice ; موسسه ملی عدالت، مرکز تحقیقات نقشه برداری جرم: واشنگتن، دی سی، ایالات متحده آمریکا، 1999. [ Google Scholar ]
راتکلیف، جی اچ ساختار تفکر استراتژیک. در تفکر استراتژیک در هوش جنایی ، ویرایش دوم. راتکلیف، جی اچ، اد. مطبوعات فدراسیون: سیدنی، استرالیا، 2009; صص 1-10. [ Google Scholar ]
راتکلیف، جی. نقشه برداری جرم: چالش های مکانی و زمانی. در کتابچه راهنمای جرم شناسی کمی ; Piquero, AR, Weisburd, D., Eds. Springer Science: نیویورک، نیویورک، ایالات متحده آمریکا، 2009; ص 5-24. [ Google Scholar ]
Lodha، SK; Verma, A. انیمیشن نقشه های جرم و جنایت با استفاده از زبان مدل سازی واقعیت مجازی. غرب. Criminol. Rev. 1999 , 1 , 1-19. [ Google Scholar ]
راث، RE; Ross, KS گسترش Google Maps API برای mashup های انیمیشن رویداد. کارتوگر. چشم انداز 2009 ، 64 ، 21-40. [ Google Scholar ] [ CrossRef ]
راث، آر. راس، ک. فینچ، بی. لو، دبلیو. MacEachren، A. تجزیه و تحلیل جرم فضایی و زمانی در سازمان های مجری قانون ایالات متحده: شیوه های فعلی و نیازهای برآورده نشده. فرمانداری Inf. Q. 2013 , 30 , 226-240. [ Google Scholar ] [ CrossRef ]
اشنایدرمن، بی. Plaisant، C. استراتژی‌های ارزیابی ابزارهای تجسم اطلاعات: مطالعات موردی طولانی مدت عمیق چند بعدی. در مجموعه مقالات 2006 کارگاه Beliv، ونیز، ایتالیا، 23-26 مه 2006; صص 1-7.
Boba، R. تجزیه و تحلیل جرم تعریف شده است. در تحلیل جرم و نقشه برداری جرم ; Sage: Thousand Oaks، CA، USA، 2005; صص 5-18. [ Google Scholar ]
Bair, S. Atac: ابزاری برای تجزیه و تحلیل جرم تاکتیکی. نقشه جنایت. News 2000 , 2 , 9. [ Google Scholar ]
چیتام، آر. هانچلب: داده کاوی فضایی برای پلیس اطلاعات محور. در مجموعه مقالات نشست سالانه انجمن جغرافیدانان آمریکایی، واشنگتن دی سی، ایالات متحده آمریکا، 15 تا 18 آوریل 2010.
لوین، N. نقشه برداری جرم و برنامه جنایی. Geogr. مقعدی 2006 ، 38 ، 41-56. [ Google Scholar ] [ CrossRef ]
آنسلین، ال. سیبری، آی. Kho, Y. Geoda: مقدمه ای بر تجزیه و تحلیل داده های مکانی. Geogr. مقعدی 2006 ، 38 ، 5-22. [ Google Scholar ] [ CrossRef ]

© 2015 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب