Statistiques pour l'IHM

Durée : 1 journée

Monique Noirhomme-Fraiture

La conception de nouvelles interfaces nécessite le recours à l’expérimentation pour tester leur qualité.

Même si l’intervention de quelques experts se révèle utile pour éviter des erreurs d’ergonomie identifiées dans les principes et règles, la mise en place d’expériences avec des utilisateurs réels reste incontournable.

Encore faut-il planifier soigneusement les expériences et analyser correctement les résultats.

Comme, dans le cas présent, on a généralement affaire à un relativement petit nombre d’observations (par opposition à l’analyse de données qui étudie les très grands ensembles), la statistique inférentielle est l’outil indiqué.

En effet, elle a pour objectif de tirer des conclusions valables pour toute une population à partir d’observations faites sur un échantillon choisi de manière aléatoire. Cette inférence se fait en s’appuyant sur les principes de la théorie des probabilités.

Dans ce tutoriel, nous donnerons les principes de base de la statistique inférentielle en les illustrant par quelques tests particulièrement utiles en Interaction Homme-Machine.

Nous rappellerons très rapidement les bases de la théorie des probabilités, qui est supposée connue de la plupart des informaticiens (probabilité, variable aléatoire, distribution statistique, moyenne, variance).

Nous expliquerons le principe du test d’hypothèse en l’appliquant dans quelques tests utiles en IHM : tests non paramétriques, test d’une différence de proportions, test d’une différence de moyennes, méthode Chi-carré pour l’interaction entre facteurs, analyse de la variance avec deux facteurs additifs.

Des exemples en IHM seront donnés et critiqués, des exercices seront proposés.

L’attention sera particulièrement attirée sur les hypothèses sous-jacentes aux tests.

Description

En IHM, il est fréquent que l’on souhaite comparer deux types d’interface, ou deux types d’utilisateurs. Si on s’intéresse à la performance en terme de temps d’exécution d’une tâche, on devra comparer deux moyennes de temps d’exécution ;

Si on est intéressé par des choix entre deux alternatives, il faudra comparer des proportions. C’est pourquoi on fera un test respectivement sur la différence des moyennes ou sur la différence des proportions.

Il arrive aussi qu’on soit intéressé par l’interaction d’une caractéristique sur une autre (par exemple l’âge de l’utilisateur et la préférence pour un type d’interface). Dans ce cas le test Chi-carré sera utile.

Comme il est fréquent que les hypothèses des tests précédents ne soient pas vérifiées (trop peu d’observations, pas de normalité), les tests non paramétriques sont alors conseillés, comme par exemple, un test de localisation de deux échantillons ou un test pour la comparaison de k facteurs. Ces tests sont basés sur les rangs des observations.

Enfin l’ANOVA est particulièrement utile lorsqu’on a plusieurs observations faites sur quelques utilisateurs, pour mettre en évidence l’effet d’un facteur.

Dans ce tutoriel, nous donnerons les principes de base de la statistique inférentielle en les illustrant par quelques tests particulièrement utiles en Interaction Homme-Machine.

Nous rappellerons très rapidement les bases de la théorie des probabilités, qui est supposée connue de la plupart des informaticiens (probabilité, variable aléatoire, distribution statistique, moyenne, variance).

Nous expliquerons le principe du test d’hypothèse en l’appliquant dans quelques tests utiles en IHM :

• tests non paramétriques
• test d’une différence de proportions
• test d’une différence de moyennes
• méthode Chi-carré pour l’interaction entre facteurs
• analyse de la variance avec deux facteurs additifs

Des exemples en IHM seront donnés et critiqués, des exercices seront proposés.

Dans tous les cas, l’attention des apprenants sera particulièrement attirée sur les hypothèses sous-jacentes aux différents tests (tirage aléatoire de l’échantillon, indépendance des observations, taille minimum de l’échantillon, normalité).

La technique de l’ANOVA, qui est plus compliquée mathématiquement, sera expliquée sur des exemples concrets au niveau des hypothèses de base, des objectifs du test et de l’analyse des résultats.