自适应界面助力长者知识传承

第12章 自适应工作区界面促进退休长者向初创企业的知识转移

12.1 引言

最近的研究表明，知识的缺乏是小企业失败的主要原因，46% 的新企业因缺乏营销和管理知识而失败（Kelly, 2013）。与此同时，2010年欧盟劳动力中有6220万人年龄超过50岁，其中超过40%的人是其所在公司的决策者，拥有极为宝贵的知识，这些知识将在他们退休后流失（Borg等，2011）。欧洲人平均在61岁提前退休，原因包括健康问题（久坐的工作方式可能导致慢性疾病）、照顾家庭、追求全职工作期间无法实现的梦想和目标、难以学习或适应新技术，以及他们的经验未得到年轻人的充分认可（Vendramin等，2012）。

因此，他们的经验和知识在退休后便流失了，无法再产生经济价值。对许多老年人而言，退休是一个艰难的决定，因为工作代表了他们自我价值和社会贡献的一种方式，使他们保持积极和受激励的状态。此外，41%年龄超过55岁的人倾向于在获得养老金资格的年龄之后继续工作（积极老龄化，2012）。老年人的工作表现大约从50岁开始下降，这种下降在涉及问题解决、学习和速度的任务中更为明显（Neves和Amaro，2012），而在依赖经验的任务中，他们则保持较高的工作效率。在我们看来，信息与通信技术（ICT）领域的最新进展可能有助于老年人在超过退休年龄后继续保持活跃，同时享受退休所提供的时间安排的灵活性和优势，从而帮助他们保持经济上的活跃，并激励他们继续参与劳动力市场，促进其终身工作能力。

我们的方法是借鉴老年人的经验，并通过开发一种基于网页的界面，将这种经验传递给年轻且经验较少的人群，使他们能够灵活地在任何时间、任何地点（如在家、公园、路上等）工作。这种方法的主要问题是，老年人通常被技术所排斥，因为他们认为传统基于网页的界面过于技术化且难以使用。例如，随着年龄增长，记忆容量的下降会导致处理速度减慢以及空间能力降低（埃克特，2011年），这就是为什么老年人在浏览网络应用的菜单结构时容易产生迷失方向感的原因。

自适应用户界面涉及根据特定的配置文件或特征来改变用户界面，因此是一种有助于满足不同技能水平和计算机用户限制的有前景的方法。在现有文献中列出了两种不同类型的用户界面自适应：可调整界面和自适应界面。

Adaptable interface 允许用户修改界面设置，并根据其偏好进行自定义。由于年龄增长带来的困难，将应用程序界面设计得尽可能简单的传统策略以及为所有用户提供的最低共同标准，对老年人并不适用。他们不太愿意手动调整界面以满足自身需求，与普通计算机用户相比，老年人在运动技能方面存在显著差异。

自适应界面 旨在以不同方式自动适应并个性化用户界面（UI）的呈现，以适应用户的特点，使用户能够以比默认情况下更好且更舒适的方式与其交互。通常，用于自适应的用户特征包括用户的档案和偏好、能力及经验，并通过监控手段获取。然而，在某些环境中（如环境辅助生活、智能/普适环境等），上下文特征和设备功能也被高度重视。用户界面自适应主要有两个视角：改变界面的布局和功能。

更改界面显示的内容。用户界面自适应的第一种视角基于更改界面特性或其默认配置。例如，考虑到用户之前的交互和经验，界面可能会动态地显示用户最常操作的按钮。此外，在非常明亮的环境中，智能手机显示屏往往会自动增加屏幕亮度，以避免阳光带来的问题。在第一个示例中，平台了解用户与所呈现控件的交互经验，并基于这些交互做出相应的自适应调整。在第二个示例中，某种先前遇到的上下文情境触发了自适应。用户界面自适应的第二种视角涉及界面内容自适应。考虑用户的社交特征、年龄、宗教因素等，可能会导致为其提供过滤后的内容。

在此上下文中，我们的解决方案是将老年人的宝贵经验引入初创企业和小型企业，促进基于经验的技能与能力的代际知识转移。实现这一目标的主要挑战之一是开发一种适应性强的工作区界面，该界面可根据老年人的特定需求进行定制，使他们能够提供咨询与支持。将对老年人与工作区的交互进行监控，以：

• 通过工作区界面的交互痕迹学习用户模型；
• 根据用户的条件，对工作区的界面和内容进行必要的调整，以提供便捷的交互和使用体验。

针对老年人特定需求的自适应界面的实现和使用将：

• 让老年人长期参与并激励他们在工作团队中实现最佳协作；
• 通过为老年人提供保持思维活跃和传递宝贵知识的手段，保护他们退休后免于陷入冷漠与脆弱。

本文的其余部分组织如下。第12.2节讨论相关工作。第12.3节详细介绍了所提出的自适应工作空间架构。第12.4节介绍适应性功能，第12.5节重点说明如何对从传感器收集的数据进行建模，第12.6节讨论自适应决策过程，而第12.7节展示了一个使用场景及结果。最后，第12.8节对全文进行总结。

12.2 相关工作

自适应界面的设计和开发需考虑实现自适应的不同方面，其中最重要的是（See,2015）：人类行为和用户偏好。这两个方面都涉及获取个体用户的信息，这些信息可以是隐式或显式获得的（Jason等, 2010）。在收集数据后，推理引擎可利用这些数据识别可能的适应方式或操作。自适应可以在不同层次上进行（Jameson, 2012）：信息、呈现、用户界面和功能。关于自适应用户界面的优势，现有文献中的研究较少。在 Lavie 和 Meyer (2010) 中，作者表明，在常规任务中（老年人的情况正是如此），完全自适应系统是有益的，其使用结果表现为更短的操作时间和更少的车道偏离。

研究文献中针对自适应最定制化的方法意味着定义一个用户模型，以计算机可解释的方式表示收集到的数据。基于模型的方法过去已被用于降低系统设计的复杂性，是构建自适应用户界面的一种有前景的解决方案。文献中识别出三种类型的用户模型（Mejía 等, 2012）：静态用户模型（不监控用户与系统的交互（Hothi 和 Hall,1998））、动态用户模型（监控用户与系统交互的方式并更新模型（Johnson 和 Taatgen,2005））以及基于统计信息的用户模型（Chen 和 Magoulas,2005）。同时，自适应可以在设计时或运行时启用。

设计时适配方法 依赖于基于预定义的不同抽象级别版本（模板）生成不同的适配用户界面。不同的方法论在设计时定义了用户界面的可能变化，并允许在运行时根据特定条件选择其中一种（Limbourg 等,2004; Mori 等,2004; Sadiqa 和 Pirhonen,2011）。

在 Mejía 等人 (2012) 中讨论了一种表示来自医学和社会学领域的用户特征的静态用户模型，该模型可被自适应软件界面使用。作者将模型中表示的用户特征分类为：生理、人口统计、经验、认知和心理特征。该模型以 UML图 表示，并作为开发 CRM应用程序 的基础。Biswas 等 (2005) 提出了一种用于为残障用户开发软件的静态用户模型。该模型用于根据用户的身体残疾 和 认知水平 对用户进行聚类。上下文感知自适应建模

在 冯和刘（2015） 中针对移动服务进行了研究，考虑了用户的知识、生理特征和偏好。基于所提出的模型，作者通过在设计时定义的场景来指导界面适配过程。在赖内克和伯恩斯坦（2011） 中，作者提出了能够通过考虑用户的文化偏好自动生成功能个性化界面的 自适应系统。该方法基于文化特性及各种文化影响构建用户模型，并用于适配在线待办事项列表工具的界面。适配动作包括信息密度、导航、页面结构、颜色、引导和支持。将自适应界面行为集成到企业应用中的方法是 阿基基等人（2014）的研究范围。该方法基于 CEDAR（阿基基等人，2012），这是一种面向服务的模型驱动架构，用于开发自适应的企业应用 用户界面。适配动作包括移除用户不需要的功能，以及适配不同控件属性，例如：大小、位置、类型等。

运行时适配方法 更新并使用模型以动态地适配用户界面。杰森等人（2010）提出了一种应用于呼叫中心领域的自适应界面的动态模型。Jason et al.(2010)。作者在用户模型中表示了源自运动特征（鼠标速度和加速度）以及与交互技术相关的特征（平均停留时间、访问项目数量、选择时间等）。他们还定义了任务模型，用于表示用户在特定时间可使用系统执行的任务。布卢门多夫等人（2010）提出了在运行时使用多个相关模型来反映用户交互的不同方面，并为自适应应用程序创建多模态和上下文敏感的用户界面的方法。Blumendorf et al.(2010)。作者考虑了用于表示用户画像、环境和用户任务的模型。加约斯等人（2010）提出了一种生成用户界面的系统，该系统能够自动适应每个用户的运动能力。Gajos et al.(2010)该方法针对简单的用户界面对话框进行适配，并支持用户反馈以优化适配规则。克莱克斯等人（2005）描述了一种设计流程和架构，用于开发旅游导览移动应用的上下文感知界面。尼维提卡等人（2013）中，作者提出了一种概念性原型框架，用于使移动应用程序的用户界面通过学习用户与应用程序的交互历史而具备自适应性。有关用户交互的历史数据被用作推理引擎的训练集。类似地，在贾因等人（2013）中，详细阐述了一种根据用户所处的上下文或场景来适配智能手机或平板电脑用户界面，并结合从过去用户操作中学习的框架。

Clerckx et al.(2005)描述了一种设计流程和架构，用于开发旅游导览移动应用的上下文感知界面。在Nivethikaet al.(2013)中，作者提出了一种概念性原型框架，用于使移动应用程序的用户界面通过学习用户与应用程序的交互历史而具备自适应性。有关用户交互的历史数据被用作推理引擎的训练集。类似地，在Jain et al.(2013)中，详细阐述了一种根据用户所处的上下文或场景来适配智能手机或平板电脑用户界面，并结合从过去用户操作中学习的框架。

用户当前所处的情境来进行用户界面的适配，适配动作聚焦于应用图标、菜单、按钮、窗口位置或布局以及配色方案。用户画像是输入到机器学习算法中的参数，该算法会根据用户上下文预测最佳的屏幕配置。加尔松和采布利亚（2010）研究了一种多模态界面架构，该架构能够通过学习用户的交互模式实现对用户的自动适配。Garzon and Cebulla(2010)。适配被定义为在设计时和运行时指定的模型的修改。学习过程基于收集用户日志，分析这些日志以确定用户行为，并通过AprioriAll算法得出适配规则。布鲁尼克斯等（2007）将用户模型和设备模型与高级用户界面描述语言（UIML）相结合，用于动态适配用户界面。为了建模用户和设备画像，作者使用本体作为推理过程的输入，生成诸如颜色修改、内容呈现或字体缩放等适配动作。Bruninx et al.(2007)沙库什基等（2015）提出了一种多智能体系统，用于监控患者健康数据。基于用户的行为，系统内的智能体采用强化学习技术动态生成自适应用户界面。

Shakshuki et al.(2015)提出了一种多智能体系统，用于监控患者健康数据。基于用户的行为，系统内的智能体采用强化学习技术动态生成自适应用户界面。

12.3 自适应工作区架构

图12.1 展示了老年人执行公司任务并在该过程中传递其经验和知识的自适应工作空间系统的架构。

该系统的网页用户界面为交互式协作自适应工作空间（ICA W），旨在支持咨询过程并促进老年人与小型企业之间的在线交互。为了消除老年人使用该工作区的障碍，所开发的网页界面将个性化地自动评估与年龄增长相关的限制。老年人可以启用自动适应功能，也可以选择半自动适应模式，在该模式下，老年人需要确认用户界面中所有建议的更改。系统会监控老年人与系统的交互，并通过传感器或自我报告问卷（老年人界面交互监控）收集数据。所获取的数据将存储在关系型数据库即用户界面交互数据库（UI Interaction DB）中。基于监测数据，确定老年人的各种潜在限制，并据此做出适应性决策，以个性化ICAW网页并提升用户界面可用性。

决策过程从预定义的ICAW模板开始，通过使用变异和交叉操作符，生成最优的已适配的ICAW模板。在下次登录时，系统会询问老年人是否希望加载由决策算法推断出的新适配界面模板。

12.4 工作区适应性功能

交互式协作自适应工作空间是老年人与公司约定完成工作任务或传递相关知识/经验时所使用的主要网页。一组设计专家已选定多项适应性功能，并在适应过程中予以考虑，通过针对老年人的限制进行个性化设置，以提高网页界面的可用性。

考虑的第一个适应性功能是工作空间网页整体布局。工作空间网页基于一组预定义的布局模板，以确保用户界面能够根据从用户交互中推断出的老年人的限制做出适当的响应。图12.2展示了在适应过程中定义和使用的老年人布局集合。

在选择各种已定义的布局模板时，适应性决策算法需要考虑以下约束条件：

• 在所有模板中保持对主要内容的聚焦。使用工作区的老年人希望与他们认为与当前任务相关的内容进行交互。
• 网页中最相关的部分是左上角，因此相关的内容必须始终显示在此处。
• 通过更改布局带来的新内容必须有助于老年人更好地使用和理解主要内容。

另一个考虑的适应性功能是网页内容的字体，其大小和样式可以更改。需考虑以下约束条件：

• 当检测到视力问题时，应使用较大字体（建议16磅及以上）。
• 应避免使用斜体和大写字母，以及装饰性字体。
• 不建议对低视力人群在标题和强调内容中使用颜色。
• 对比度是提高网页内容可读性的关键因素，建议使用高对比度。

老年人通常面临网页导航问题。因此，在适应性决策中会考虑网页界面菜单和页面间的导航。菜单应放置在屏幕右侧（因为重要内容位于左侧），而访问频率最高的导航按钮应动态地提升至屏幕顶部。此外，菜单项的视觉大小用于表示其在屏幕上的重要性。老年人由于

与年龄相关的认知问题，因此最近按下的按钮，如返回或主按钮，需要加以强调。一个重要的适应性功能是根据老年人的认知限制及其个人资料，谨慎地在文本和图标显示之间进行选择。一个重要的适应性原则是应尽可能使用图标，因为相关研究表明，图标的使用能够提高工作效率和可靠性。同时，图标可能会带来一定程度的歧义，在这种情况下，可以在学习使用工作区的初期阶段使用标签文本来消除歧义。

关于老年人的认知限制，图标已被证明对短期记忆问题（桑切斯，2012）和认知混乱是有效的。

关于工作空间界面的内容，我们定义了五个主要内容面板：工作描述、聊天消息、预约、文件共享和工作区。系统将根据老年人档案、偏好、所选工作和设备能力，动态选择相应内容并映射到工作区布局模板上。

第12章 自适应工作区界面促进退休长者向初创企业的知识转移（续）

12.5 传感器数据收集与限制档案

我们的创新方法基于监控老年人与工作区的交互（传感器数据收集模块），通过应用必要的调整来适应其认知状况，从而优化界面布局和内容，以提供更便捷的交互体验，提高可用性，并激励老年人在较长时间内积极参与并实现最佳协作。将使用一组传感器（例如触摸屏、网络摄像头、麦克风及其他设备）来收集老年人与工作区交互方式的相关信息，旨在推断其认知能力与参与度水平，例如可能影响交互质量的认知障碍、屏幕注意力问题、阅读屏幕上显示内容时的困难、操作键盘或屏幕上的项目时遇到的问题等。

分析前沿方法后，我们发现了与年龄相关的问题，涉及视力、听力、记忆、注意力、协调性和运动能力。

有几种与视力相关的问题在老年人中较为常见，可能会影响他们与系统的交互，例如：周边视觉减弱、阅读字母困难以及颜色感知困难。

一个人的周边视觉可以定义为：在注意力集中的主要物体周围的不 同视觉范围内，定位、识别和响应信息的能力。为了识别此类问题，会进行切线屏幕测试（马特尔，2016年）。在此测试中，老年人坐在距离屏幕三英尺远的位置，屏幕中央有一个目标物，当看到有物体进入周边视野时，他/她需要按下按钮。关于字母阅读的限制通过计算设备与用户之间的距离来评估。为此，使用一个接近传感器和放置在用户面部的方块。用户离设备越近，方块就越大，距离就越短。这使得能够确定实际存在的距离。该距离测量必须根据所使用的设备（计算机或手机）进行计算。亮度水平在此过程中起着重要作用，因此将使用特定传感器进行采集。老年人的颜色正确感知通过石原测试进行评估，该测试包含一系列彩色图板，图板上由点圈组成，这些点在颜色和大小上呈现随机分布（色盲）。在图案中，这些点构成一个数字或形状，具有正常色觉的人可以清楚地看到，而有色觉问题的人则看不到或难以辨认。

听力损失在老龄化过程中可能以多种形式出现，但我们认为最常见的几种情况是：难以听到高音调声音、难以听到特定频率以及普遍的听力损失。评估采用一种称为纯音测听的技术（库茨，2015年）。听力计通过耳机播放一系列音调，这些音调在音高（赫兹频率）和响度（分贝强度）上各不相同。对区分高音调声音可能存在困难的评估，是通过一组构成特定听力问卷的问题来进行的。这些问题涉及高音调声音，例如婴儿啼哭、竖笛旋律或鸟鸣声。关于环境噪声，可以检测到多种噪声等级。每个等级包含一定范围的分贝值。例如，可以观察到图书馆、小雨声或谈话声的声音处于可接受水平。另一方面，卡车、飞机起飞或电钻声等声音由于在日常生活中频繁出现，会导致高听力风险。正因如此，如今许多人在环境噪声相对较高的情况下遭受严重的听力损失。因此，会使用一组有关噪声水平的问题来评估环境噪声状况。这就需要设备（无论是个人电脑还是智能手机）配备麦克风，以便在一段时间内监测环境噪声。另一个需要分析的问题是可能存在的困难

区分不同频率的声音。为了进行准确的诊断，针对听力问卷设计了一组关于听觉音频和/或声音的问题。例如鼓声或雷声等物体被视为低频声音，而水流下落声或口哨声则被归类为高音调声音。最后，通过检测所使用设备的音量来评估整体听力损失。音量越高，听力损失就越严重。

老年人认知衰退体现在注意力缺陷或记忆问题方面。对患者注意力的评估将集中在一系列测验问题上，用以衡量老年人是否容易分心或难以完成困难的任务。关于与年龄相关的记忆诊断，主要检测两类问题：短期记忆和长期记忆问题。短期记忆被认为是每个人日常生活中的一项重要能力，因为在任何情况下，记住某件物品放置的位置或前往某一位置的原因都是必不可少的。这种能力通过与日常行为相关的问题来确定。长期记忆则通过询问多年前发生的事情进行评估，这些问题涉及青年时期的经历或有关亲属的内容。

另一个需要考虑的方面与老年人的运动精确度（协调性）和速度有关。用户运动精确度可以通过分析手部震颤在使用鼠标或触摸屏执行某些任务时的表现来估计。我们已使用统计软件分析老年人在特定时间段内的鼠标移动类型。通过这种方式观察到，健康人群得到的轨迹线是直线，而有震颤的人群其轨迹线则呈现出不同程度的波动，波动大小取决于震颤的严重程度。老年人的运动速度通过一些参数进行评估，例如每分钟按下的按钮数量或点击次数，并结合鼠标、键盘等传感器的数据。

表12.1 总结了已识别出的主要与年龄相关的限制，这些限制影响老年人使用预期工作区界面，在适应过程中必须考虑这些因素，以便自动个性化网页界面以满足老年人的需求，从而提高整体系统可用性。

一个老年人限制性档案被构建（见图12.3），通过本体表示，并用于对老年人的语义建模。

该档案捕获了老年人的生理、认知和感官限制，并作为负责调整界面的决策算法的基础。

12.6 适应性决策

自适应决策器的目标是自动决定并为老年人在使用和与工作区交互时选择最合适的配置（包括布局和内容），以呈现信息。

workspacelayout adaptation 指的是调整模板功能，如字体大小、样式、窗口分割、屏幕项目布局、菜单调整、页面项目大小等。

workspacecontent adaptation 则涉及用户偏好，例如读写能力或计算能力水平、内容的简化或丰富、多模态输出（用音频或视频替代文本）等。构建并选择最佳的工作区布局和内容适配模板，以匹配老年人的认知能力和限制，是一项复杂的任务，无法通过传统的搜索和决策方法解决。

决策技术。该优化问题属于NP难问题，需要采用贪心搜索策略，以在合理的时间范围内识别出最优或接近最优的适应性模板。为解决此优化问题，我们采用了遗传算法。我们将染色体定义为表示工作区模板的一组布局和内容特征，每个特征代表一个基因，具有预定义范围的有效值（参见图12.4）。因此，染色体被建模为模板适应性功能的向量，从而确定了解搜索空间的维度。

初始种群的染色体是随机生成的，然后通过单点交叉和随机突变进行演化（参见图12.5）。在每个算法步骤中，定义并使用了一个适应度函数，以评估种群染色体作为模板的可行性以及考虑与老年人限制的匹配程度的可用性。

在每一步中，选择适应度函数得分最高的最佳染色体，如公式 (12.1)所示：

$$
F(\text{Template}) = 100 - \alpha_1 F_a(\text{Menu}) - \alpha_2 F_f(\text{Font}) - \alpha_3 F_t(\text{Views})
\quad (12.1)
$$

其中：

$$
\alpha_1 + \alpha_2 + \alpha_3 = 1, \quad \alpha_1, \alpha_2, \alpha_3 \in [0,1]
\quad (12.2)
$$

$$
F_a(\text{Menu}) = |A_{\text{recommended}} - A_{\text{generated_menu}}|
\quad (12.3)
$$

$$
F_f(\text{Font}) = |\text{Font} {\text{recommended}} - \text{Font} {\text{generated}}|
\quad (12.4)
$$

$$
F_t(\text{Views}) = \sum_{\text{View}_i \in \text{Views}} S(\text{view}_i)
\quad (12.5)
$$

$$
S(\text{View} i) = \frac{\sum {\text{section} {ij} \in \text{View}_i} \sum {\text{page} j \in \text{pages}} \text{score}(\text{section} {ij}, \text{page}_j)}{\text{nr_of_sections}(\text{View}_i)}
\quad (12.6)
$$

$$
\text{score}(\text{section} {ij}, \text{page}_j) = \frac{\sum {k=1}^{n} |P k - P k |}{n} + \left| \frac{x^2 - t^2}{x^2 + t^2} \right|
\quad (12.7)
$$

在公式 (12.7)中使用了以下参数：

• $ P[k] \in { \text{重要性}, \text{大小}, \text{方向} } $ — 元素 $ e $ 的属性 $ k $
• $ n $ — 章节的属性数量
• $ x $ — 章节中可显示的最大元素数量
• $ t $ — 要显示的元素数量

自适应决策算法的伪代码描述如图12.6所示。

12.7 使用场景与结果

玛塔是一位最近退休的法国女性，曾在一家公司的法律部门工作多年。退休后，玛塔感到无聊，尽管拥有大量空闲时间，却找不到有趣的事情做，她正陷入冷漠与脆弱之中，再也无法像工作时那样受到激励。玛塔曾是一位勤奋的员工，非常热爱自己的工作，但遗憾的是，公司已经找来了一位年轻员工接替她的职责。最近，玛塔在工作中处理技术和计算机时承受着一定的压力。这影响了她的工作效率，即使她希望继续留在公司工作，也无法在使用信息与通信技术工具时与年轻员工的效率相抗衡。

她无奈地接受了退休。玛塔知道，55岁以后保持积极的生活有助于改善认知状态。在寻找各种活动来充实自己的时间数周后，她发现了自适应工作空间系统，并选择了一家来自西班牙的科技小公司发布的任务，该公司旨在将其产品销售到不同的欧洲国家以实现商业化。由于该公司对法国法规缺乏足够的了解，无法顺利实现产品商业化，因此玛塔可以提供法律支持。接受这项工作后，玛塔被邀请加入一个由另外三人组成的工作团队，其中包括一位精通法国法律规定的资深律师、一位擅长商业模式和市场分析的女性专家，以及一位长期从事电子商务的男性。目前，玛塔正在使用交互式协作自适应工作空间网页来传递她的知识，并通过聊天、视频会议或直接通话与其他团队成员沟通。根据她所使用的平板传感器，系统会跟踪她与系统的交互，并识别出与年龄相关的限制。本节其余部分展示了在四种不同场景下的自适应决策过程结果（图12.7–12.12）以及推断出的玛塔的限制（表12.2–12.5）。

表12.2 用户界面自适应 — 场景1
用户界面自适应 ：将两/三页合并为一页，并创建一个菜单按钮以快速访问新生成的页面。 操作 ：方便老年人访问 自适应目标 ：不同内容工作区中同时进行工作区。 解决的局限性 ：协调损失

表12.3 用户界面自适应 — 场景2
用户界面自适应 ：更改用户界面背景和文本颜色 操作 ：为避免出现以下情况：文本和背景颜色是相似的或生成混淆 自适应目标 ：随着损失而下降蓝/绿视觉。 解决的局限性 ：颜色辨别

表12.4 用户界面自适应 — 场景3
用户界面自适应 ：调整字体族和大小 操作 ：增加文本可读性 自适应目标 ：字母辨别下降。 解决的局限性 ：视力问题

表12.5 用户界面自适应 – 场景4
用户界面自适应 ：添加/替换图片文本 操作 ：使用图片来帮助老年人用于回忆导航步骤。 自适应目标 ：短期记忆问题 解决的局限性 ：短期记忆问题

12.8 结论

在本文中，我们提出了一种决策与适应技术，用于根据老年人的认知特征和认知障碍，实现个性化老年人工作空间的自动生成。该方法将提高老年人的参与度和积极性，同时通过提供保持思维活跃的手段，并将其宝贵的知识传递给小型企业，保护他们在退休后免于陷入冷漠与脆弱。我们的创新方法基于对老年人与工作区交互的监控，以调整界面布局和内容。

根据老年人的认知状况，通过应用必要的更改来进行调整。使用一组传感器来收集老年人与工作区交互方式的信息，旨在推断其认知能力和参与度水平。构建一个老年人限制性档案，通过本体进行表示，用于对老年人的限制进行语义建模，并作为决策算法的基础，以负责界面的自适应。自适应决策器基于遗传算法，能够自动决定并选择在老年人使用和与工作区交互时呈现信息的最佳配置（包括布局和内容）。已针对不同的自适应场景展示了结果，说明了所实现的架构在不同老年人与网页界面交互情况下的行为表现。下一步将开展一项试点研究，由老年用户对自适应决策器进行评估。作为试点研究的一部分，将要求老年人比较不同场景下的自动自适应与手动自适应，从而更好地理解在何种情况下更倾向于自动自适应而非手动设置。