(翻译)系列位置效应( Serial Positioning Effect)

2023-12-15 23:20

本文主要是介绍(翻译)系列位置效应( Serial Positioning Effect),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

问题概述

  人们倾向于记住一系列项目中的开头项目和末尾项目[3]。

示例

在这里插入图片描述

用途
  • 用于考虑列表中的项目排列方式(菜单项、功能列表等);
  • 用于当设计的重点是让用户记住特定选项时。
解决方案

  应该如何排列列表中的项目?
  将重要的项目放在列表的开头和结尾处,使用户做决策时,能最大程度地回想起这些项目。列表开头的项目比后面的更容易记住,而列表末尾的项目在展示后更容易回想起来。
  具体而言,做法如下:

  • 将重要的项目放在列表的开头和结尾处,使用户能最大程度地回忆起这些项目;
  • 如果想让用户选择某个项目,且是在展示项目列表后立刻做决定,则最好将该项目放在列表末尾。人们倾向于选择最后一个候选项;
  • 如果不需要用户立刻做决定,请将推荐的项目放在列表开头;
  • 在用户界面中仅显示与当前任务相关的信息,降低用户认知负荷。 提供工具指导用户实现目标,帮助他们更有效准确地完成任务;
  • 给以前接触的事物添加提示,以识别其动作并回想起其含义。提示通常是图形化的,也可以包含声音[4];
  • 限制需要回想的信息数量,这些信息用于完成任务或找回信息。 人类的注意力是有限的,短期记忆只能记住大约5个项目。[5]
说明

  回想列表中的项目时,列表两端的项目比中间位置的项目更容易回想起来。
  人们易于回想起列表开头的项目的现象称为首因效应,而人们易于回想起列表末尾的项目的现象称为近因效应。

  • 首因效应。列表开头的项目能有效存储在长期记忆中。项目展示的时间越久,首因效应效果越好,因为用户有更多的时间将列表开头的项目存储在长期记忆中。。
  • 近因效应。列表末尾的项目信息仍然保留在工作记忆中,非常容易获取。近因效应不受展示速度的影响,但是时间推移和项目附加信息对它的影响很大。列表末尾项目展示完后,如果用户思考其它问题超过30秒,近因效应的效果就会逐渐消失。
讨论

  向用户显示长的信息列表,会严重限制人们有限的资源和有限的记忆系统——特别是短期内存,一次只能记住三到四个项目信息或信息块。 人们回想以前看过的的项目也受到初始处理和后续回忆之间的事件的严重影响。[6]

原文地址:https://ui-patterns.com/patterns/Serial-positioning-effect

[1]系列位置效应,https://www.pmume.com/view/n5di8.shtml
[2]那些很熟悉但又叫不出名字的设计法则(5):系列位置效应,http://www.woshipm.com/ucd/970033.html
[3]原文:We have a tendency to recall the first and the last items in a series best
[4]原文:Add cues to things previously encountered in order to inititate recognition of the action and recall its meaning. Cues are most often graphical, but can also include sounds.
[5]原文:Limit the amount of recall required to retain relevant information to complete a task or simply to retrieve information. Human attention is limited and we are only capable of maintaining up to around five items in our short-term memory.
[6]原文:Presenting long lists of information to users, significantly strains our limited resources and restricted memory systems – especially short-term memory, where only three or four items or chunks of information can be maintained at one time. Our ability to recall previously presented items is also severely impacted by events between initial processing and later recall.

这篇关于(翻译)系列位置效应( Serial Positioning Effect)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/498274

相关文章

如何用Java结合经纬度位置计算目标点的日出日落时间详解

《如何用Java结合经纬度位置计算目标点的日出日落时间详解》这篇文章主详细讲解了如何基于目标点的经纬度计算日出日落时间,提供了在线API和Java库两种计算方法,并通过实际案例展示了其应用,需要的朋友... 目录前言一、应用示例1、天安门升旗时间2、湖南省日出日落信息二、Java日出日落计算1、在线API2

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

POJ1269 判断2条直线的位置关系

题目大意:给两个点能够确定一条直线,题目给出两条直线(由4个点确定),要求判断出这两条直线的关系:平行,同线,相交。如果相交还要求出交点坐标。 解题思路: 先判断两条直线p1p2, q1q2是否共线, 如果不是,再判断 直线 是否平行, 如果还不是, 则两直线相交。  判断共线:  p1p2q1 共线 且 p1p2q2 共线 ,共线用叉乘为 0  来判断,  判断 平行:  p1p

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

Linux Centos 迁移Mysql 数据位置

转自:http://www.tuicool.com/articles/zmqIn2 由于业务量增加导致安装在系统盘(20G)磁盘空间被占满了, 现在进行数据库的迁移. Mysql 是通过 yum 安装的. Centos6.5Mysql5.1 yum 安装的 mysql 服务 查看 mysql 的安装路径 执行查询 SQL show variables like