Abstract

Die Einführung neuer Software ist ein Prozess, der ohne ständige Verbesserungen der Gebrauchstauglichkeit (engl. Usability) nicht mehr stattfinden kann. Für diese Verbesserungen werden oftmals Tests mit zukünftigen Benutzern durchgeführt. Eine intelligente Unterteilung dieser Benutzer in verschiedene Benutzergruppen ist jedoch unerlässlich, damit die Software möglichst viele Anwender optimal unterstützt. Derzeitige Verfahren zur Gruppierung der Anwender basieren zumeist auf Interviews und Fragebögen. Ein zusätzliches Potential kann daher durch eine ergänzende automatisierte Benutzergruppierung erschlossen werden. Diese Arbeit stellt ein System zur automatischen Benutzerklassifizierung vor, dass unabhängig von den herkömmlichen Verfahren ist. Die Aktionen der Teilnehmer eines durchzuführenden Benutzertests werden protokolliert und anschließend mit Hilfe von Self-Organizing Maps (SOM) gruppiert. Das Ergebnis dieses maschinellen Lernvorgangs ist eine Darstellung der Ähnlichkeiten der Benutzer in der Bedienung der Software. Auf diese Weise können ein gemeinsames Verständnis der Benutzer aufgedeckt und darüber hinaus Usability-Probleme abgeleitet werden. Zusätzlich wird die Auswahl typischer Anwender für weiterführende Benutzertests dadurch vereinfacht und aufgrund des automatischen Ansatzes können Zeit und Kosten eingespart werden.