4.2.3 Ensemble de mesures : M de GQM (niveau 1)

L’analyse de la tâche en FVD permet d’apporter des éléments de réponse aux questions du tableau 4.1. Par exemple, pour la réduction de la charge de travail de l’utilisateur, il serait judicieux de prévoir une certaine flexibilité : donner la possibilité de choisir parmi plusieursméthodes de visualisation de données. Plusieurs méthodes d’analyse de données pouvant être disponibles simultanément dans un environnement de fouille, pour le guidage des utilisateurs, il faudrait développer des moyens pour les conseiller, orienter et guider. La recommandation de la méthode d’analyse de données à choisir pour un problème donné constitue une mise en œuvre possible du guidage.

Nous avons aussi intégré l’aspect fonctionnel dans nos critères d’évaluation. On va donc s’intéresser par la suite à la qualité technique des environnements. Les critères définis constituent des exigences qui pourront être prises en considération dès la phase de conception des logiciels.

Tableau 4.2 Mesures d’utilisabilité
Mesures
Guidage	Recommandation de méthodes d’analyse de données Recommandation de méthodes de visualisation de données Feedback Aide en ligne Menus contextuels Gestion du profil utilisateur
Charge de travail	Réutilisation des données d’apprentissage Multiplicité du rendu Traitement des données de grande dimension Prise en main de l’outil
Contrôle explicite	Recommandation de méthodes d’analyse de données Recommandation de méthodes de visualisation de données Multiplicité du rendu
Adaptabilité	Personnalisation de l’interface utilisateur Prise en compte des habitudes de travail de l’utilisateur et ses préférences Adaptation à la variation des ressources interactionnelles
Gestion des erreurs	Détection et gestion de toutes les actions possibles sur l’interface, reprise sur erreur Possibilité d’exécuter une autre méthode d’analyse de données sans sans provoquer des erreurs du système
Compatibilité	Multiplicité du rendu Personnalisation de l’interface utilisateur Prise en compte des habitudes de travail de l’utilisateur et ses préférences
Fonctionnalités	Portabilité Accès aux données hétérogènes Diversification d’algorithmes Validation de modèles Présentation des résultats Réutilisation des données d’apprentissage

A présent, nous allons procéder à une description plus détaillée des critères du tableau 4.2 dans la prochaine section dédiée aux critères de niveau 2 suivant la hiérarchie définie précédemment.