МЕТОДИКО-ІНСТРУМЕНТАЛЬНІ ЗАСОБИ АВТОМАТИЗОВАНОГО АНАЛІЗУ  ДАНИХ РЕЗУЛЬТАТІВ UX-ДОСЛІДЖЕНЬ З ВИКОРИСТАННЯМ СИСТЕМ ШТУЧНОГО ІНТЕЛЕКТУ

Є. О. Ігнатюк; А. В. Попов

doi:10.26906/SUNZ.2025.1.96-106

Автор(и)

Є. О. Ігнатюк Національний аерокосмічний університет "Харківський авіаційний інститут"
А. В. Попов Національний аерокосмічний університет "Харківський авіаційний інститут"

DOI:

https://doi.org/10.26906/SUNZ.2025.1.96-106

Ключові слова:

UX-дослідження, автоматизація, аналіз даних, нейронні мережі, експертні системи

Анотація

Стаття присвячена автоматизованому аналізу результатів досліджень взаємодії (UX-досліджень) з використанням систем штучного інтелекту, зокрема нейронних мереж та експертних систем. Метою дослідження є
розробка системи методико-інструментальних засобів для автоматизації аналізу даних UX-досліджень шляхом інтеграції технологій штучного інтелекту та експертних систем. Проведено аналіз актуальності проблеми автоматизації
обробки великих обсягів різнорідних даних, що отримані в результаті досліджень взаємодії користувачів з цифровими продуктами. Запропоновано класифікацію методів досліджень взаємодії користувача та цифрових продуктів
за типами даних та підхід до вибору відповідних архітектур нейромереж для їх аналізу. Розглянуто можливості застосування рекурентних та згорткових нейронних мереж як приклад для обробки текстових, аудіо- та відеоданих.
Також запропоновано використання експертної системи для автоматизованого вибору нейромереж, оптимальних
для аналізу різнотипних даних. Розроблено та протестовано пробну версію системи з використанням API штучного
інтелекту, що підтверджує можливість автоматизованої обробки різних типів даних UX-досліджень за допомогою
нейромереж. Окреслено перспективи подальшого розвитку системи аналізу даних результатів UX-досліджень,
включаючи розробку програмного забезпечення, розширення функціональності та адаптацію для суміжних галузей.
Результати дослідження мають практичне значення для підвищення ефективності аналізу даних та можуть бути використані для вдосконалення процесу проєктування інтерфейсів.

Завантаження

Посилання

1. Nielsen J. Usability 101: Introduction to Usability [Електронний ресурс] / J. Nielsen. – 2012. – Режим доступу: https://www.nngroup.com/articles/usability-101-introduction-to-usability/ – Дата звернення: 01.02.2023.

2. ISO 9241-11:2018(en), Ergonomics of human-system interaction - Part 11: Usability: Definitions and concepts [Електронний ресурс]. – Режим доступу: https://www.iso.org/obp/ui/#iso:std:iso:9241:-11:ed-2:vl:en

3. Farooqui T. Impact of Human-Centered Design Process (HCDP) on software development process / T. Farooqui, T. Rana, F. Jafari // Proceedings of the 2nd International Conference on Communication, Computing and Digital systems (C-CODE 2019). – Institute of Electrical and Electronics Engineers, 2019. – P. 110-114. – Режим доступу: https://doi.org/10.1109/CCODE.2019.8680978 DOI: https://doi.org/10.1109/C-CODE.2019.8680978

4. Tsui A.S.M., Kuzminykh A. Detect and interper: towards operatinalization of automated user experience evaluation. Design User Experience and Usability. 2020. P. 82-96. URL: https://dl.acm.org/doi/10.1007/978-3-031-35702-2_6 DOI: https://doi.org/10.1007/978-3-031-35702-2_6

5. Robinson J. The past, present, and future of UX empirical research / J. Robinson, C. Lanius, R. Weber // Commun. Des. Q. Rev. – 2018. – Vol. 5. – P. 10-23. – Режим доступу: https://doi.org/10.1145/3188173.3188175 DOI: https://doi.org/10.1145/3188173.3188175

6. Abrahams A. S. An integrated text analytic framework for product defect discovery / A. S. Abrahams, W. Fan, G. A. Wang, Z. J. Zhang, J. Jiao // Prod. Oper. Manag. – 2015. – Vol. 24. – P. 975-990. – Режим доступу: https://doi.org/10.1111/poms.12303 DOI: https://doi.org/10.1111/poms.12303

7. Wang R. UX Calculator: An online tool to support user testing / R. Wang, S.-L. Chen, C. Labbé, M. Fredette, A. Abdessemed, F. Courtemanche, C. K. Coursaris, S. Senécal, P.-M. Léger // [Б. м. : б. в.].

8. Doulamis A. D. On-line retrainable neural networks: improving the performance of neural networks in image analysis problems / A. D. Doulamis, N. D. Doulamis, S. D. Kollias. URL: https://ieeexplore.ieee.org/abstract/document/822517

9. Jayanthiladevi A. AI in Video Analysis, Production and Streaming Delivery [Електронний ресурс] / A. Jayanthiladevi, A. G. Raj, R. Narmadha, S. Chandran, S. Shaju, K. K. Prasad. – Режим доступу: https://iopscience.iop.org/article/10.1088/1742- 6596/1712/1/012014/meta DOI: https://doi.org/10.1088/1742-6596/1712/1/012014

10. Fleury, S., & Chaniaud, N. (2023). Multi-user centered design: acceptance, user experience, user research and user testing. Behaviour & Information Technology, 42(3), 209-224. URL: https://www.tandfonline.com/doi/full/10.1080/1463922X.2023.2166623 DOI: https://doi.org/10.1080/1463922X.2023.2166623

11. Salem, F. M. (2023). Recurrent Neural Networks: From Simple to Gated Architectures. Springer International Publishing. DOI: https://doi.org/10.1007/978-3-030-89929-5

12. Okut, H. (2021). Deep Learning: Long-Short Term Memory. University of Kansas Medical Center. https://www.researchgate.net/publication/352383391_Deep_Learning_Long-Short_Term_Memory

13. Khodambashi, S., Øvrelid, E. A., Pedersen, S. A., & Jørstad, I. (2020). User involvement and experimentation for technology adoption in hospitals: A conceptual study and research agenda. SN Applied Sciences, 2(1), 76. — Режим доступу: https://doi.org/10.1007/s13748-019-00203-0 DOI: https://doi.org/10.1007/s13748-019-00203-0

14. Aljarrah I. Video content analysis using convolutional neural networks [Електронний ресурс] / I. Aljarrah, D. Mohammad. – Режим доступу: https://ieeexplore.ieee.org/abstract/document/8355453

15. Kumar A. Image Sentiment Analysis Using Convolutional Neural Network [Електронний ресурс] / A. Kumar, A. Jaiswal. – Режим доступу: https://link.springer.com/chapter/10.1007/978-3-319-76348-4_45

16. Sony Corporation. (2023). Neural Network Console [Електронний ресурс]. Режим доступу: https://dl.sony.com/

17. Microsoft Research. (2023). Archai: Platform for Neural Architecture Search [Електронний ресурс]. Режим доступу: https://www.microsoft.com/en-us/research/project/archai-platform-for-neural-architecture-search/