Застосування методів машинного навчання для аналізу UX/UI-даних масових опитувань користувачів
DOI:
https://doi.org/10.30837/2522-9818.2025.4.044Ключові слова:
UX/UI-аналітика; анкетні дані; машинне навчання; поведінкові сценарії; нейронні мережі; ансамблеві моделі; цифрові сервіси; досвід взаємодії (UX).Анотація
Предметом дослідження є впровадження методів машинного навчання для інтерпретації UX/UI-даних, зібраних способом масових опитувань користувачів освітніх онлайн-платформ. У роботі розглянуто гіпотезу про те, що узгоджене застосування різних моделей класифікації дає змогу виокремити поведінкові патерни, які мають прогностичне значення для оцінки використання окремих функцій продукту. Метою є порівняльний аналіз точності таких моделей на прикладі реального UX/UI-опитування. Методика дослідження передбачає етапи підготовки даних, кодування ознак, нормалізації, кластеризації та побудови моделей шести типів: дерева рішень, випадкового лісу, градієнтного бустингу, багатошарової нейромережі, логістичної регресії та методу k-найближчих сусідів. Основну увагу зосереджено на тому, як кожна з моделей поводиться в умовах UX/UI-даних, що мають обмежений обсяг, складну структуру й множину змішаних ознак. Результати моделювання демонструють, що навіть у межах невеликих вибірок моделі можуть виявляти значущі залежності між соціально-демографічними факторами, типами користувачів і функціональною активністю. Висновки. Застосування машинного навчання до UX/UI-даних є перспективним підходом до аналізу поведінки користувачів з можливістю подальшої інтеграції таких підходів у системи підтримки рішень. Запропонований підхід дає змогу виявляти стійкі поведінкові патерни користувачів на основі структурованих UX/UI-даних і має потенціал для подальшого розвитку методів прогнозування функціональної активності. Це відкриває перспективи інтеграції таких рішень у системи підтримки рішень в онлайн-освіті, охороні здоров’я, державному управлінні та інших сферах, де аналіз користувацьких даних відіграє критичну роль.
Посилання
References
Farooqui T., Rana T., Jafari F. Impact of Human-Centered Design Process (HCDP) on Software Development Process. Proceedings of the 2019 2nd International Conference on Communication, Computing and Digital Systems. 2019. DOI: https://doi.org/10.1109/C-CODE.2019.8680978
Berni A., Borgianni Y., Basso D., Carbon C.-C. Fundamentals and issues of user experience in the process of designing consumer products. Design Science. 2023. DOI: https://doi.org/10.1017/dsj.2023.8.
Heil S., Gaedke M. Auto-Extraction and Integration of Metrics for Web User Interfaces. Journal of Web Engineering. 2018. DOI: https://doi.org/10.13052/jwe1540-9589.17676
Koch J., Oulasvirta A. Computational Layout Perception using Gestalt Laws. CHI Extended Abstracts. 2016. DOI: https://doi.org/10.1145/2851581.2892537
Wang S., Zhang R., Du J., Hao R., Hu J. A Deep Learning Approach to Interface Color Quality Assessment in HCI. 2025. DOI: https://doi.org/10.48550/arXiv.2502.09914
Stige Å., Zamani E.D., Mikalef P., Zhu Y. Artificial intelligence (AI) for user experience (UX) design: a systematic literature review and future research agenda. Information Technology & People. 2024; 37(6):2324–2352. DOI: https://doi.org/10.1108/ITP-07-2022-0519
Rohrer C. When to Use Which User-Experience Research Methods. Nielsen Norman Group. URL: https://www.nngroup.com/articles/which-ux-research-methods (дата звернення: 27.04.2025).
Zhang Z., Chen H., Huang R., Zhu L., Ma S., Leifer L., Liu W. Automated Classification of User Needs for Beginner User Experience Designers: A Kano Model and Text Analysis Approach Using Deep Learning. Information. 2024. DOI: https://doi.org/10.3390/ai5010018
Perrig S.A.C., Aeschbach L.F., Scharowski N., von Felten N., Opwis K., Brühlmann F. Measurement practices in user experience (UX) research: a systematic quantitative literature review. Frontiers in Computer Science. 2024. DOI: https://doi.org/10.3389/fcomp.2024.1368860
Ігнатюк Є. О., Попов А. В. Методико-інструментальні засоби автоматизованого аналізу даних результатів UX-досліджень з використанням систем штучного інтелекту. Системи управління, навігації та зв’язку. 2024. DOI: https://doi.org/10.26906/SUNZ.2025.1.96-106
Kuchuk, N., Kashkevich, S., Radchenko, V., Andrusenko, Y., Kuchuk, H. (2024), "Applying edge computing in the execution IoT operative transactions", Advanced Information Systems. Vol. 8, No. 4. P. 49–59. DOI: https://doi.org/10.20998/2522-9052.2024.4.07
Zender A., Humm B.G., Holzheuser A. Successfully Improving the User Experience of an Artificial Intelligence System. Proceedings of the 19th Conference on Computer Science and Intelligence Systems (FedCSIS). 2024. DOI: https://doi.org/10.15439/2024F2707
Duan P., Chen C.-Y., Li G., Hartmann B., Li Y. UICrit: Enhancing Automated Design Evaluation with a UI Critique Dataset. Proceedings of the 2024 CHI Conference. ACM. 2024. DOI: https://doi.org/10.1145/3654777.3676381
Čejka M., Masner J., Jarolímek J., Šimek P. UX and Machine Learning – Preprocessing of Audiovisual Data Using Computer Vision to Recognize UI Elements. Agris on-line Papers in Economics and Informatics. 2023; 15(3):35–44. DOI: https://doi.org/10.7160/aol.2023.150304
Batch A., Ji Y., Fan M., Zhao J., Elmqvist N. uxSense: Supporting User Experience Analysis with Visualization and Computer Vision. IEEE. 2023. DOI: https://doi.org/10.1109/TVCG.2023.3241581
Fan M., Yang X., Yu T.T., Liao Q.V., Zhao J. Human-AI Collaboration for UX Evaluation: Effects of Explanations and Synchronization. 2021. DOI: https://doi.org/10.48550/arXiv.2112.12387
Dou Q., Zheng X.S., Sun T., Heng P.-A. Webthetics: Quantifying webpage aesthetics with deep learning. International Journal of Human-Computer Studies. 2018. DOI: https://doi.org/10.1016/j.ijhcs.2018.11.006
Choudhury N. Can Artificial Intelligence be Used to Improve Productivity by Automating Elements of the User Experience Design Processes? 2023. DOI: https://doi.org/10.20944/preprints202202.0057.v2
Bezkorovainyi, V., Kolesnyk, L., Gopejenko, V., Kosenko, V. (2024), "The method of ranking effective project solutions in conditions of incomplete certainty", Advanced Information Systems, Vol. 8, No. 2, P. 27–38. DOI: https://doi.org/10.20998/2522-9052.2024.2.04
Nielsen J. Usability 101: Introduction to Usability. Nielsen Norman Group. 2012. URL: https://www.nngroup.com/articles/usability-101-introduction-to-usability (дата звернення: 27.04.2025).
Malyeyeva, O., Lytvynenko, D., Kosenko, V., Artiukh, R. Models of harmonization of interests and conflict resolution of project stakeholders. Ceur Workshop Proceedings, 2020. 2565. P. 24–35. URL: https://www.scopus.com/pages/publications/85082134474?origin=resultslist (дата звернення: 27.04.2025)
CASES. Соцмережа та EdTech для креативних індустрій. URL: https://cases.media (дата звернення: 11.05.2024).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
