Desvendando a experiência e o humor do usuário: uma avaliação comparativa e uma abordagem de modelagem preditiva
DOI:
https://doi.org/10.5335/rbca.v16i3.15683Palavras-chave:
Avaliação da experiência do usuário, Interação 3D, Experiencia do UsuárioResumo
Background A avaliação da experiência do usuário (UX) é crucial para os sistemas de informação, uma vez que está intimamente relacionada com a sua aceitação e desempenho pós-adoção. Implica frequentemente a utilização de um ou mais questionários normalizados. Esta avaliação pode ser dispendiosa, desde a seleção do questionário adequado até à
extração de dados de um número significativo de usuários, análise dos dados e comparação de resultados, especialmente com avaliações que utilizam questionários diferentes. Assim, a Inteligência Artificial é cada vez mais adoptada para auxiliar estas tarefas. Sendo assim, este trabalho explora vários algoritmos de Machine Learning (ML) para correlacionar
e prever as respostas de diferentes questionários de UX e de humor. Resultados A abordagem desenvolvida previucom sucesso as respostas ao questionário com elevada precisão (erro inferior a 1 numa escala de Likert de 7 pontos), particularmente para o questionário mais longo. Além disso, revelou que o humor contribui significativamente para esta precisão. Conclusões As principais contribuições deste trabalho incluem a demonstração de como o ML pode ser
utilizado para reduzir os custos de avaliação da experiência do usuário e a exploração do impacto do humor do usuário
nesta avaliação.
Downloads
Downloads
Publicado
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
