Automatización de la clasificación de necesidades de usuario para diseñadores principiantes de experiencia de usuario: un enfoque de modelo Kano y análisis de texto utilizando aprendizaje profundo
Autores: Zhang, Zhejun; Chen, Huiying; Huang, Ruonan; Zhu, Lihong; Ma, Shengling; Leifer, Larry; Liu, Wei
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Automatización de la clasificación de necesidades de usuario para diseñadores principiantes de experiencia de usuario: un enfoque de modelo Kano y análisis de texto utilizando aprendizaje profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Inteligencia Artificial
Palabras clave
Herramienta
Necesidades del usuario
Modelo Kano
Aprendizaje profundo
Diseño de experiencia de usuario
Educación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Este estudio presenta una herramienta novedosa para clasificar las necesidades de los usuarios en el diseño de experiencia de usuario (UX), específicamente diseñada para principiantes, con aplicaciones potenciales en la educación. La herramienta emplea el modelo Kano, análisis de texto y aprendizaje profundo para clasificar eficientemente las necesidades del usuario en cuatro categorías. Los datos para el estudio se recopilaron a través de entrevistas y rastreo web, obteniendo 19 necesidades de usuarios de la Generación Z (nacidos entre 1995 y 2009) de juguetes LEGO (Billund, Dinamarca). Estas necesidades fueron categorizadas en necesidades obligatorias, unidimensionales, atractivas e indiferentes a través de una encuesta basada en el modelo Kano. Se creó un conjunto de datos de más de 3000 comentarios en línea mediante preprocesamiento y anotación, que se utilizó para entrenar y evaluar siete modelos de aprendizaje profundo. El modelo más efectivo, la Red Neuronal Convolucional Recurrente (RCNN), se empleó para desarrollar una herramienta gráfica de clasificación de texto que arroja con precisión la categoría correspondiente y la probabilidad del texto de entrada del usuario según el modelo Kano. Una prueba de usabilidad comparó el rendimiento de la herramienta con el método tradicional de diagrama de afinidad. La herramienta superó al método de diagrama de afinidad en seis dimensiones y superó tres cualidades del Cuestionario de Experiencia del Usuario (UEQ), lo que indica una UX superior. La herramienta también demostró una carga de trabajo percibida menor, medida mediante el Índice de Carga de Tareas de la NASA (NASA-TLX), y recibió una puntuación positiva en el Net Promoter Score (NPS) de 23 por parte de los participantes. Estos hallazgos subrayan el potencial de esta herramienta como un recurso educativo valioso en los cursos de diseño de UX. Ofrece a los estudiantes una experiencia de aprendizaje más eficiente y atractiva y menos pesada, al integrar de manera fluida la inteligencia artificial en la educación del diseño de UX. Este estudio proporciona a los principiantes en diseño de UX una herramienta práctica e intuitiva, facilitando una comprensión más profunda de las necesidades de los usuarios y estrategias de diseño innovadoras.
Descripción
Este estudio presenta una herramienta novedosa para clasificar las necesidades de los usuarios en el diseño de experiencia de usuario (UX), específicamente diseñada para principiantes, con aplicaciones potenciales en la educación. La herramienta emplea el modelo Kano, análisis de texto y aprendizaje profundo para clasificar eficientemente las necesidades del usuario en cuatro categorías. Los datos para el estudio se recopilaron a través de entrevistas y rastreo web, obteniendo 19 necesidades de usuarios de la Generación Z (nacidos entre 1995 y 2009) de juguetes LEGO (Billund, Dinamarca). Estas necesidades fueron categorizadas en necesidades obligatorias, unidimensionales, atractivas e indiferentes a través de una encuesta basada en el modelo Kano. Se creó un conjunto de datos de más de 3000 comentarios en línea mediante preprocesamiento y anotación, que se utilizó para entrenar y evaluar siete modelos de aprendizaje profundo. El modelo más efectivo, la Red Neuronal Convolucional Recurrente (RCNN), se empleó para desarrollar una herramienta gráfica de clasificación de texto que arroja con precisión la categoría correspondiente y la probabilidad del texto de entrada del usuario según el modelo Kano. Una prueba de usabilidad comparó el rendimiento de la herramienta con el método tradicional de diagrama de afinidad. La herramienta superó al método de diagrama de afinidad en seis dimensiones y superó tres cualidades del Cuestionario de Experiencia del Usuario (UEQ), lo que indica una UX superior. La herramienta también demostró una carga de trabajo percibida menor, medida mediante el Índice de Carga de Tareas de la NASA (NASA-TLX), y recibió una puntuación positiva en el Net Promoter Score (NPS) de 23 por parte de los participantes. Estos hallazgos subrayan el potencial de esta herramienta como un recurso educativo valioso en los cursos de diseño de UX. Ofrece a los estudiantes una experiencia de aprendizaje más eficiente y atractiva y menos pesada, al integrar de manera fluida la inteligencia artificial en la educación del diseño de UX. Este estudio proporciona a los principiantes en diseño de UX una herramienta práctica e intuitiva, facilitando una comprensión más profunda de las necesidades de los usuarios y estrategias de diseño innovadoras.