論文の概要: Study of the usability of LinkedIn: a social media platform meant to connect employers and employees

• arxiv url: http://arxiv.org/abs/2006.03931v1
• Date: Sat, 6 Jun 2020 18:19:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 11:15:29.811035
• Title: Study of the usability of LinkedIn: a social media platform meant to connect employers and employees
• Title（参考訳）: LinkedInのユーザビリティに関する研究 - 雇用主と従業員を結びつけるソーシャルメディアプラットフォーム
• Authors: Alessandro Ecclesie Agazzi
• Abstract要約: 本稿では,LinkedInのユーザビリティをユーザ評価と専門家評価の両方を用いて評価する。 LinkedInアプリケーションの全体的なユーザビリティは、SUS(System Usability Scale)を使用して測定されている。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social network platforms have increased and become very popular in the last decade; they allow people to create an online account to then interact with others creating a complicated net of connections. LinkedIn is one of the most used social media platform, created and used for professional purposes. Here, indeed, the user can either apply for job positions or join professional communities to deepen his own knowledge and expertise and be always up to date in the interested field. The primary objectives of this paper are assessing LinkedIn's usability, by using both user and expert evaluation and giving recommendations for the developer to improve this social network. This has been achieved through different steps; initially, feedbacks have been collected, via questionnaire, from direct users. Later, the usability issues, which have been underlined by users in the questionnaire, have been explored, by simulating user's problem-solving process, through Walkthrough. Finally, the overall usability of LinkedIn application has been measured by using SUS (System Usability Scale).
• Abstract（参考訳）: ソーシャルネットワークのプラットフォームは、過去10年間にますます人気が高まり、ユーザーはオンラインアカウントを作成して他人と対話し、複雑な接続網を作ることができるようになった。 LinkedInは、プロフェッショナルな目的で作られた、最も使われているソーシャルメディアプラットフォームの1つだ。 実際、ユーザーは自分の知識と専門知識を深めるために職に応募するか、プロのコミュニティに参加し、常に興味のある分野で最新にすることができる。 本研究の目的は、ユーザ評価とエキスパート評価の両方を用いて、linkedinのユーザビリティを評価し、開発者がこのソーシャルネットワークを改善することを推奨することである。 これは異なるステップで達成され、最初は直接ユーザからのアンケートを通じてフィードバックが収集された。 その後、ユーザによるユーザビリティの問題について、ウォークスルーを通じてユーザの問題解決プロセスをシミュレートして検討した。 最後に、LinkedInアプリケーションの全体的なユーザビリティは、SUS(System Usability Scale)を使用して測定されている。

関連論文リスト

• Inclusiveness Matters: A Large-Scale Analysis of User Feedback [7.8788463395442045]
  Reddit、Google Play Store、Twitterの3つの人気オンラインソースからのユーザーフィードバックを、世界で最も人気のあるアプリ50に活用しています。 社会・技術基盤理論のアプローチを用いて,3つの情報源にまたがる23,107の投稿を分析し,1,211の包括性関連投稿を同定した。 本研究は、最も人気のあるアプリやオンラインソースからの包括性に関するユーザフィードバックを詳細に分析する。
  論文  参考訳（メタデータ） (2023-11-02T04:05:46Z)
• Domain-based user embedding for competing events on social media [4.1245904895794085]
  本稿では,URLドメイン共起ネットワークに基づくユーザ埋め込み手法を提案する。 以上の結果から,retweetネットワークから直接発生するユーザ埋め込みと,言語に基づくユーザ埋め込みが期待を下回る結果となった。 これらの結果から,ドメインベースのユーザ埋め込みは,競合イベントに参加するソーシャルメディアユーザを特徴付ける効果的なツールとして有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-08-28T18:01:14Z)
• Topic-Guided Self-Introduction Generation for Social Media Users [34.41343865143143]
  本稿では,ユーザの個人的関心を概説した短い文章として,ソーシャルメディアの自己導入の自己生成について考察する。 ここでは、ユーザのツイート履歴を利用して自己導入を生成する。 本稿では,新しいトピック誘導型エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-24T13:35:08Z)
• Federated Social Recommendation with Graph Neural Network [69.36135187771929]
  本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。 我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
  論文  参考訳（メタデータ） (2021-11-21T09:41:39Z)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)
• CASS: Towards Building a Social-Support Chatbot for Online Health Community [67.45813419121603]
  CASSアーキテクチャは高度なニューラルネットワークアルゴリズムに基づいている。 ユーザーからの新たな入力を処理し、さまざまなレスポンスを生成することができる。 フォローアップフィールド実験により、CASSは感情的支援を求める個々のメンバーを支援するのに有用であることが証明された。
  論文  参考訳（メタデータ） (2021-01-04T05:52:03Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
  ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。 本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
  論文  参考訳（メタデータ） (2020-04-28T23:54:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。