論文の概要: Investigating Expectation Violations in Mobile Apps
- arxiv url: http://arxiv.org/abs/2201.02269v1
- Date: Thu, 6 Jan 2022 23:05:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 03:19:32.159950
- Title: Investigating Expectation Violations in Mobile Apps
- Title（参考訳）: モバイルアプリにおける期待違反の調査
- Authors: Sherlock A. Licorish, Helen E. Owen, Bastin Tony Roy Savarimuthu and
Priyanka Patel
- Abstract要約: モバイルアプリケーションにおける予測違反は,最も活発な社会技術システムの一つであると考えられる。
私たちの結果は、アプリが期待通りに機能しない場合、ユーザーは制裁違反に反応することを示している。
モバイルアプリコミュニティに実践的な洞察を与えます。
- 参考スコア（独自算出の注目度）: 2.074171159405138
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Information technology and software services are pervasive, occupying the
centre of most aspects of contemporary societies. This has given rise to
commonly expected norms and expectations around how such systems should work,
appropriate penalties for violating these expectations, and more importantly,
indicators of how to reduce the consequences of violations and sanctions.
Evidence for expectation violations and ensuing sanctions exists in a range of
portals used by individuals and groups to start new friendships, explore new
ideas, and provide feedback for products and services. Therein lies insights
that could lead to functional socio-technical systems, and general awareness
and anticipations of human actions (and interactions) when using information
technology and software services. However, limited previous work has examined
such artifacts to provide these understandings. To contribute to such
understandings and theoretical advancement we study expectation violations in
mobile apps, considered among the most engaging socio-technical systems. We
used content analysis and expectancy violation theory (EVT) and expectation
confirmation theory (ECT) to explore the evidence and nature of sanctions in
app reviews for a specific domain of apps. Our outcomes show that users respond
to expectation violation with sanctions when their app does not work as
anticipated, developers seem to target specific market niches when providing
services in an app domain, and users within an app domain respond with similar
sanctions. We contribute to the advancement of expectation violation theories,
and we provide practical insights for the mobile app community.
- Abstract（参考訳）: 情報技術とソフトウェアサービスは広く普及し、現代社会のほとんどの側面の中心を占めている。
これは、このようなシステムがどのように機能すべきかに関する一般的な規範や期待、これらの期待に違反する適切な罰則、さらに重要なのは、違反や制裁の結果を減らす方法の指標を生み出している。
期待違反とその後の制裁の証拠は、個人やグループが新しい友情を始め、新しいアイデアを探求し、製品やサービスにフィードバックを提供するために利用するポータルに存在している。
そこには、機能的な社会技術的システムや、情報技術とソフトウェアサービスを使う際の人間の行動(と相互作用)の一般的な認識と予測につながる洞察がある。
しかしながら、これらの理解を提供するために、限定された以前の研究はそのような成果物を調査した。
このような理解と理論的進歩に貢献するために,我々はモバイルアプリにおける期待違反について検討する。
我々は、コンテンツ分析および期待違反理論(evt)と期待確認理論(ect)を用いて、特定のドメインのアプリに対するアプリレビューにおける制裁の証拠と性質を調査した。
私たちの結果は、アプリが期待通りに動作しない場合、ユーザーは期待違反に反応し、開発者はアプリドメインでサービスを提供する際の特定の市場ニッチをターゲットにしており、アプリドメイン内のユーザーは同様の制裁で応答することを示している。
我々は,期待違反理論の進展に寄与し,モバイルアプリコミュニティに実践的な洞察を提供する。
関連論文リスト
- Towards Extracting Ethical Concerns-related Software Requirements from App Reviews [0.0]
本研究は、Uberモバイルアプリ(人気のタクシー/ライドアプリ)のアプリレビューを分析した。
アプリレビューからソフトウェア要件を抽出するために知識グラフ(KG)モデルを活用する新しいアプローチを提案する。
私たちのフレームワークは,関連するエンティティと関係を持ったオントロジーを開発すること,アプリレビューから重要なエンティティを抽出すること,それら間のコネクションを作成すること,という3つの主要コンポーネントで構成されています。
論文 参考訳（メタデータ） (2024-07-19T04:50:32Z) - Is On-Device AI Broken and Exploitable? Assessing the Trust and Ethics in Small Language Models [1.5953412143328967]
オンデバイス人工知能(AI)の信頼性と倫理的意味を調査するための第1報について述べる。
スマートフォンのようなパーソナルデバイスで使用可能な「小さい」言語モデル(SLM)に焦点を当てる。
以上の結果から,デバイス上のSLMは信頼性が著しく低く,特にステレオタイプ,不公平,プライバシブリーチング行動が顕著であることがわかった。
論文 参考訳（メタデータ） (2024-06-08T05:45:42Z) - Estimation of the User Contribution Rate by Leveraging Time Sequence in
Pairwise Matching function-point between Users Feedback and App Updating Log [3.750389260169302]
本稿では,アプリ更新ログとユーザレビューに存在する時間的相関認識に基づく定量的分析手法を提案する。
このスキームの主な考え方は、有効なユーザレビューをユーザ要件として、アプリの更新ログを開発者対応として検討することだ。
これらのアプリの機能のうち16.6%-43.2%は、オンラインの人気ユーザー要求の推進と関係があることが判明した。
論文 参考訳（メタデータ） (2023-11-26T03:52:45Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Ethical Considerations of AR Applications in Smartphones; A Systematic
Literature Review of Consumer Perspectives [0.0]
本研究は,スマートフォンアプリケーションにおける拡張現実(AR)を消費者が認識する倫理的考察に焦点をあてる。
この研究は、開発者、プロダクトマネージャ、デジタルマーケッター、および関連するビジネスプロフェッショナルに対する理解と能力を提供する。
論文 参考訳（メタデータ） (2023-06-06T11:22:58Z) - Explainable Abuse Detection as Intent Classification and Slot Filling [66.80201541759409]
我々は、システムがデータ検査だけで乱用を構成する事象を確実に学習できるという非現実的な期待を捨て、政策対応による悪用検出の概念を導入する。
目的分類とスロットフィリングのためのアーキテクチャは、モデル決定の根拠を提供しながら、悪用検出にどのように使用できるかを示す。
論文 参考訳（メタデータ） (2022-10-06T03:33:30Z) - Erasing Labor with Labor: Dark Patterns and Lockstep Behaviors on Google
Play [13.658284581863839]
Google Playのポリシーは、アプリの配置を操作するためのインセンティブ付きインストール、評価、レビューの使用を禁止している。
社会技術レンズによるインストールインセンティブアプリについて検討し、レビューとパーミッションの混合メソッド分析を行う。
私たちのデータセットには、60以上のアプリから5ヶ月以上にわたって収集された319万のレビューが含まれています。
インストールインセンティブのアプリに対する不正なレビューの証拠を見つけ、それに続いて、アプリとレビュアーの動的二部グラフのエッジストリームとしてモデル化します。
論文 参考訳（メタデータ） (2022-02-09T16:54:27Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - Overcoming Failures of Imagination in AI Infused System Development and
Deployment [71.9309995623067]
NeurIPS 2020は研究論文に「潜在的な悪用と失敗の結果」に関するインパクトステートメントを含むよう要求した。
我々は、害の枠組みは文脈に適応し、潜在的な利害関係者、システム余裕、および最も広い意味での害を評価するための実行可能なプロキシを考える必要があると論じている。
論文 参考訳（メタデータ） (2020-11-26T18:09:52Z) - Unsatisfied Today, Satisfied Tomorrow: a simulation framework for
performance evaluation of crowdsourcing-based network monitoring [68.8204255655161]
本稿では, 性能の低い細胞の検出品質を評価するための実験フレームワークを提案する。
このフレームワークは、満足度調査のプロセスとユーザの満足度予測の両方をシミュレートする。
シミュレーションフレームワークを用いて、一般的なシナリオにおいて、性能の低いサイト検出の性能を実証的にテストする。
論文 参考訳（メタデータ） (2020-10-30T10:03:48Z) - 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)
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。