論文の概要: Unlocking Adaptive User Experience with Generative AI

• arxiv url: http://arxiv.org/abs/2404.05442v1
• Date: Mon, 8 Apr 2024 12:22:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 14:34:53.541228
• Title: Unlocking Adaptive User Experience with Generative AI
• Title（参考訳）: ジェネレーティブAIによるアダプティブユーザエクスペリエンスのアンロック
• Authors: Yutan Huang, Tanjila Kanij, Anuradha Madugalla, Shruti Mahajan, Chetan Arora, John Grundy,
• Abstract要約: 我々はChatGPTと従来の手作業の両方を用いてユーザペルソナと適応インタフェースを開発する。 調査対象者37名と面接対象者4名のデータを収集した。 ChatGPT生成コンテンツと手動コンテンツの比較は有望な結果を示している。
• 参考スコア（独自算出の注目度）: 8.578448990789965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing user-centred applications that address diverse user needs requires rigorous user research. This is time, effort and cost-consuming. With the recent rise of generative AI techniques based on Large Language Models (LLMs), there is a possibility that these powerful tools can be used to develop adaptive interfaces. This paper presents a novel approach to develop user personas and adaptive interface candidates for a specific domain using ChatGPT. We develop user personas and adaptive interfaces using both ChatGPT and a traditional manual process and compare these outcomes. To obtain data for the personas we collected data from 37 survey participants and 4 interviews in collaboration with a not-for-profit organisation. The comparison of ChatGPT generated content and manual content indicates promising results that encourage using LLMs in the adaptive interfaces design process.
• Abstract（参考訳）: 多様なユーザニーズに対応するユーザ中心のアプリケーションを開発するには、厳格なユーザ調査が必要です。 時間と労力と費用がかかります。 近年,Large Language Models (LLMs) に基づく生成AI技術の台頭により,これらの強力なツールが適応型インターフェースの開発に利用できる可能性が示唆された。 本稿では,ChatGPTを用いて特定のドメインに対するユーザペルソナと適応インタフェース候補を開発するための新しいアプローチを提案する。 我々はChatGPTと従来の手作業の両方を用いてユーザペルソナと適応インタフェースを開発し、これらの結果と比較する。 調査対象者37名と調査対象者4名のデータを,非営利団体と共同で収集した。 ChatGPT生成したコンテンツと手動コンテンツの比較は、適応インタフェース設計プロセスにおけるLCMの使用を奨励する有望な結果を示している。

関連論文リスト

• Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
  我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。 また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
  論文  参考訳（メタデータ） (2024-10-28T23:10:06Z)
• Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.74265453289855]
  大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。 本稿では,ChatGPTインタフェースにおける対話型フィードバック機能の可能性について検討し,ユーザ入力の形状やイテレーションへの参加について分析する。
  論文  参考訳（メタデータ） (2024-08-27T13:50:37Z)
• Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting [3.3241053483599563]
  OREは主に、ドメインの専門家からユーザ要求を集めるために、インタビューや共同フォーラムのような手動の手法に依存しています。 Current OntoChatは,大規模な言語モデル(LLM)を使用してプロセスを合理化するための,ORE用のフレームワークを提供する。 本研究は,ユーザストーリのペルソナ,目標,シナリオ,サンプルデータ,データリソースの作成と精錬に重点を置いた,ユーザクエリに基づく事前定義されたプロンプトテンプレートを生成する。
  論文  参考訳（メタデータ） (2024-08-09T19:21:14Z)
• Interlinking User Stories and GUI Prototyping: A Semi-Automatic LLM-based Approach [55.762798168494726]
  グラフィカルユーザインタフェース(GUI)のプロトタイプにおいて,機能的NLベースの要求の実装を検証するための新しい言語モデル(LLM)ベースのアプローチを提案する。 提案手法は,GUIプロトタイプに実装されていない機能的ユーザストーリの検出と,要件を直接実装する適切なGUIコンポーネントのレコメンデーションを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-06-12T11:59:26Z)
• Reinforcement Learning-Based Framework for the Intelligent Adaptation of User Interfaces [0.0]
  ユーザのニーズや好みを満たすために、ソフトウェアシステムのユーザインターフェース(UI)を適用するのは、複雑な作業です。 機械学習(ML)技術の最近の進歩は、適応プロセスを支援する効果的な手段を提供するかもしれない。 本稿では,Reinforcement Learning (RL) をMLコンポーネントとして,インテリジェントユーザインタフェース適応のための参照フレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2024-05-15T11:14:33Z)
• Enhanced User Interaction in Operating Systems through Machine Learning Language Models [17.09116903102371]
  本稿では,大規模言語モデル,機械学習,ユーザインタラクション設計のレコメンデーションシステムやオペレーティングシステムへの応用の可能性について検討する。 インタラクション設計と機械学習の組み合わせは、製品やサービスのより効率的でパーソナライズされたユーザエクスペリエンスを提供する。
  論文  参考訳（メタデータ） (2024-02-24T12:17:06Z)
• Interpreting User Requests in the Context of Natural Language Standing Instructions [89.12540932734476]
  我々は17のドメインにまたがる2.4K以上の対話からなる言語とプログラムのデータセットであるNLSIを開発した。 NLSIの鍵となる課題は、ある対話に適用可能なスタンディング命令のサブセットを特定することである。
  論文  参考訳（メタデータ） (2023-11-16T11:19:26Z)
• A Comparative Study on Reward Models for UI Adaptation with Reinforcement Learning [0.6899744489931015]
  強化学習は、使用状況ごとにインターフェイスをパーソナライズするために使用することができる。 それぞれのアダプティブの報酬を決定することは、UIアダプティブに対するRLの課題である。 最近の研究では、この課題に対処するための報酬モデルの使用について検討されているが、このタイプのモデルに関する実証的な証拠はない。
  論文  参考訳（メタデータ） (2023-08-26T18:31:16Z)
• Interactive Text Generation [75.23894005664533]
  我々は,対話型テキスト生成タスクを導入し,実際のユーザを巻き込むことなく,対話型テキスト生成モデルのトレーニングを可能にする。 我々は、Imitation Learningを用いてインタラクティブモデルをトレーニングし、競合する非インタラクティブな生成モデルに対する実験により、インタラクティブにトレーニングされたモデルは非インタラクティブなモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T01:57:17Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)

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。