論文の概要: Adaptive and Accessible User Interfaces for Seniors Through Model-Driven Engineering

• arxiv url: http://arxiv.org/abs/2502.18828v1
• Date: Wed, 26 Feb 2025 05:03:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:58:12.360530
• Title: Adaptive and Accessible User Interfaces for Seniors Through Model-Driven Engineering
• Title（参考訳）: モデル駆動工学による高齢者の適応的かつアクセシブルなユーザインタフェース
• Authors: Shavindra Wickramathilaka, John Grundy, Kashumi Madampe, Omar Haggag,
• Abstract要約: AdaptForgeは新しいモデル駆動エンジニアリング(MDE)ベースのアプローチで、Flutterアプリのユーザインターフェースと振る舞いの高度な適応をサポートする。 AdaptForgeはどのようにドメイン特化言語を使って高齢者のコンテキスト・オブ・ユース・シナリオをキャプチャするかを説明します。 本稿では,現実のFlutter開発者によるAdaptForgeの可能性を実証するための評価について報告する。
• 参考スコア（独自算出の注目度）: 4.220379425971002
• License:
• Abstract: The use of diverse apps among senior users is increasing. However, despite their diverse age-related accessibility needs and preferences, these users often encounter apps with significant accessibility barriers. Even in the best-case scenarios, they are provided with one-size-fits-all user interfaces that offer very limited personalisation support. To address this issue, we describe AdaptForge, a novel model-driven engineering (MDE)-based approach to support sophisticated adaptations of Flutter app user interfaces and behaviour based on the age-related accessibility needs of senior users. We explain how AdaptForge employs Domain-Specific Languages to capture seniors' context-of-use scenarios and how this information is used via adaptation rules to perform design-time modifications to a Flutter app's source code. Additionally, we report on evaluations conducted with real-world Flutter developers to demonstrate the promise and practical applicability of AdaptForge, as well as with senior end-users using our adapted Flutter app prototypes.
• Abstract（参考訳）: 高齢者の間では多様なアプリの利用が増えている。 しかし、年齢に関するアクセシビリティのニーズや好みが多様であるにもかかわらず、これらのユーザーはアクセシビリティの障壁がかなり大きいアプリに遭遇することが多い。 ベストケースのシナリオでも、非常に限定的なパーソナライズサポートを提供するワンサイズのすべてのユーザインターフェースが提供される。 この問題に対処するために、AdaptForgeについて説明する。AdaptForgeは、新しいモデル駆動エンジニアリング(MDE)ベースのアプローチで、Flutterアプリのユーザインターフェースの高度な適応と、高齢者の年齢関連アクセシビリティ要求に基づいた振る舞いをサポートする。 AdaptForgeがDomain-Specific Languagesを使用して、高齢者のコンテキストオブユースシナリオをキャプチャし、この情報をアダプティブルールを通じてFlutterアプリのソースコードに設計時変更を実行する方法について説明する。 さらに、現実のFlutter開発者がAdaptForgeの約束と実践的適用性を示すために実施した評価と、適合したFlutterアプリのプロトタイプを使用した上級エンドユーザについて報告する。

関連論文リスト

• Generative AI in Multimodal User Interfaces: Trends, Challenges, and Cross-Platform Adaptability [0.0]
  ジェネレーティブAIは、ユーザーインターフェイスを再構築する上で重要なドライバとして登場します。 本稿では,現代ユーザインタフェースにおける生成AIの統合について考察する。 マルチモーダルインタラクション、クロスプラットフォーム適応性、動的パーソナライゼーションに焦点を当てている。
  論文  参考訳（メタデータ） (2024-11-15T14:49:58Z)
• MDAP: A Multi-view Disentangled and Adaptive Preference Learning Framework for Cross-Domain Recommendation [63.27390451208503]
  クロスドメインレコメンデーションシステムは、マルチドメインユーザインタラクションを活用してパフォーマンスを向上させる。 マルチビュー・ディスタングル・アダプティブ・プライスラーニング・フレームワークを提案する。 当社のフレームワークはマルチビューエンコーダを使用して,多様なユーザの好みをキャプチャする。
  論文  参考訳（メタデータ） (2024-10-08T10:06:45Z)
• 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)
• Unlocking Adaptive User Experience with Generative AI [8.578448990789965]
  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。
  論文  参考訳（メタデータ） (2024-04-08T12:22:39Z)
• Large Language User Interfaces: Voice Interactive User Interfaces powered by LLMs [5.06113628525842]
  ユーザとユーザインターフェース(UI)の仲介として機能するフレームワークを提案する。 アノテーションの形でUIコンポーネントのテキストセマンティックマッピングに立つシステムを採用している。 我々のエンジンは、最も適切なアプリケーションを分類し、関連するパラメータを抽出し、その後、ユーザの期待するアクションの正確な予測を実行することができる。
  論文  参考訳（メタデータ） (2024-02-07T21:08:49Z)
• Adapters: A Unified Library for Parameter-Efficient and Modular Transfer Learning [109.25673110120906]
  本稿では,大規模言語モデルにおけるパラメータ効率とモジュール移動学習を統一したオープンソースのライブラリであるAdaptersを紹介する。 10の多様なアダプタメソッドを統一インターフェースに統合することにより、Adaptersは使いやすさとフレキシブルな設定を提供する。
  論文  参考訳（メタデータ） (2023-11-18T13:53:26Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• PinnerFormer: Sequence Modeling for User Representation at Pinterest [60.335384724891746]
  我々は、ユーザの将来的なエンゲージメントを予測するためにトレーニングされたユーザ表現であるPinnerFormerを紹介する。 従来のアプローチとは異なり、新しい密集した全アクション損失を通じて、モデリングをバッチインフラストラクチャに適応させます。 その結果,1日に1回発生するバッチユーザ埋め込みと,ユーザがアクションを行うたびに発生するリアルタイムユーザ埋め込みとの間には,大きなギャップがあることが判明した。
  論文  参考訳（メタデータ） (2022-05-09T18:26:51Z)
• Adapting User Interfaces with Model-based Reinforcement Learning [47.469980921522115]
  インターフェースへの適応には、変更がユーザに与えるポジティブな効果とネガティブな効果の両方を考慮する必要があります。 保守的な適応政策をもたらす適応的ユーザインターフェースの新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-03-11T17:24:34Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。