http://repositorio.unb.br/handle/10482/48521
Fichier | Description | Taille | Format | |
---|---|---|---|---|
2024_RicardoCordeiroGalvaoSant'anaVanErven_DISSERT.pdf | 6,27 MB | Adobe PDF | Voir/Ouvrir |
Titre: | UXAPP : evaluation of the user experience of digital products through emotion recognition |
Autre(s) titre(s): | UXAPP : avaliação da experiência do usuário de produtos digitais por meio do reconhecimento de emoções |
Auteur(s): | Erven, Ricardo Cordeiro Galvão Sant’Ana van |
Orientador(es):: | Canedo, Edna Dias |
Assunto:: | Experiência do usuário Inteligência artificial Emoções Medição |
Date de publication: | 3-jui-2024 |
Data de defesa:: | 28-fév-2024 |
Référence bibliographique: | ERVEN, Ricardo Cordeiro Galvão Sant’Ana van. UXAPP: evaluation of the user experience of digital products through emotion recognition. 2024. 157 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2024. |
Résumé: | Contexto: Medir a experiência do usuário (UX) é essencial para criar valor na transformação digital. A medição permite identificar intenções de compra futuras, fidelidade e retenção do usuário. A forma tradicional de medir a experiência do usuário por meio da autoavaliação apresenta problemas. Portanto, precisamos de uma abordagem mais direta que nos permita medir a experiência do usuário automaticamente. Objetivo: Implementar e validar o modelo de avaliação de UX através de uma ferramenta que calcule automaticamente a avaliação da experiência do usuário de um produto digital e apresente pontos positivos, neutros e negativos na utilização deste produto. O modelo incluiu um processo de trabalho, um experimento exploratório e um aplicativo, que chamamos de UXAPP. Métodos: Identificamos e selecionamos o estado da arte relacionado ao reconhecimento de emoções com Inteligência Artificial no contexto da satisfação do usuário. Depois disso, propusemos e implementamos o modelo de avaliação de UX. Desenvolvemos o aplicativo UXAPP e conduzimos o experimento exploratório seguindo o processo de trabalho. Convidamos nove participantes para realizar quatro tarefas cada. Coletamos dados de entrada manual e capturamos emoções do vídeo e da fala do usuário. Em seguida, realizamos uma análise de ambos os dados e geramos um relatório de UX. Por fim, comparamos os resultados obtidos do UXAPP e os dados de entrada do usuário. Resultados: A avaliação de UX do UXAPP corresponde diretamente às entradas do usuário em 50% das tarefas e dá resposta próxima em outros 47,22% dos resultados. Cada elemento UX, como usabilidade, afeto e valor para o usuário, foi avaliado e analisado de forma independente. A análise de usabilidade do UXAPP tem correspondência direta com a resposta do usuário em 30,56% das tarefas e dá resposta próxima em outros 33,33% dos resultados. A análise de afeto do UXAPP tem correspondência direta com a resposta do usuário em 52,78% das tarefas e dá resposta próxima em outros 41,67% dos resultados. O UXAPP também identificou 616 pontos de sentimentos positivos ou negativos em vídeo e fala para todas as tarefas. A análise de valor do usuário com UXAPP tem correspondência direta com a resposta do usuário em 36,11% das tarefas e dá resposta aproximada em 50,00% dos resultados. Registramos 5h 35m 31s de duração das tarefas. Com base em nossa experiência, estimamos que uma pessoa precisaria de pelo menos quatro vezes a duração dessa tarefa para processar todas as informações apresentadas no relatório de UX, incluindo encontrar todos os pontos de sentimento e distinguir picos de sentimento positivos e negativos. Conclusões: As possibilidades de aplicação do reconhecimento de emoções são inúmeras em termos de contextos, técnicas, formas e componentes. Apesar disso, foi possível desenvolver o UXAPP e validar o modelo de avaliação de UX para medir a experiência do usuário de um produto digital através do reconhecimento de emoções e Inteligência Artificial. Descobrimos que a análise UXAPP e a análise de avaliação do usuário são importantes e complementares. A principal contribuição deste trabalho é a entrega de um modelo validado para medir automaticamente a experiência do usuário e identificar pontos positivos, neutros e negativos na utilização de um produto digital. O UXAPP pode ser utilizado diretamente pelo usuário final, possibilitando automatizar todos os esforços para obter uma pontuação de avaliação de UX e identificar os pontos positivos e negativos da interação do usuário. Com isso, ele pode reduzir drasticamente os custos envolvidos no desenvolvimento de uma competência de experiência do usuário em uma organização. Esta pesquisa também define um processo de experimentação de medição que qualquer organização ou pesquisador pode reproduzir. |
Abstract: | Context: Measuring user experience (UX) is essential to create value in digital transformation. Measurement allows you to identify future purchase intentions, user loyalty, and retention. The traditional way of measuring user experience using self-assessment has problems. Therefore, we need a more straightforward approach to allow us to measure user experience automatically. Objective: Implement and validate the UX evaluation model through a tool that automatically calculates the user experience rating of a digital product and presents positive, neutral, and negative points in using this product. The model included a work process, an exploratory experiment, and an application, which we call UXAPP. Methods: We identified and selected the state-of-art related to emotion recognition with Artificial Intelligence in the context of user satisfaction. After that, we proposed and implemented the UX evaluation model. We developed the UXAPP application and conducted the exploratory experiment following the work process. We invite nine participants to perform four tasks each. We collect manual input data and capture emotions from the user’s video and speech. Then, we analyze both data and generate a UX report. Finally, we compare the results obtained from UXAPP and the user input data. Results: The UXAPP UX evaluation directly matches the user evaluation in 50% of the tasks and gives a close answer in others 47.22% of the results. Each UX element, like usability, affect, and user value, was evaluated and analyzed independently. The UXAPP usability analysis matches the user evaluation in 30.56% of the tasks and gives a close answer in others 33.33% of the results. The UXAPP affect analysis matches the user evaluation in 52.78% of the tasks and gives a close answer in others 41.67% of the results. UXAPP also identified 616 points of positive or negative sentiments in video and speech for all tasks. The UXAPP user value analysis matches the user evaluation in 36.11% of the tasks and gives a close answer in 50.00% of the results. We registered 5h 35m 31s of tasks’ duration. Based on our experience, we estimate that a person needed at least four times this task duration to process all the information presented in the UX report, including finding all sentiment points and distinguishing positive and negative sentiment peaks. Conclusions: The possibilities of applying emotion recognition are countless in terms of contexts, techniques, forms, and components. Despite this, it was possible to develop UXAPP and validate the UX evaluation model to measure the user experience of a digital product through emotion recognition and Artificial Intelligence. We found that UXAPP analysis and user evaluation analysis are important and complementary. The main contribution of this work is the delivery of a validated model to automatically measure user experience and identify positive, neutral, and negative points in the use of a digital product. UXAPP can be used directly by the final user, making it possible to automate all the efforts to obtain a UX evaluation score and identify user interaction’s positive and negative points. It can drastically reduce the costs involved in developing a user experience competence in an organization. This research also defines a measurement experimentation process that any organization or researcher can reproduce. |
metadata.dc.description.unidade: | Instituto de Ciências Exatas (IE) Departamento de Ciência da Computação (IE CIC) |
Description: | Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2024. |
metadata.dc.description.ppg: | Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional |
Licença:: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. |
Collection(s) : | Teses, dissertações e produtos pós-doutorado |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.