Autores
Fisher, William (1), Jacob Rhyne (2), Mark Bailey (2), Joseph Morgan (2) y Ryan Lekivetz (2).
Afiliaciones
(1) Universidad de Clemson, Clemson, Carolina del Sur
(2) JMP Statistical Discovery LLC
Diario
Actas de la 33.ª Conferencia de la ACM sobre Modelado, Adaptación y Personalización de Usuarios
Fecha de publicación
2025
Abstracto
Diseñar interfaces de usuario (UI) efectivas es un proceso complejo de toma de decisiones que a menudo depende de pruebas de usabilidad y de comprender las preferencias de los usuarios. Sin embargo, las preferencias de los usuarios pueden variar considerablemente en función de la información contextual (como la edad, la nacionalidad o el caso de uso del sistema de software), lo que supone un reto importante para la creación de estudios universalmente eficaces. Para abordar este problema, proponemos un nuevo marco de experimentación de elección discreta (ECD) contextual para comprender la relación entre la información contextual y las preferencias de los usuarios, lo que permite la creación de estudios estadísticamente más eficientes para nuevas cohortes de participantes. En este marco, se presenta a los usuarios una secuencia de preguntas en la que eligen su opción preferida entre dos o más alternativas de diseño. Estos datos de preferencias, combinados con la información contextual, se utilizan para desarrollar un modelo estadístico que recomienda diseños de UI a usuarios nuevos o existentes. Detallamos la metodología para diseñar ECD contextuales y demostramos su aplicación con un ejemplo real que involucra a usuarios de un sistema de software estadístico. Nuestros resultados indican que el marco de ECD contextual captura eficazmente las preferencias de los usuarios y proporciona recomendaciones de UI personalizadas.
Citación
Fisher, W., Rhyne, J., Bailey, M., Morgan, J. y Lekivetz, R., junio de 2025. Aprendizaje de preferencias de interfaz de usuario mediante experimentación de elección discreta contextual. EnActas de la 33.ª Conferencia de la ACM sobre Modelado, Adaptación y Personalización de Usuarios(págs. 313-317), https://doi.org/10.1145/3699682.3728319 .
