Diseño de interfaces de sistemas interactivos utilizando técnicas de machine learning: una revisión del diseño y la usabilidad
Resumen
En el presente trabajo se exponen algunos enfoques planteados para el diseño de interfaces de usuario mediante técnicas de machine learning. En la primera parte, se hace una revisión de diversos enfoques para el diseño de interfaces, tales como los optimizadores combinacionales, el uso de frameworks y el diseño de interfaces libres de texto. En cuanto al diseño de interfaces con técnicas de machine learning, se observa que tienen como base la usabilidad y la experiencia del usuario o UX. Asimismo, el proceso de diseño utiliza interacciones que son almacenadas en sistemas de persistencia o bases de datos, que luego se analizan con técnicas de machine learning. Otro enfoque de diseño usa bosquejos y maquetados gráficos y, luego de evaluar su usabilidad, emplea algoritmos de reconocimiento de imágenes para generar las interfaces; estos diseños generalmente son para dispositivos móviles. Por otro lado, existen técnicas que también analizan la usabilidad, pero se enfocan más en las funciones corporales del usuario (movimiento, funciones biológicas como presión sanguínea, latidos del corazón, etcétera); estos datos también pueden analizarse con algoritmos de machine learning para generar interfaces de usuario.
Descargas
Citas
Akinsola, J. E. T., Akinseinde, S., Kalesanwo, O., Adeagbo, M., Oladapo, K., Awoseyi, A., & Kasali, F. (2021). Application of artificial intelligence in user interfaces design for cyber security threat modeling. En L. M. Castro, D. Cabrero & R. Heimgärtner (Eds.), Software usability. IntechOpen. https://www.intechopen.com/chapters/76094
Braun, M., Weber, F., & Alt, F. (2021). Affective automotive user interfaces. Reviewing the state of driver affect research and emotion regulation in the car. ACM Computing Surveys (CSUR), 54(7), 1-26. https://doi.org/10.1145/3460938
Buschek, D., Anlauff, C., & Lachner, F. (2020, September). Paper2Wire: A case study of user-centred development of machine learning tools for UX designers. En Proceedings of the Conference on Mensch und Computer (pp. 33-41). https://dl.acm.org/doi/abs/10.1145/3404983.3405506
Cruz-Benito, J., Vázquez-Ingelmo, A., Sánchez-Prieto, J. C., Therón, R., García-Peñalvo, F. J., & Martín-González, M. (2017). Enabling adaptability in web forms based on user characteristics detection through A/B testing and machine learning. IEEE Access, 6, 2251-2265. https://ieeexplore.ieee.org/abstract/document/8240912
Ferreira, J. M., Acuña, S. T., Dieste, O., Vegas, S., Santos, A., Rodríguez, F., & Juristo, N. (2020). Impact of usability mechanisms: An experiment on efficiency, effectiveness and user satisfaction. Information and Software Technology, 117, 106195. http://jultika.oulu.fi/files/nbnfi-fe202002054561.pdf
Ilyas, Q. M., Ahmad, M., Zaman, N., Alshamari, M. A., & Ahmed, I. (2021). Localized text-free user interfaces. IEEE Access, 10, 2357-2371. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9665747
Joo, M., & Lee, W. (2019). WebProfiler: User interaction prediction framework for web applications. IEEE Access, 7, 154946-154958. https://ieeexplore.ieee.org/abstract/document/8880603
Lee, K. T., Yoon, H., & Lee, Y. S. (2018). Implementation of smartwatch user interface using machine learning based motion recognition. En 2018 International Conference on Information Networking (ICOIN) (pp. 807-809). http://csc.villanova.edu/~beck/csc8570/papers/lee.pdf
Mezhoudi, N. (2013). User interface adaptation based on user feedback and machine learning. En Proceedings of the companion publication of the 2013 International Conference on Intelligent User Interfaces Companion (pp. 25-28). https://dial.uclouvain.be/pr/boreal/object/boreal%3A153816/datastream/PDF_01/view
Moran, K., Bernal-Cárdenas, C., Curcio, M., Bonett, R., & Poshyvanyk, D. (2018). Machine learning-based prototyping of graphical user interfaces for mobile apps. IEEE Transactions on Software Engineering, 46(2), 196-221. https://ieeexplore.ieee.org/abstract/document/8374985
Oulasvirta, A., Dayama, N. R., Shiripour, M., John, M., & Karrenbauer, A. (2020). Combinatorial optimization of graphical user interface designs. Proceedings of the IEEE, 108(3), 434-464. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9000519
Pressman, R. S. (2010). Ingeniería del software. Un enfoque práctico. McGraw-Hill.
Sackl, M., Steinmaurer, A., Cheong, C., Cheong, F., Filippou, J., & Gütl, C. (2020). sCool: Impact on human-computer interface improvements on learner experience in a game-based learning platform. En International Conference on Interactive Collaborative Learning (pp. 439-451). Springer. https://www.researchgate.net/profile/Alexander-Steinmaurer-3/publication/350001425_sCool_Impact_on_Human-Computer_Interface_Improvements_on_Learner_Experience_in_a_Game-Based_Learning_Platform/links/606cb77092851c4f268661c4/sCool-Impact-on-Human-Computer-Interface-Improvements-on-Learner-Experience-in-a-Game-Based-Learning-Platform.pdf
Sánchez, W. O. (2015). La usabilidad en ingeniería de software: definición y características. Ing-novación, 2, 7-21. http://www.redicces.org.sv/jspui/bitstream/10972/1937/1/2.%20La%20usabilidad%20en%20Ingenieria%20de%20Software-%20definicion%20y%20caracteristicas.pdf
Sanctorum, A., & Signer, B. (2019). A unifying reference framework and model for adaptive distributed hybrid user interfaces. En 2019 13th International Conference on Research Challenges in Information Science (RCIS) (pp. 1-6). https://ieeexplore.ieee.org/abstract/document/8877048
Sboui, T., Ayed, M. B., & Alimi, A. M. (2017). A UI-DSPL approach for the development of context-adaptable user interfaces. IEEE Access, 6, 7066-7081. https://ieeexplore.ieee.org/abstract/document/8194842
Shackel, B., & Richardson, S. J. (Eds.). (1991). Human factors for informatics usability. Cambridge University Press.
Yang, B., Wei, L., & Pu, Z. (2020). Measuring and improving user experience through artificial intelligence-aided design. Frontiers in Psychology, 11, 595374. https://www.frontiersin.org/articles/10.3389/fpsyg.2020.595374/full
Yang, Q. (2017). The role of design in creating machine-learning-enhanced user experience. En The AAAI 2017 Spring Symposium on Designing the User Experience of Machine Learning Systems (pp. 406-411). https://www.aaai.org/ocs/index.php/SSS/SSS17/paper/viewFile/15363/14575
Yang, Q. (2018). Machine learning as a UX design material: How can we imagine beyond automation, recommenders, and reminders? AAAI Spring Symposia. https://www.researchgate.net/profile/Qian-Yang-19/publication/324077664_Machine_Learning_as_a_UX_Design_Material_How_Can_We_Imagine_Beyond_Automation_Recommenders_and_Reminders/links/5b3cfe2ca6fdcc8506f560e1/Machine-Learning-as-a-UX-Design-Material-How-Can-We-Imagine-Beyond-Automation-Recommenders-and-Reminders.pdf
Derechos de autor 2022 Interfases
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Última actualización: 03/05/21