메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Maxim Bakaev (Novosibirsk State Technical University) Sebastian Heil (Technische Universität Chemnitz) Galina Hamgushkeeva (Novosibirsk State Technical University) Martin Gaedke (Technische Universität Chemnitz)
저널정보
대한인간공학회 대한인간공학회 학술대회논문집 2021 대한인간공학회 추계학술대회 및 국제심포지엄
발행연도
2021.11
수록면
84 - 88 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Objective: In our study, we investigate the effect of data quality on the accuracy of models that predict users’ subjective impressions from visual appearances of websites. Background: Machine Learning (ML) methods are increasingly employed to predict user behavior, particularly subjective impressions that cannot be automatically inferred from user interfaces (UIs) or from interaction logs. In this field, feature-based ML methods are often utilized instead of data-hungry deep learning ones, since collecting training data from human subjects requires considerable effort. The features for the models can be automatically extracted from UI code or screenshots with dedicated algorithms, which are an active area of research. Still, relying on human UI labelers is often considered a better option, since they presumably provide more accurate input data that allows more accurate prediction. Method: For about 500 homepages of universities’ and colleges’ websites, quantitative values for several UI features were obtained: number of UI elements, share of whitespace, etc. The values came from 11 human labelers of varying diligence, whose work quality was validated by another 20 verifiers. The dependent variables in the models were subjective impressions from the web pages, operationalized as the Likert scales of Complexity, Aesthetics and Orderliness, assessed by 70 subjects. Results: We built 33 linear regression models and analyzed their capability (as represented by R²s) to predict the subjective impressions. Conclusion: Although many research works propose new features for UIs and/or improvement of algorithms that calculate them, the discovered effect of the input data quality on the prediction accuracy was scale-dependent and, somehow unexpectedly, negative. Application: The results of our study might aid in balancing data quality and data quantity in projects that use ML methods to predict subjective impressions of website users.
#Web Interfaces #User Behavior Models #Machine Learning #Image Recognition

목차

ABSTRACT
1. Introduction
2. Method and related work
3. Results
4. Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0