MétaCan
Menu
Retour à la cohorte
Enregistrement W4378804656 · doi:10.1109/tem.2023.3277432

An Exploratory Investigation of Cognitive Mapping for Analyzing Needs in UX Design

2023· article· en· W4378804656 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Computer scienceNeeds analysisTask (project management)CategorizationKnowledge managementPerspective (graphical)Exploratory researchUser needsCognitive mapProcess managementCognitionManagement scienceHuman–computer interactionEngineeringArtificial intelligenceSystems engineeringPsychology

Résumé

récupéré en direct d'OpenAlex

Needs analysis is a major concern in innovation projects both for organizations pursuing business objectives and for the users whose needs should be satisfied. Different needs analysis methods can be used, depending on the scope and complexity of the project. However, not all the existing methods provide efficient decision-making support for designers whose task is to categorize and prioritize the needs. The aim of this article is to explore the application of cognitive mapping as a needs analysis method that will more efficiently analyze the nature of the needs and their interrelations. This analysis will provide a different perspective for understanding needs and, thus, contribute to decision making and prioritization. To this end, the proposed method was tested with the UX team of a large established North American transportation company. The feedback from the multiple groups involved in needs analysis indicated that the need mapping technique was perceived as useful and could be applied as a decision support.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,048
Tête enseignante GPT0,251
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle