Identifying the Importance of UX Dimensions for Different Software Product Categories
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.
Notice bibliographique
Résumé
Abstract Billions of users around the world use mobile applications and computer software to achieve their professional and personal goals. This situation drives User Experience (UX) researchers and practitioners to assess the importance of UX dimensions across different products, to facilitate the design, development and evaluation of new products. To that end, this study surveyed a group of 200 end users and 8 UX experts from Canada to document the importance of 21 UX dimensions for 15 software product categories. The results confirmed that the importance of UX dimensions varies between product categories. Comparing the findings to those of similar studies conducted in Germany and Indonesia revealed that, while culture influences the rating of UX dimensions, the importance of UX dimensions is still determined by the product category. Comparisons between the importance ratings of UX dimensions between end users and experts and within end users were not significant in 77% and 97% of cases, respectively. Results showed that task-based product categories rely more on pragmatic dimensions (i.e. functionality and usability) while leisure-based products value hedonic dimensions (i.e. pleasure) as well. This study benefits researchers and practitioners by enabling them to select the most important UX dimensions for evaluating their products. CCS CONCEPTS: • Human-centered computing • Human-Computer Interaction (HCI) • HCI design and evaluation methods. Additional Keywords and Phrases: User experience, UX dimension, UX evaluation, culture.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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