MétaCan
Menu
Retour à la cohorte
Enregistrement W4392732514 · doi:10.36040/jati.v7i5.7326

REDESAIN UI/UX FAMI APPS MENGGUNAKAN METODE GOAL DIRECTED DESIGN DAN COGNITIVE WALKTHROUGH

2024· article· id· W4392732514 sur OpenAlexaff
Muhamad Firmansyah, Muhamad Agus Sunandar, Mutiara Andayani Komara

Notice bibliographique

RevueJATI (Jurnal Mahasiswa Teknik Informatika) · 2024
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueVaried Academic Research Topics
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSoftware walkthroughCognitionComputer sciencePsychologyHuman–computer interactionProgramming languageSoftware

Résumé

récupéré en direct d'OpenAlex

Fami Apps adalah salah satu aplikasi untuk mendapatkan barang dan jasa berupa aplikasi pemesanan makanan dan minuman secara online yang dikembangkan oleh PT. Fajar Mitra Indah. Di google playstore aplikasi ini mendapat rating 3 dan sudah di download lebih dari 100.000 pengguna. Dari survey di ulasan google playstore ternyata yang membuat rating ini kurang memuaskan adalah dikarenakan tampilan informasi aplikasi Fami Apps dan beberapa fungsinya yang dirasa kurang memadai. Tujuan dari penelitian ini adalah untuk merombak User interface (UI) dan User Experience (UX) aplikasi Fami Apps dengan menggunakan proses goal-directed design dan cognitive walkthrough. Aplikasi didesain ulang dengan menggunakan teknik goal-directed design, yang melibatkan 6 fase: penelitian pendahuluan, pemodelan, persyaratan, kerangka kerja, penyempurnaan, dan dukungan. Hasil pengujian dikumpulkan setelah desain UI selesai dibuat dengan metode cognitive walkthrough untuk nilai atribut usability sebelum dirancang ulang desain nilai atribut tersebut menghasilkan skor 56 dengan adjective ratings “Good” dan acceptable ratings “Low”, setelah dilakukan perancangan ulang desain nilai atribut tersebut menghasilkan skor 79 dengan adjective ratings “Exelent” dan acceptable ratings “High”.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: Autre devis
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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 Opus0,037
Tête enseignante GPT0,286
Écart entre enseignants0,248 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJATI (Jurnal Mahasiswa Teknik Informatika)Même sujetVaried Academic Research TopicsTravaux en français237 207