Emotion-Aware Interface Adaptation in Mobile Applications Based on Color Psychology and Multimodal User State Recognition
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
Mobile applications that center on content discovery and lifestyle sharing increasingly involve emotionally influenced user behavior. This study examines how interface visuals can be adjusted in response to users’ emotional states, with a focus on visual tone adaptation guided by color psychology. A prototype system was developed that classifies emotional states using facial cues, voice characteristics, and interaction behavior, and then modifies the interface’s background colors, content framing and accent elements to reflect the detected affect. The system was evaluated through a controlled within-subject user study, in which 36 participants interacted with three interface versions reflecting distinct emotional tones: Happy, Sad, and Angry. Participants’ satisfaction, emotional alignment, and interaction behavior were measured during short usage sessions. Interfaces designed to match positive or low-arousal emotional states were generally associated with higher satisfaction scores and more sustained engagement. In contrast, interfaces that reflected high-arousal negative affect, while consistent with users’ moods, often led to shorter sessions and reduced interaction. The results indicate that emotionally tuned interface visuals can influence both perception and behavior during mobile interaction. Matching interface tone to user mood may improve comfort and alignment, but care is needed when responding to negative affect to avoid reinforcing disengagement. The findings contribute to ongoing work in interface design by showing how affect-sensitive styling, even when applied to basic visual properties, can support more emotionally coherent interaction.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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