Fake it 'til you load it: User Perceptions and Performance with Fast-Loading “False Front” Web Pages
Notice bibliographique
Résumé
Long page-load time for web applications is a common frustration for users – and despite substantial advances in web infrastructure, pages still regularly take more than a second to load. A potential solution to this problem is to show users a “false front” page that looks like the website (and loads quickly), and then switch to the real page once it has arrived. False front pages quickly show users the visual appearance of the page – but because they have not yet loaded the code for interaction, they may cause problems when users try to click on items or manipulate the interface. To provide a better understanding of how users perceive and perform with false-front pages, we developed a framework that specifies potential architectures and designs for several types of false front pages. Our false-front mechanism shows a realistic-looking version of a web application and allows users to “click ahead” before the full page has loaded (feedback shows users their click has been received, and clicks are queued for execution when the application becomes available). We provide details on how the different architectures can be implemented, and discuss two reference implementations that we have constructed. We carried out two crowdsourced studies that compared our false front pages to traditional representations of loading (an animated spinner and a skeleton screen), to see whether users were confused or frustrated by the false fronts, and to see how they perceived the pages’ loading time and responsiveness. Our results showed that false fronts led to better ratings of responsiveness and speed, faster task completion, and higher preference – suggesting that early loading of false fronts is a promising avenue to improve user experience with web applications.
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 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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».