Verkkosivuston käytettävyystutkimus Case: Transval.fi
Bibliographic record
Abstract
Tämän opinnäytetyön aiheena oli käytettävyystutkimus, joka toteutettiin käytettävyystestauksen ja heuristisen arvioinnin avulla Transval.fi-verkkosivustolle. Opinnäytetyö tehtiin toimeksiantona Suomen Transval Oy:lle. Tutkimuksen tavoitteena oli parantaa Transval.fi-verkkosivuston käytettävyyttä sekä kartoittaa verkkosivustolla mahdollisesti esiintyviä käytettävyysongelmia. \n \nOpinnäytetyön teoriaosuudessa käsiteltiin käytettävyyttä sekä heuristista arviointia. Opinnäytetyössä käytettiin pääsääntöisesti kvalitatiivisia tutkimusmenetelmiä. Opinnäytetyön tutkimusosuuteen osallistui kolme testihenkilöä, joille suoritettiin käytettävyystestaukseen sekä heuristiseen arviointiin pohjautuvia ennalta määritettyjä testitehtäviä. Testien aikana testihenkilöt työskentelivät omatoimisesti tutkijan tarkkaillessa heitä. Testihenkilöitä kehotettiin ääneen ajatteluun, jotta testitilanteesta saataisiin mahdollisimman kattavat testitulokset. Tutkija kirjasi muistiinpanoja testihenkilöiden käyttäytymisestä sekä heidän mietteistään, jotka he ilmaisivat ääneen ajattelulla. \n \nKäytettävyystutkimuksen tuloksia arvioitiin heuristiikkojen sekä käytettävyystestauksen avulla. Käytettävyystutkimuksen testivaiheet voidaan selkeästi jakaa käytettävyystestauksen osioon sekä heuristisen arvioinnin osioon. \nKäytettävyystestauksen osiossa testihenkilöt keskittyivät tutkimaan verkkosivuston visuaalista ulkonäköä, sisältöä ja navigointia. Puolestaan heuristisen arvioinnin testausvaiheessa testihenkilöt pyrkivät selvittämään syvällisemmin sivustolla esiintyviä eri käytettävyysongelmia Jakob Nielsenin heuristiikkojen avulla. Heuristisen arvioinnin testausvaiheessa testihenkilöt pyrkivät löytämään vastaukset sivustolla tapahtuviin eri ilmiöihin. Testihenkilöt oli tarkkaan valittu, ja heillä kaikilla on kokemusta verkkosivustojen kehittämisestä sekä niiden ylläpidosta.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".