Käytettävyysarviointimenetelmien soveltaminen Suomen ympäristökeskuksen sovelluskehityksessä
Bibliographic record
Abstract
Suomen ympäristökeskuksessa oli tarve saada käyttöliittymä satelliittikuvien oikaisuprosessille. Käyttöliittymällä on tarkoitus saavuttaa kaksi kaukokartoittajia helpottavaa ominaisuutta, ohjausparametrien ja ohjausprosessien hallinta etäohjauksella. Ennen varsinaista käyttöönottoa on selvitettävä, että käyttöliittymä on helppokäyttöinen. Suomen ympäristökeskuksen tavoitteena on tuottaa yhä käyttäjäystävällisempiä tietojärjestelmiä, joilla pystytään seuraamaan ympäristön tilasta kerättyjä tietoja. Käytettävyyden tehostaminen sovelluskehityksessä vaatii järjestelmällisen käytettävyystutkimuksen. Diplomityössä on tutkittu ohjelmoimani käyttöliittymän käytettävyyttä. Käytettävyystestit suoritettiin heuristisella arviolla, kognitiivisella läpikäynnillä sekä käyttäjätesteillä. Samalla on selvitetty kuinka nämä testit soveltuvat Suomen ympäristökeskuksen sovelluskehitykseen ja minkälaisia resursseja käytettävyystestit vaativat. Testit suoritettiin Suomen ympäristökeskuksen kaukokartoitusryhmällä. Heillä ei ollut aikaisempaa kokemusta käytettävyystutkimuksesta, joten heille annettiin lyhyt koulutus testeistä. Tällä saatiin selville myös testausmenetelmien koulutustarve, jotta testit myöhemmin olisivat kustannustehokkaita. Testeillä saatiin selville useita eri vakavuusasteisia ongelmakohtia. Testien perusteella tehdyt korjaukset käyttöliittymälle paransivat käytettävyyttä ja käyttäjien mielipide oli, että käyttöliittymä helpottaa ja tehostaa heidän työtään. Valitut testit soveltuvat suoritettavaksi Suomen ympäristökeskuksessa. Testit eivät vaadi suuria resursseja ja varsin pienellä panostuksella saavutetaan selviä parannuksia käytettävyydessä. Testit myös tukevat toisiaan, jolloin löydetään enemmän ongelmakohtia kuin vain yhtä testiä käytettäessä.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.079 | 0.026 |
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".