Context-Aware Prediction of User Performance Problems Caused by the Situationally-Induced Impairments and Disabilities
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: MEHMET ELGİN AKPINAR
Asıl Danışman (Eş Danışmanlı Tezler İçin): Pınar Karagöz
Eş Danışman: Yeliz Yeşilada
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Küçük ekranlı cihazlarla etkileşime girdiğimizde yeteneklerimiz/engellerimiz, dikkatimizi dağıtan bağlamsal faktörler veya arayüzle ilgili sorunlar nedeniyle hatalar yapabiliriz. Bu hataları önceki kullanıcı etkileşimi ve bağlamsal faktörlere dayalı olarak tahmin etmek, öğrenmek ve bu hataları önlemek için kullanıcı arayüzünü uyarlamak, kullanıcı performansını ve memnuniyetini artırabilir. Bu tez çalışması, kullanıcı performansını ve bağlamsal değişiklikleri izleyen ve bağlama dayalı olarak performans sorunlarını öngören bir sistemin nasıl geliştirilebileceğini araştırmaktadır. Bu çalışma kapsamında, öncelikle bağlamı ve bunun kullanıcıların performansı üzerindeki etkisini anlamak için sistematik bir literatür taraması yapıldı. Ardından, metin girişi etkileşimlerini, sensör verilerini ve kullanıcıların mevcut bağlam sınıflarını toplamak amacıyla, kullanıcıların kendi ortamlarında katıldıkları bir kullanıcı çalışması gerçekleştirildi. İlk olarak, toplanan bu veriler, önceden tanımlanmış bir görev modeli olmadan otomatik bir sistem aracılığıyla kullanıcı performansını yazma hızı ve hata oranı bazında ölçmek için kullanıldı. Hesaplanan kullanıcı performansı verileri ve kullanıcıların bağlam atamaları kullanılarak, farklı bağlam boyutlarının kullanıcı performansını nasıl etkilediği araştırıldı. Bulgularımız bağlamın kullanıcıları farklı şekilde etkilediğini gösterdi; bu nedenle, kullanıcıya özel uyarlamalar dikkate alınmalıdır. Mevcut sensörler kullanılarak farklı bağlam faktörlerinin algılanıp algılanamayacağı da araştırıldı. Ayrıca, performans sorunlarını tahmin etmek için sensör ve kullanıcı performans verileri kullanıldı. Yazma hatalarını tahmin etmeye yönelik regresyon modelinin, rastgele yapılan tahminlere göre daha iyi performans gösterdiği görüldü. Son olarak, yapılan çalışmalara dayanarak, farklı bağlamlarda kullanıcının etkileşimini desteklemek için uyarlama teknikleri araştırıldı, derlendi ve geliştiriciler için tasarım önerileri olarak sunuldu.