Ανθρωποκεντρικός και προσαρμοστικός σχεδιασμός για την ανάπτυξη εφαρμογής για συγκοινωνίες με χρήση μηχανικής μάθησης

Abstract

Η διείσδυση της ψηφιοποίησης σε όλους τους τομείς της ζωής και ακόμη και σε όλες τις ηλικιακές ομάδες έχει οδηγήσει στην κατάσταση ότι πλέον εκτελούμε σχεδόν όλες τις εργασίες με κάποια μορφή υποβοήθησης από υπολογιστή. Αυτό σημαίνει ότι οι άνθρωποι, με τις προσωπικές τους εμπειρίες, προσδοκίες, ικανότητες και ανάγκες, διαδραματίζουν ακόμη πιο σημαντικό ρόλο στην ανάπτυξη λύσεων και διεπαφών χρήστη που βασίζονται σε υπολογιστή. Η συνολική εμπειρία χρήστη και η ψηφιακή συμμετοχή έχουν αυξανόμενη οικονομική και κοινωνική σημασία. Αυτή η εργασία διερευνά τον τρόπο με τον οποίο η ποικιλομορφία ή η διαφορετικότητα των ανθρώπων μπορεί να ληφθεί υπόψη στον ανθρωποκεντρικό σχεδιασμό των συστημάτων και των λύσεων τεχνητής νοημοσύνης. Αυτό απαιτεί οι ψηφιακές εφαρμογές και οι διεπαφές χρήστη να γίνουν πιο ευφυείς και να μπορούν να προσαρμοστούν στα μεμονωμένα χαρακτηριστικά, τις ικανότητες ή τις καταστάσεις της ζωής μας. Είναι επίσης όλο και πιο σημαντικό οι βασικές τεχνολογίες όπως η τεχνητή νοημοσύνη να λαμβάνουν υπόψη την ποικιλομορφία. Σκοπός της διπλωματικής εργασίας είναι η ανάπτυξη μίας ανθρωποκεντρικής εφαρμογής με χρήση τεχνητής νοημοσύνης για την προσαρμογή της διεπαφής χρήστη. Δημιουργήθηκε μία εφαρμογή κινητών για τα τις συγκοινωνίες της Αθήνας. Η εφαρμογή στοχεύει να καλύψει τις ανάγκες ενός ευρέος φάσματος χρηστών, συμπεριλαμβανομένων εκείνων με διαφορετικό υπόβαθρο, εμπειρίες, ικανότητες και ανάγκες. Με την ενσωμάτωση ευφυών πρακτόρων βασισμένων σε κανόνες, η εφαρμογή στοχεύει βελτίωση της προσβασιμότητας και της ευχρηστίας, εξασφαλίζοντας την ομαλή εμπειρία χρήστη για άτομα με διαφορετικές ανάγκες και προτιμήσεις. Η εργασία ακολουθεί μια προσέγγιση ανάπτυξης με επίκεντρο τον χρήστη, που περιλαμβάνει έρευνα χρηστών, συλλογή σχολίων και δοκιμές σε όλη τη διαδικασία ανάπτυξης. Αξιολογούνται αλγόριθμοι, όπως Naïve Bayes, SGD, KNN, SVM, Random Forest και Decision Tree, στην προσαρμογή της διεπαφής χρήστη με βάση το ιστορικό αλληλεπίδρασής του χρήστη. Ο αλγόριθμος K-Nearest Neighbors (KNN) αναδεικνύεται ως η βέλτιστη επιλογή για την εφαρμογή όπου με την συλλογή στοιχείων κατά την χρήση της εφαρμογής, χρησιμοποιείται για την προσαρμογή της διεπαφής χρήστη και συνεπώς την βελτίωση της χρηστικότητας της εφαρμογής. Το σύστημα, μέσω καταγραφής χαρακτηριστικών στοιχείων κατά την χρήση της εφαρμογής, προσαρμόζεται στις ατομικές ανάγκες, ικανότητες και νοητικά μοντέλα του χρήστη ώστε να παρέχει τη κατάλληλη βοήθεια για την εκτέλεση των λειτουργιών όσο το δυνατόν πιο αποτελεσματικά και, με ευχάριστο ή διασκεδαστικό τρόπο.