Creating user stereotypes for persona development from qualitative data through semi-automatic subspace clustering

要約

ペルソナは、動機、願望、目的を組み込んだユーザーのモデルです。
これらのモデルは、より良いユーザー エクスペリエンスを設計するのに役立つユーザー中心のデザインで採用されており、最近では、パーソナライズされたユーザー エクスペリエンスを調整するのに役立つ適応型システムでも採用されています。
ペルソナを使用したデザインには、架空のユーザーの説明の作成が含まれますが、これは多くの場合、実際のユーザーからのデータに基づいています。
現在行われているデータドリブンのペルソナ開発の大部分は、限られたインタビュー対象者からの定性データに基づいており、労働集約的な手動手法を使用してペルソナに変換されます。
この研究では、ユーザーのステレオタイプのモデリングを使用してペルソナ作成プロセスの一部を自動化し、既存の半自動化されたペルソナ開発方法の欠点に対処する方法を提案します。
この方法の説明には、手動手法および半自動化された代替手法 (多重対応分析) との経験的比較が付いています。
比較の結果、人間のペルソナ設計者間で手作業のテクニックが異なり、結果が異なることがわかりました。
提案されたアルゴリズムは、パラメーター入力に基づいて同様の結果を提供しますが、より厳密で、データセット内のクラスターの検索に関連する労力を軽減しながら、最適なクラスターを見つけます。
このメソッドの出力は、多重対応分析によって特定されたデータセット内の最大の分散も表します。

要約(オリジナル)

Personas are models of users that incorporate motivations, wishes, and objectives; These models are employed in user-centred design to help design better user experiences and have recently been employed in adaptive systems to help tailor the personalized user experience. Designing with personas involves the production of descriptions of fictitious users, which are often based on data from real users. The majority of data-driven persona development performed today is based on qualitative data from a limited set of interviewees and transformed into personas using labour-intensive manual techniques. In this study, we propose a method that employs the modelling of user stereotypes to automate part of the persona creation process and addresses the drawbacks of the existing semi-automated methods for persona development. The description of the method is accompanied by an empirical comparison with a manual technique and a semi-automated alternative (multiple correspondence analysis). The results of the comparison show that manual techniques differ between human persona designers leading to different results. The proposed algorithm provides similar results based on parameter input, but was more rigorous and will find optimal clusters, while lowering the labour associated with finding the clusters in the dataset. The output of the method also represents the largest variances in the dataset identified by the multiple correspondence analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google