EvAlignUX：通过 LLM 支持的指标探索推动 UX 评估
人机交互
2025-07-09 v2
摘要
在 AI 的复杂性、不可预测性和生成性背景下，评估用户体验 (UX) 提出了独特挑战。我们如何支持 HCI 研究者创建全面的 UX 评估计划？本文介绍了 EvAlignUX，一个由大语言模型 (LLM) 支持、基于科学文献，旨在帮助 HCI 研究者探索评估指标及其与研究结果之间的关系的系统。19 名 HCI 学者的用户研究显示，EvAlignUX 改善了 UX 评估计划的感知质量和信心，同时促使人们更深入地考虑研究影响和风险。该系统增强了参与者的思维过程，导致创建了一套“UX Question Bank”，以指导 UX 评估的开发。研究发现还表明，研究者的背景会影响他们对 AI 依赖的灵感和担忧，指向未来关于 AI 在促进批判性思维方面的研究。在经验塑造影响力的世界中，我们讨论了从“方法导向”转向“思维导向” UX 评估的重要性，这是实现有意义且持久设计评估的关键。
引用
@article{arxiv.2409.15471,
title = {EvAlignUX: Advancing UX Evaluation through LLM-Supported Metrics Exploration},
author = {Qingxiao Zheng and Minrui Chen and Pranav Sharma and Yiliu Tang and Mehul Oswal and Yiren Liu and Yun Huang},
journal= {arXiv preprint arXiv:2409.15471},
year = {2025}
}