UX 文本措辞：通过计算语言学和创意分析提升信息参与度
计算与语言
2024-09-04 v1 人工智能
人机交互
摘要
本研究探讨了文本特征与数字平台上信息参与度（IE）之间的关系。它强调了计算语言学和分析对用户交互的影响。介绍了 READ 模型，用于量化关键预测器，如代表性、易用性、情感和分布，这些预测器预测参与度水平。通过 AB 测试和随机试验验证了该模型的有效性，显示在参与度（准确率：0.94）、感知（准确率：0.85）、坚持（准确率：0.81）和整体 IE（准确率：0.97）方面表现出色。虽然参与度指标很强，但感知和坚持的召回率和 F1 分数稍低，表明存在一些挑战。该研究表明，根据 READ 模型的见解修改文本会导致显著的改进。例如，增加代表性和积极情感可将选择率提高 11 个百分点，将评估平均值从 3.98 提升到 4.46，并将保留率提高 11 个百分点。这些发现突显了语言因素在 IE 中的重要性，为增强数字文本参与度提供了框架。该研究为教育、健康和媒体等领域的实用策略提供了指导。
引用
@article{arxiv.2409.00064,
title = {Phrasing for UX: Enhancing Information Engagement through Computational Linguistics and Creative Analytics},
author = {Nimrod Dvir},
journal= {arXiv preprint arXiv:2409.00064},
year = {2024}
}