ArguLens: 使用论证模型分析社区对可用性问题的意见
作者
生成式AI(文本、图像、音乐、视频)众包任务设计与质量控制用户研究方法(访谈、调查、观察)大学教授与研究人员软件工程师与开发者HCI 研究员
在开源软件(OSS)中,可用性的设计通常受到社区成员在问题跟踪系统(ITS)等平台上讨论的影响。然而,由于评论数量庞大且多样,消化嵌入在问题讨论中的丰富信息可能是一项重大挑战。我们提出并评估了ArguLens,这是一种概念框架和自动化技术,利用论证模型支持在ITS中有效理解和整合社区意见。通过内容分析,我们将一个大型活跃OSS项目中高度讨论的可用性问题解剖为其论证组件和立场。然后,我们使用监督机器学习技术进行自动论证提取的实验。最后,通过一项针对经验丰富的ITS用户的研究,我们展示了ArguLens提供的信息支持消化与可用性相关的意见,并促进了对冗长问题的审查。ArguLens为设计有价值的工具,用于高级推理和关于可用性的有效讨论提供了方向。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376218
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、众包任务设计与质量控制、用户研究方法(访谈、调查、观察)
work
职业/产业
大学教授与研究人员、软件工程师与开发者、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文