Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 5 of 53
Back to Result List

Designing for Confidence A concept for elevating the user’s confidence during a statistical study with artificial intelligence

  • The capabilities of Artificial Intelligence (AI) are utilized increasingly in today‘s world. The autonomous and adaptive characteristics allow applications to be more effective and efficient. A certain subfield of Artificial Intelligence, Machine Learning, is enabling services to be tailored to a user‘s specific needs. This could prove to be useful in an information-heavy field such as Statistics. As design research from SPSS Statistics, a legacy statistical application, has indicated, statistics beginners struggle to tackle the challenge of preparing a statistical research study. They turn to several sources of information in an attempt to find help and answers but are not always successful. This leads to them being unconfident before they have even started to execute the statistical study. The adaptive features of Artificial Intelligence could help support students in this case, if designed according to established principles. This thesis investigated the question whether an AI-powered solution could elevate the users‘ confidence in statistical research studies. In order to find the answer, a prototype with exemplary User Experience was designed and implemented. Preceding research determined the domain and market offer. User research was conducted to ensure a human-centered outcome. The prototype was evaluated with real test users and the results answered the question in the affirmative.
  • Die Fähigkeiten der künstlichen Intelligenz (KI) werden in der heutigen Zeit zunehmend genutzt. Die autonomen und anpassungsfähigen Eigenschaften erlauben es, Anwendungen effektiver und effizienter zu gestalten. Ein bestimmtes Teilgebiet der Künstlichen Intelligenz, das maschinelle Lernen, ermöglicht es, Dienstleistungen auf die spezifischen Bedürfnisse eines Benutzers zuzuschneiden. Dies könnte sich in einem informationsintensiven Bereich wie der Statistik als nützlich erweisen. Wie die Designforschung von SPSS Statistics, einer statistischen Anwendung, gezeigt hat, haben Statistikanfänger Schwierigkeiten mit der Vorbereitung einer statistischen Forschungsstudie. Sie wenden sich an mehrere Informationsquellen, um Hilfe und Antworten zu finden, aber sind nicht immer erfolgreich. Dies führt dazu, dass sie unzuversichtlich sind, bevor sie überhaupt mit der Durchführung der statistischen Studie begonnen haben. Die adaptiven Eigenschaften der künstlichen Intelligenz könnten in diesem Fall helfen, die Studenten zu unterstützen, wenn sie nach etablierten Prinzipien gestaltet werden. In dieser Arbeit wurde der Frage nachgegangen, ob eine KI-gestützte Lösung das Selbstbewusstsein der Nutzer vor und während statistischen Forschungsstudien erhöhen kann. Um die Antwort zu finden, wurde ein Prototyp mit vorbildhagter User Experience entworfen und implementiert. Die vorangegangene Forschung bestimmte die Domäne und das Marktangebot. Nutzerforschung wurde durchgeführt, um ein auf den Menschen zentriertes Ergebnis sicherzustellen. Der Prototyp wurde mit echten Testnutzern evaluiert, und die Ergebnisse haben die Frage bejaht.

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Stephanie Vo
URN:urn:nbn:de:bsz:900-opus4-65881
Referee:Dimitri Hoffmann
Advisor:Sabiha Ghellal
Document Type:Bachelor Thesis
Language:English
Year of Completion:2020
Granting Institution:Hochschule der Medien, FB 1: Druck und Medien
Date of final exam:2020/05/11
Contributing Corporation:IBM Design
Release Date:2020/11/27
Tag:Experience Design; HCD Human-Centered Design; Interaction Design
GND Keyword:Artificial Intelligence; Maschinelles Lernen; Gamification; Data Science
Page Number:80
Institutes:FB 1: Druck und Medien
Licence (German):License LogoCreative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International