| Abstract: | The evaluation of Human-Computer Interaction (HCI) systems has traditionally relied
on user feedback and heuristic methods. However, recent advancements in Artificial Intelligence
(AI) offer promising new approaches to enhance these evaluations. This master
thesis investigates the integration of AI technologies in HCI system evaluation, focusing
on how AI can improve the accuracy, depth, and efficiency of user experience (UX)
assessments.
Through a comprehensive review of current advancements, this study explores various
AI-driven techniques, such as machine learning, XAI, and their potential to complement
traditional evaluation methods. These AI tools can provide more comprehensive insights
into user interactions and system performance, leading to more informed design and development
decisions.
In conclusion, while AI introduces valuable opportunities for enhancing HCI evaluations,
its integration should be managed carefully to ensure it works alongside traditional
methods, rather than replacing them. This study offers key insights into the current state
of AI in HCI evaluations and outlines future research directions to further develop this
intersection. ***
L’évaluation des systèmes d’interaction homme-machine (IHM) s’est traditionnellement
appuyée sur les retours des utilisateurs et des méthodes heuristiques. Cependant,
les récents progrès de l’intelligence artificielle (IA) offrent de nouvelles approches prometteuses
pour améliorer ces évaluations. Ce mémoire de master étudie l’intégration des
technologies de l’IA dans l’évaluation des systèmes IHM, en se concentrant sur la manière
dont l’IA peut améliorer la précision, la profondeur et l’efficacité des évaluations de l’expérience
utilisateur (UX).
À travers un examen complet des avancées actuelles, cette étude explore diverses
techniques basées sur l’IA, telles que l’apprentissage automatique, l’IA explicable (XAI),
et leur potentiel à compléter les méthodes d’évaluation traditionnelles. Ces outils d’IA
peuvent fournir des informations plus complètes sur les interactions des utilisateurs et les
performances des systèmes, conduisant à des décisions de conception et de développement
mieux informées.
En conclusion, bien que l’IA introduise des opportunités précieuses pour améliorer
les évaluations des systèmes IHM, son intégration doit être soigneusement gérée pour
s’assurer qu’elle fonctionne en complément des méthodes traditionnelles, plutôt qu’en les
remplaçant. Cette étude apporte des perspectives clés sur l’état actuel de l’IA dans les
évaluations IHM et propose des directions de recherche futures pour approfondir cette
intersection. |
