• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2021 Fiscal Year Research-status Report

人工知能を用いたユーザ体験のモデル化と総合評価推定

Research Project

Project/Area Number 20K12511
Research InstitutionTokyo Metropolitan University

Principal Investigator

西内 信之  東京都立大学, システムデザイン研究科, 教授 (70301588)

Project Period (FY) 2020-04-01 – 2023-03-31
Keywordsユーザ体験 / 人工知能 / 機械学習 / UXカーブ / 顔表情
Outline of Annual Research Achievements

本研究の目的は、時系列の主観評価スコアとしてUXカーブに着目し、UXカーブのデータを用いて、ユーザ体験のモデル化と総合評価の推定を人工知能により試みることである。更に、UXカーブの代わりに、ユーザ体験と強い相関があるとされる生体情報の1つである顔表情に着目し、時系列の顔表情スコアから、ユーザ体験のモデル化と総合評価の推定が可能であるかを検証する。以上の目的を果たすために、本研究の研究実施計画として以下の目標AおよびBを設定した。目標Aでは、人工知能を用いて、時系列の主観評価スコア(UXカーブ)から、ユーザ体験をモデル化し、総合評価スコアを推定することが可能であるかを検証することとした。条件として、ユーザ体験の順番はユーザによって異なっている状況を対象とした。目標Bでは、人工知能を用いて、時系列の生体情報(顔表情)から、ユーザ体験をモデル化し、総合評価スコアを推定することが可能であるかを検証することとした。条件として、ユーザ体験の各ステップは、全てのユーザが全てのステップを体験しており、その順番は全てのユーザで同じである状況を対象とした。
以上の目標を遂行するための具体的な年間計画としては、2021年度前期に、目標Aに関するデータの収集、人工知能を用いた総合評価スコアの推定、2021年度後期に目標Aの人工知能を用いた総合評価スコアの推定の継続、および目標Bの実験計画を予定していた。2021年度の進捗状況としては、年間計画の内容は全て予定通り遂行した。更に、目標Bについては、実験でのデータ収集、人工知能による解析までを実施することができた。以上の2021年度に実施した研究内容に関連する内容にて、2件の国内学会発表、1件の国際会議発表、1件の国際ジャーナル投稿(掲載決定)を行った。

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

2021年度の年間計画として、前期は、目標Aに関するデータの収集、人工知能を用いた総合評価スコアの推定、後期は、目標Aの人工知能を用いた総合評価スコアの推定の継続、および目標Bの実験計画を予定していた。本年度の進捗状況としては、年間計画の内容は全て予定通り遂行した。
目標Aに関するデータの収集においては、ある旅行会社を想定したWebサイトを作成し、3つのタスクの順番を実験参加者ごとにランダム(6条件)となるようにし、各条件10名(合計60名)のデータを収集した。これらのデータを用いて、人工知能による総合評価スコアの推定を試みた。ここでは、体験の順序をあえて考慮しないデータセット(全ての実験参加者のデータをタスク実施の順番に関係なく同じ順番に並べ替えたもの)と、体験の順序を考慮したデータ(タスク実施の順番の通り6条件で並べたもの)を作成し、総合評価スコアの推定を試みたところ、前者は80%、後者は85%の推定精度となり、体験順序を考慮したデータセットを利用することで、総合評価スコアの推定精度が向上することが示唆された。
目標Bについては、2021年度年間計画の実験計画に加え、データの収集、人工知能によるデータ解析までを実施することができた。実験タスクは、コメディとホラーの映像視聴とし、その時の顔表情データを取得した。また、年間計画では、顔表情の時系列変化より総合評価スコアを推定するとしていたが、時系列の主観評価スコアであるUXカーブ、すなわち、リアルタイムの満足度推定を試みた。リアルタイムの満足度の取得については、マウスの動きだけで入力が可能な入力システムを作成した。結果として、コメディ映像での推定精度は77.5%、ホラー映像での推定精度は70.9%となり、提案手法の有効性が示唆された。

Strategy for Future Research Activity

2022年度の年間計画では、前期に、目標Bの実験データの収集、人工知能によるデータ解析、後期に、目標Bの人工知能によるデータ解析の継続を行う予定としていた。
目標Aについては、年間計画のとおり、2021年度の段階で基本的な解析を終了することはできたが、精度向上に向けた改善の余地があると考えられた。2020年度において検討を行った、オーバーサンプリングの手法の適用、様々な機械学習アルゴリズムによる検証など、推定精度向上のための工夫を実施し、更なる推定精度の向上を試みる予定である。
目標Bについては、2022年度に予定していた実験データの収集と人工知能によるデータ解析を、既に2021年度の段階でおおむね終了することができたが、推定対象を、総合的スコアではなく、時系列の主観評価スコアであるUXカーブ(リアルタイムの満足度)としていたため、当初の年間計画通り総合的スコアの推定についても検証を行う予定である。また、目標Bにおいては、機械学習モデルの作成において、映像視聴時の顔表情が抽出できない実験参加者が確認されたため、可能な範囲で問題の検証を行う。更に、目標Bについても目標Aと同様に、推定精度向上においては、改善の余地があると考えられるため、様々な手法の適用を試みる予定である。

  • Research Products

    (4 results)

All 2021

All Journal Article (1 results) (of which Peer Reviewed: 1 results,  Open Access: 1 results) Presentation (3 results) (of which Int'l Joint Research: 1 results)

  • [Journal Article] Predicting Final User Satisfaction Using Momentary UX Data and Machine Learning Techniques2021

    • Author(s)
      Koonsanit Kitti、Nishiuchi Nobuyuki
    • Journal Title

      Journal of Theoretical and Applied Electronic Commerce Research

      Volume: 16 Pages: 3136~3156

    • DOI

      10.3390/jtaer16070171

    • Peer Reviewed / Open Access
  • [Presentation] Evaluation of Strong and Weak Signifiers in a Web Interface Using Eye-Tracking Heatmaps and Machine Learning2021

    • Author(s)
      Kitti Koonsanit, Taisei Tsunajima, Nobuyuki Nishiuchi
    • Organizer
      International Conference on Computer Information Systems and Industrial Management
    • Int'l Joint Research
  • [Presentation] 機械学習を用いた予期的UX データによる購 買意思の推定2021

    • Author(s)
      小口開斗, 西内信之
    • Organizer
      日本人間工学会アーゴデザイン部会コンセプト事例発表会
  • [Presentation] 体験順序の異なる一時的UXデータを用いた総合的満足度推定の提案2021

    • Author(s)
      晝間大輝, Kitti Koonsanit, 西内信之
    • Organizer
      日本人間工学会関東支部第51回大会

URL: 

Published: 2022-12-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi