Analysis in User Experience of Personal Mobility using Text-mining method

Q: 이 논문에서 정의한 사용자 경험이란 무엇인가?

사용자 경험은 제품이나 서비스를 사용하는 과정에서 사용자가 느끼는 총체적인 감정, 태도, 행동을 의미한다. 본 연구에서는 퍼스널 모빌리티 제품에 대한 온라인 리뷰를 분석하여 사용자들이 제품의 구성 요소, 기능, 성능, 그리고 사용 맥락에 대해 어떻게 인지하고 평가하는지를 파악하는 데 중점을 둔다.

Q: 텍스트 마이닝을 활용한 사용자 경험 분석의 주요 발견점은 무엇인가?

연구 결과, 사용자들은 퍼스널 모빌리티 제품에 대해 특정 부품의 구성 요소, 기능, 성능 및 사용 맥락에 집중하는 경향이 있다는 것을 발견했다. 이는 제품을 더욱 사용자 중심적이고 가치 있게 만드는 데 중요한 고려 사항이 되며, 제품 설계 및 개선에 핵심적인 정보를 제공한다.

Seijun Chung; Donggun Park; Kyung-Jun Lee; Gee Won Shin; Myung Hwan Yun

추천

검색

질문

자료유형: 학술대회자료

저자정보: Seijun Chung (서울대학교) Donggun Park (서울대학교) Kyung-Jun Lee (서울대학교) Gee Won Shin (서울대학교) Myung Hwan Yun (서울대학교)

저널정보: 대한인간공학회 대한인간공학회 학술대회논문집 2019 대한인간공학회 춘계학술대회

발행연도: 2019.5

수록면: 171 - 171 (1page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Objective: The aim of this study is to investigate key factors influencing on individual’s using Personal Mobility and main context of use, for the purpose of enhancing its usability and safety. Background: Personal Mobility has been widely recommended and selected as a mean of transportation not only for its convenience and portability, but also its eco-friendly aspects. However, there have been several issues safety and ‘Ease of Use’ of the personal mobility, it is encouraged to study the attributing factors of Personal Mobility through User Experience evaluation. Method: Online review crawling has been conducted for 6 representative types of personal mobility products on sales at Amazon.com. More than 8,689 reviews are crawled, as of January 2014, every single review consists of review date, author ID, reviewer’s score(stars), and review context. In analysis, at first, principal and keywords have been selected through drawing sub-structural features via Topic Modeling based on LDA algorithm. And then, for investigating user’s satisfaction and sentiment (positive or critical) against the products, the review contexts are classified by reviewer’s score and Word2Vec imbedding and several of clustering methods are applied. In addition, Bi-gram net ... 전체 초록 보기

#온라인 리뷰 #오피니언 마이닝 #텍스트 마이닝 #사용자 경험 #사용자 경험 평가 #online review #Text-mining #LDA #topic modeling #Bi-gram network #user experience #user experience evaluation

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)