Nome do Projeto
Explorando o Aprendizado de Máquina Centrado no Homem (HCML) a partir de uma perspectiva da IHC: desafios para os UX Designers no uso do aprendizado de máquina como componente de design
Ênfase
Pesquisa
Data inicial - Data final
02/03/2020 - 23/12/2021
Unidade de Origem
Coordenador Atual
Área CNPq
Ciências Sociais Aplicadas
Resumo
O Machine Learning (ML) recebeu recentemente uma importância proeminente no desenvolvimento de produtos digitais - de sistemas de recomendação personalizados a agentes de conversação - na tentativa de melhorar a experiência do usuário. Embora a ML tenha sido associada à ideia de máquinas que aprendem por si mesmas, existem alguns desafios de pesquisa sobre como as pessoas interagem com a ML, como melhorar esse relacionamento e de que maneira o designer pode projetar essas experiências, fazendo parte de um conceito abrangente. como Aprendizado de Máquina Centrado no Homem (HCML).
Do ponto de vista do usuário, existe um problema comum no ML em que os algoritmos usados são considerados um tipo de sistema de “caixa preta”, onde eles entendem que suas ações funcionam como uma entrada para o sistema (por exemplo, assista a um filme em um gênero específico no Netflix), mas a saída do sistema pode não ser eficaz para produzir a saída desejada. Do ponto de vista do designer, percebe-se que UX designers possuem dificuldades para entender os recursos e as limitações do ML, além de não terem o conjunto de habilidades técnicas para desenvolver sistemas de ML como desenvolvedores. Por outro lado, os desenvolvedores em geral têm se concentrado no desenvolvimento de estratégias para aprimorar os algoritmos de ML (por exemplo, treinando classificadores), ao invés de desenvolver soluções para contextos do mundo real.
Esta pesquisa será desenvolvida de maneira conjunta, tendo como líderes o prof. PhD Tobias Mulling (UFPel) e prof. PhD Marcus Winter(University of Brighton/UK), permitindo a internacionalização da pesquisa no âmbito do design na UFPel.
Objetivo Geral
Compreender como designers podem projetar sistemas de aprendizado de máquina (ML) de modo a oferecer uma personalização dos mesmos para usuários finais, envolvendo o projeto, avaliação e geração de recomendações de design para futuras aplicações utilizando o ML.
Justificativa
O Machine Learning (ML) permeia diversos aspectos de nossas vidas, recomendando livros para ler e filmes para assistir, tomar decisões sobre empréstimos, combinar datas românticas e controlar carros e eletrodomésticos. A interação com o ML nesses sistemas é tipicamente implícita, indireta, muitas vezes desconhecida. Por outro lado, a interação explícita com o ML normalmente se limita a especialistas - principalmente devido à complexidade de projeto e treinamento de sistemas de ML e seus requisitos relacionados a poder computacional. Os desenvolvimentos recentes no ML estão promovendo modelos de ML pré-treinados e estruturas para executá-los em hardware de maneira disponível a um usuário comum. Esta mudança permite uma nova abordagem para o desenvolvimento de aplicativos utilizando o ML, onde os usuários finais treinam, personalizam e utilizam modelos para seu contexto, necessidades e propósitos específicos.
Esta pesquisa ajuda a tornar essa nova classe de aplicativos de ML mais relevante, utilizável e significativa para os usuários, investigando o que eles precisam saber e como eles podem ser suportados para interagir efetivamente com esses aplicativos. Buscando alta validade ecológica, a pesquisa explora esses aspectos por meio de pesquisas com usuários e experimentação ativa em contextos do mundo real.
Esta pesquisa ajuda a tornar essa nova classe de aplicativos de ML mais relevante, utilizável e significativa para os usuários, investigando o que eles precisam saber e como eles podem ser suportados para interagir efetivamente com esses aplicativos. Buscando alta validade ecológica, a pesquisa explora esses aspectos por meio de pesquisas com usuários e experimentação ativa em contextos do mundo real.
Metodologia
Esta proposta de pesquisa explora questões emergentes no Aprendizado de Máquina Centrado no Homem (HCML), concentrando-se especialmente em aplicativos de ML que se relacionam diretamente com os usuários comuns, abordando questões como:
- Como a prática de UX Design deve utilizar e instanciar o ML em seus projetos?
- Como os UX designers podem usar propositalmente o ML e inseri-lo em contextos do mundo real?
- Quais desafios relacionados a interação humano-computador (IHC) surgem ao usar o ML como material de design? Como eles podem ser abordados?
O projeto explorará esses aspectos por meio de pesquisa com usuários, desenvolvimento de protótipos e avaliações empíricas. Seu objetivo é contribuir para a pesquisa de HCI e ML, (i) gerando novos conhecimentos sobre os modelos e preferências mentais dos usuários ao interagir com aplicativos de ML, (ii) formulando recomendações de design que abordem desafios específicos de ML em HCI e (iii) desenvolvendo novos recursos e ferramentas que permitam que os UX designers se envolvam mais efetivamente com o ML como material de design. A metodologia pode seguir uma abordagem semelhante de Moussete & Banks (2011), transferindo o conhecimento por meio de oficinas com designers e pesquisadores de UX, onde eles juntos podem construir diferentes protótipos para experimentar uma variedade de possíveis soluções de HCML, onde o conhecimento adquirido neste processo passa a ser a contribuição desta pesquisa.
- Como a prática de UX Design deve utilizar e instanciar o ML em seus projetos?
- Como os UX designers podem usar propositalmente o ML e inseri-lo em contextos do mundo real?
- Quais desafios relacionados a interação humano-computador (IHC) surgem ao usar o ML como material de design? Como eles podem ser abordados?
O projeto explorará esses aspectos por meio de pesquisa com usuários, desenvolvimento de protótipos e avaliações empíricas. Seu objetivo é contribuir para a pesquisa de HCI e ML, (i) gerando novos conhecimentos sobre os modelos e preferências mentais dos usuários ao interagir com aplicativos de ML, (ii) formulando recomendações de design que abordem desafios específicos de ML em HCI e (iii) desenvolvendo novos recursos e ferramentas que permitam que os UX designers se envolvam mais efetivamente com o ML como material de design. A metodologia pode seguir uma abordagem semelhante de Moussete & Banks (2011), transferindo o conhecimento por meio de oficinas com designers e pesquisadores de UX, onde eles juntos podem construir diferentes protótipos para experimentar uma variedade de possíveis soluções de HCML, onde o conhecimento adquirido neste processo passa a ser a contribuição desta pesquisa.
Indicadores, Metas e Resultados
A pesquisa pode beneficiar inicialmente estudantes de design que participarão dos workshops, dotando-os de conhecimentos e técnicas sobre aprendizado de máquina. Outro benefício potencial é para a comunidade que mora na área da universidade: os protótipos que serão desenvolvidos usarão como "tema" problemas potenciais identificados nos serviços públicos, como controle de tráfego, gestão de saúde, assistência social, entre outros, tentando promover uma melhoria no bem-estar social da comunidade.
Outro potencial resultado é que ambos os parceiros têm um forte interesse em HCI e ML, mas abordam o problema de perspectivas diferentes e complementares. Enquanto Mulling (Brasil) se envolve com a HCI principalmente da perspectiva do design, Winter (Reino Unido) se envolve com a HCI principalmente da perspectiva da computação. Portanto, a colaboração permitirá uma transferência de conhecimento, onde Mulling (Brasil) fornecerá informações relacionadas ao design de interface e identificação de requisitos enquanto Winter (UK) proverá conhecimento técnico sobre aplicações utilizando HCML.
Outro potencial resultado é que ambos os parceiros têm um forte interesse em HCI e ML, mas abordam o problema de perspectivas diferentes e complementares. Enquanto Mulling (Brasil) se envolve com a HCI principalmente da perspectiva do design, Winter (Reino Unido) se envolve com a HCI principalmente da perspectiva da computação. Portanto, a colaboração permitirá uma transferência de conhecimento, onde Mulling (Brasil) fornecerá informações relacionadas ao design de interface e identificação de requisitos enquanto Winter (UK) proverá conhecimento técnico sobre aplicações utilizando HCML.
Equipe do Projeto
| Nome | CH Semanal | Data inicial | Data final |
|---|---|---|---|
| ALEXANDRE MACHADO THOMAZELLI | |||
| CASSIA MARIGLIANO | |||
| Cilene Estol Cardoso | 3 | ||
| PAULO RICARDO QUEVEDO GARCIA | |||
| TOBIAS TESSMANN MULLING | 8 |