結合生成式 AI 與使用者體驗研究，提升行動學習系統的認知無障礙設計
arXiv - Human-Computer InteractionFatima Ahmad Muazu, Festus Adedoyin, Huseyin Dogan, Abiodun Adedeji, Melike Akca, Olumuyiwa Ayorinde
本研究提出一套結合 LLM 與 UXR 框架的方法論，透過結構化需求來改善認知障礙者的行動學習體驗。
AI 幫你先抓重點
AI 重點 1
從「介面設計」轉向「需求定義」的思維轉變
滑鼠懸停看 AI 判斷理由
多數開發者習慣在產品完成後才修補 UI，但本研究指出問題核心在於前期的需求定義。這提醒 EdTech 開發者，若要服務特殊學習需求，必須在系統架構階段就將認知無障礙原則納入可量化的需求中。
AI 重點 2
LLM 在使用者體驗研究（UXR）中的協作角色
滑鼠懸停看 AI 判斷理由
AI 不僅是生成內容的工具，更能在複雜的質性數據中扮演「分析助手」。透過 LLM 進行主題聚類與需求精煉，能縮短從使用者觀察到技術規格之間的距離，提升跨領域團隊的溝通效率。
核心研究發現
- 1
研究發現行動學習中的易用性與參與度挑戰，往往源於需求定義模糊或不夠明確，而非單純的介面設計問題。
- 2
開發出一套包含九張「認知無障礙 UXR 遊戲卡」的工具包，用於整合心理學、行為學與設計層面的洞察。
- 3
透過 LLM 輔助主題聚類、需求精煉與假設構建，能有效提升跨學科溝通中觀點（PoV）的表達品質。
- 4
利用 DeLone 與 McLean 資訊系統成功模型及品質機能展開（QFD）進行結構化驗證，確保需求具備技術可追蹤性。
對教育工作者的啟發
對於開發特殊教育科技產品的設計者，建議不要僅專注於視覺介面的簡化，而應建立一套「可追蹤的需求清單」。首先，應將心理學與行為學特徵轉化為具體的技術規格；其次，可利用生成式 AI 輔助處理使用者訪談資料，從中提取關於認知負載的關鍵主題；最後，透過結構化的工具（如 Play Cards）確保設計團隊、工程師與教育專家之間對「無障礙」有統一且可量化的理解，避免因需求模糊導致產品失效。
原始文獻資訊
- 英文標題：
- Developing a UXR Point of View for Cognitive Accessibility in Mobile Learning with Generative AI
- 作者：
- Fatima Ahmad Muazu, Festus Adedoyin, Huseyin Dogan, Abiodun Adedeji, Melike Akca, Olumuyiwa Ayorinde
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。