aiedtechuxlearning designassessment

PerceptUI：以大型語言模型代理作為符合人類特質的合成用戶進行 UI/UX 評估

arXiv - Artificial IntelligenceNicolas Bougie, Xiaotong Ye, Gian Maria Marconi, Narimasa Watanabe

提出 PerceptUI 框架，利用多階段訓練的 LLM 代理模擬特定用戶角色，進行高擬真度的 UI/UX 評估。

AI 幫你先抓重點

AI 重點 1

從「通用評估者」轉向「角色條件化評估者」的範式轉移

滑鼠懸停看 AI 判斷理由
過去的 AI 評估往往反映模型本身的偏見，而 PerceptUI 強調模擬「特定用戶」的反應，這對於理解不同背景學習者對數位學習工具的差異化需求至關重要。
AI 重點 2

利用自我錯誤軌跡進行模型演化

滑鼠懸停看 AI 判斷理由
這種透過模型自身失敗案例進行反思與迭代的方法，展示了如何利用生成式 AI 的自我修正能力來提升評估的精準度與可靠性。

核心研究發現

  1. 1

    PerceptUI 透過對比反射微調與自我反思提示演化兩階段訓練，能有效克服現有模型僅能提供表面評論或受自身偏見影響的問題。

  2. 2

    該框架展現出人類水準的擬真度，能夠針對未見過的題目與用戶角色進行泛化，並能產出符合人口統計分布的反應結果。

  3. 3

    模型不僅能預測特定用戶對介面問題的回答，還能生成具備自然語言邏輯的解釋性理由（rationales）。

對教育工作者的啟發

對於開發教育軟體（如 LMS 或互動式學習 App）的團隊，PerceptUI 提供了一種低成本的早期測試方案。設計者可以在產品開發初期，利用模擬不同學習特質（如不同數位素養、不同認知風格）的合成用戶進行 UI/UX 測試，預測學習者在操作介面時可能遇到的障礙。這能幫助設計者在投入大量人力進行真人測試前，先優化介面的易用性，確保數位學習工具能更符合目標學習者的認知需求與操作習慣。

原始文獻資訊

英文標題：
PerceptUI: LLM Agents as Human-Aligned Synthetic Users for UI/UX Evaluation
作者：
Nicolas Bougie, Xiaotong Ye, Gian Maria Marconi, Narimasa Watanabe
來源：
arXiv - Artificial Intelligence
AI 摘要模型：
/models/gemma-4-26B-A4B-it
閱讀原文

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。