모바일 애플리케이션에서 사용자의 탭 가능성(Tappability)에 대한 인지와 디자이너의 의도가 불일치할 경우, 사용자가 예상치 못한 요소를 탭하거나 탭에 반응이 없는 현상을 유발할 수 있으며, 이는 사용자 경험의 저하로 나타나게 된다. 이러한 불일치를 탐지하기 위해 기존 연구들은 주로 시각적 특징을 활용하여 탭 가능성을 예측했지만, 이러한 접근방식은 디자인이 완성된 시점에만 적용 가능하다는 한계가 있다. 본 연구는 이러한 문제를 해결하기 위해, 레이아웃 특징만을 활용하는 머신러닝 기반 탭 가능성 예측 기법을 제안한다. 우리는 요소의 위치, 크기 및 주변 요소와의 간격 등, 레이아웃 파일에서 추출 가능한 특징을 정의하고 이를 Support Vector Machine (SVM) 모델을 활용하여 학습시켰다. 공개된 기존 연구의 데이터셋을 동일한 구성으로 활용한 실험 결과, 제안 모델은 F1 score 0.772를 달성하며 레이아웃 정보만으로도 경쟁력 있는 수준의 예측 성능을 보였다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Ayoung Choi
University of Wisconsin–Madison
Jongwook Jeong
Konkuk University
Journal of KIISE
Building similarity graph...
Analyzing shared references across papers
Loading...
Choi et al. (Tue,) studied this question.
synapsesocial.com/papers/69c4cc75fdc3bde448917c87 — DOI: https://doi.org/10.5626/jok.2026.53.3.248