Sensors 22 05830 Compressed - En.id
Sensors 22 05830 Compressed - En.id
com
sensor
Artikel
Fakultas Teknik Elektro dan Ilmu Komputer, Universitas Maribor, 2000 Maribor, Slovenia
* Korespondensi: sasa.brdnik@um.si
Abstrak:Antarmuka pengguna cerdas (IUI) didorong oleh tujuan peningkatan interaksi manusia-komputer
(HCI), terutama meningkatkan pengalaman pengguna antarmuka pengguna (UX) atau kegunaan dengan
bantuan kecerdasan buatan. Tujuan utama dari penelitian ini adalah untuk menemukan, menilai, dan
mensintesis karya mutakhir yang ada di bidang IUI dengan fokus tambahan pada evaluasi IUI. Studi ini
menganalisis 211 studi yang diterbitkan di lapangan antara 2012 dan 2022. Studi paling sering dikaitkan dengan
domain HCI dan SE. Definisi IUI diamati, menunjukkan bahwa adaptasi, representasi, dan kecerdasan adalah
karakteristik utama yang terkait dengan IUI, sedangkan adaptasi, penalaran, dan representasi adalah kata kerja
yang paling umum digunakan dalam deskripsi mereka. Evaluasi IUI terutama dilakukan dengan eksperimen dan
kuesioner, meskipun kegunaan dan UX tidak dipertimbangkan bersama dalam evaluasi. Sebagian besar
evaluasi (81% studi) melaporkan peningkatan sebagian atau keseluruhan dalam kegunaan atau UX. Kekurangan
alat evaluasi, metode, dan metrik, yang disesuaikan untuk IUI, diperhatikan. Paling sering, metode
pengumpulan data empiris dan sumber data dalam studi evaluasi IUI adalah eksperimen, pengembangan
prototipe, dan kuesioner.
Kata kunci:antarmuka pengguna yang cerdas; UI; kegunaan; pengalaman pengguna; evaluasi
----
---
Kutipan:Brdnik, S.; Heričko, T.; 1. Perkenalan
umak, B. Antarmuka Pengguna
Selama beberapa dekade, industri film fiksi ilmiah telah menghasilkan banyak ide dan konsep
Cerdas dan Evaluasinya: Studi
antarmuka pengguna (UI) yang kompleks dan berbasis kecerdasan buatan (AI). Fiksi ilmiah menarik
Pemetaan Sistematis.Sensor2022,22,
karena dapat menunjukkan kepada kita apa yang mungkin ketika Anda tidak dibatasi oleh teknologi
5830. https://doi.org/10.3390/
dalam menemukan ide untuk antarmuka pengguna yang baru, kompleks, dan digerakkan oleh AI.
s22155830
Namun, kekuatan fiksi ilmiah bukanlah pada hiburan tetapi dalam menginspirasi orang dengan apa yang
Editor Akademik: Eui Chul Lee mungkin, apa yang ideal, dan apa yang menakjubkan [1]. Khusus untuk ilmu komputer dan AI, film fiksi
Diterima: 5 Juli 2022
ilmiah telah memberikan banyak ide untuk mengembangkan solusi antarmuka pengguna (IUI) yang
Diterima: 2 Agustus 2022 inovatif dan cerdas. Misalnya, HAL 9000, yang muncul dalam film tahun 1968 2001: A Space Odyssey,
Diterbitkan: 4 Agustus 2022 adalah komputer ALgoritmik yang diprogram secara Heuristik yang mampu mengontrol sistem pesawat
ruang angkasa Discovery One dan berinteraksi dengan awak kapal. Dalam adegan di mana Dave kembali
Catatan Penerbit:MDPI tetap netral
ke kapal setelah insiden yang disebabkan oleh HAL dengan kru, HAL berkata kepada Dave,“Dengar Dave,
sehubungan dengan klaim yurisdiksi
aku bisa melihatmu sangat marah tentang ini. Sejujurnya saya pikir Anda harus duduk dengan tenang,
dalam peta yang diterbitkan dan afiliasi
minum pil stres, dan memikirkan semuanya. Saya tahu saya telah membuat beberapa keputusan yang
institusional.
sangat buruk baru-baru ini, tetapi saya dapat memberi Anda jaminan penuh bahwa pekerjaan saya akan
Hak cipta:© 2022 oleh penulis.
kembali normal. Saya masih memiliki antusiasme dan keyakinan terbesar dalam misi. Dan aku ingin
Penerima Lisensi MDPI, Basel, Swiss. membantumu.”[2]. Dalam film fiksi ilmiah ini, HAL mampu mengenali Dave, menganalisis pidatonya, dan
Artikel ini adalah artikel akses terbuka mengenali emosinya. Kemampuan HAL, yang diperkenalkan dalam film, didasarkan pada ide-ide dari
yang didistribusikan di bawah syarat berbagai ilmuwan yang dihormati dan peneliti paling berpengaruh di bidang-bidang seperti ilmu
dan ketentuan lisensi Creative komputer, pengenalan ucapan, pemahaman bahasa, visi komputer, pengenalan emosi dari ekspresi
Commons Attribution (CC BY) (https:// wajah, AI, dll. [3]. Antara lain, HAL mungkin telah mengilhami dan mempengaruhi penelitian dalam
creativecommons.org/licenses/by/ dekade berikutnya dan membawa kemampuan mesin saat ini yang bahkan jauh lebih canggih daripada
4.0/). yang disajikan dalam film. Karena kemajuan signifikan dalam teknologi penginderaan dan AI, beberapa
dekade kemudian, kemampuan HAL bukan lagi fiksi ilmiah [4].
Dalam artikel ini, kami menyajikan gambaran umum bidang IUI dalam satu dekade
terakhir dalam bentuk studi pemetaan yang sistematis. Wawasan tambahan diberikan ke tren
saat ini dalam evaluasi antarmuka cerdas. Dalam penelitian terkait IUI yang ada, tinjauan
literatur sistematis dan studi pemetaan sistematis telah menyelidiki, misalnya, antarmuka
pengguna yang cerdas, peka konteks, dan multimodal [5], antarmuka pengguna adaptif [5-8],
interaksi manusia-komputer yang cerdas [9], dan antarmuka pengguna yang adaptif dan
dapat disesuaikan [8]. Karena fokus pekerjaan kami adalah pada solusi IUI, penelitian kami
dapat dianggap dekat dengan pekerjaan yang dilakukan oleh Volkel et al. [10]. Namun, meta-
analisis yang dilakukan oleh [10] dibatasi untuk penelitian yang diterbitkan dalam prosiding
konferensi Antarmuka Pengguna Cerdas Internasional ACM. Sepengetahuan kami, penelitian
ini adalah salah satu yang pertama memberikan tinjauan sistematis dan pemetaan penelitian
yang ada yang diterbitkan dalam dekade terakhir di bidang IUI, dengan fokus pada kegunaan
IUI dan metode evaluasi pengalaman pengguna (UX). Artikel ini dapat memungkinkan
peneliti IUI dan UX untuk mendapatkan wawasan yang lebih luas dan lebih dalam tentang
penelitian evaluasi kegunaan dan UX IUI dalam dekade terakhir dengan memfasilitasi peneliti
untuk memahami metode dan teknik baru yang digunakan dalam evaluasi IUI dan
menemukan arah penelitian di masa depan. Kontribusi utama dalam penelitian ini ada tiga: (i)
Menyajikan gambaran umum dari IUI yang diamati diajukan,
Sisa dari artikel ini disusun sebagai berikut. Bagian2memberikan gambaran singkat
tentang latar belakang dan pekerjaan terkait, dan Bagian3merinci struktur metodologi
studi pemetaan sistematis. Hasil disajikan di Bagian4dengan diskusi tambahan yang
disediakan di Bagian5. Kami menyimpulkan artikel dengan Bagian6, di mana
kesimpulan utama dirangkum dan arah masa depan disarankan.
Gagasan untuk memperkenalkan kecerdasan pada interaksi manusia-komputer (HCI) dan antarmuka
pengguna muncul beberapa dekade yang lalu dalam bentuk instruksi berbantuan komputer yang cerdas, yang
kemudian memperoleh pengikut dan aplikasi yang lebih luas sebagai IUI [11]. Bidang ini menghubungkan
berbagai disiplin ilmu, terutama AI, rekayasa perangkat lunak (SE), dan HCI, dengan AI yang berkontribusi pada
teknik simulasi dan prediksi untuk peningkatan komunikasi, dan HCI memberikan kontribusi wawasan tentang
pengguna, perilaku, dan kebutuhan mereka.
Meskipun pemahaman universal definisi IUI akan diharapkan dengan pertumbuhan diamati dalam jumlah
penelitian yang diterbitkan dalam dekade terakhir dan sejarah panjang lapangan, studi terbaru [10] malah
menunjukkan pemahaman yang beragam tentang istilah dan batasannya, yang menghasilkan penggunaan
yang tidak seragam. IUI adalah antarmuka manusia-mesin yang bertujuan untuk meningkatkan efisiensi,
efektivitas, dan kealamian HCI dengan merepresentasikan, menalar, dan bertindak berdasarkan model
pengguna, domain, tugas, wacana, dan media [11]. Dalam konteks adaptasi, ada beberapa jenis antarmuka
pengguna yang serupa.Antarmuka pengguna yang disesuaikan[12] adalah antarmuka pengguna yang
disesuaikan dengan pengguna akhir pada waktu desain, tanpa perubahan adaptasi yang terjadi pada waktu
proses.Antarmuka pengguna yang dapat disesuaikan[12] memungkinkan pengguna untuk memprovokasi
perubahan (yaitu, memicu adaptasi manual) pada karakteristik atau fungsi antarmuka pengguna. Sebaliknya,
antarmuka pengguna adaptif(AUI) mengubah karakteristiknya secara dinamis pada saat dijalankan dengan
perubahan yang dipicu oleh perilaku pengguna [12]. Mereka memantau pola perilaku pengguna dan membuat
serta memelihara profil pengguna, menggunakannya sebagai dasar untuk adaptasi dalam waktu [13]. Adaptasi
dapat dipicu untuk pengguna individu atau kelompok pengguna, mengadaptasi tata letak dan komponen
mereka sesuai dengan konteks pengguna [14]. Istilah antarmuka pengguna yang cerdas sering digunakan
bersama dengan berbagaimenyesuaikan*istilah, seperti yang dilaporkan oleh meta-studi yang dilakukan oleh
Volkel et al. [10], di mana penulis menegaskan bahwa studi mungkin menyebut entitas baik "cerdas" dan
"adaptif". Persetujuan itu bahkan dapat diamati dalam penggunaan istilahantarmuka pengguna cerdas adaptif[
15]. Meskipun istilah ini jarang digunakan, istilah ini menggambarkan antarmuka pengguna dengan mekanisme
adaptif cerdas yang mampu memantau perilaku pengguna dan mengadaptasi antarmuka pengguna yang
sesuai, di luar aturan yang telah ditentukan sebelumnya. Banyak antarmuka cerdas dapat
Sensor2022,22,
3 dari
digambarkan sebagai antarmuka adaptif, meskipun tidak semua antarmuka adaptif cerdas. IUI dapat dikaitkan
dengansistem cerdas, yaitu, sistem yang memberikan tanggapan pemecahan masalah yang tepat terhadap
masukan masalah, bahkan jika masukan tersebut baru dan tidak terduga. Oleh karena itu, perilaku mereka
dapat digambarkan sebagai “novel” atau “kreatif” [16]. Sistem cerdas tidak dapat diberi label sebagai IUI bahkan
jika mereka menggunakan antarmuka pengguna jika mereka hanya cerdas dari sudut pandang mesin tetapi
tidak dari sudut pandang pengguna atau HCI [17].
dll.),(3) algoritma pembelajaran semi-diawasi, yang berada di antara kategori pembelajaran terawasi
dan tidak terawasi yang menggunakan data tidak berlabel dan berlabel untuk tujuan pelatihan (misalnya,
algoritme yang menerapkan teknik pelatihan mandiri, algoritme pembelajaran semi-terawasi berbasis
grafik, seperti Graph Neural Networks, Graph Convolutional Networks, dll.), dan(4) algoritma
pembelajaran penguatanyaitu jenis metode pembelajaran yang memberikan penghargaan atau
hukuman berdasarkan pekerjaan yang dilakukan oleh sistem (misalnya, pembelajaran penguatan
berbasis model, pembelajaran penguatan bebas model, dll.).
Dalam dekade terakhir, beberapa studi sekunder yang berhubungan dengan bidang IUI telah
dilakukan. Membedakan dalam ruang lingkup, beberapa berfokus pada penerapan IUI di bidang
tertentu [6], sedangkan yang lain [29] memberikan gambaran interdisipliner yang lebih luas dari sistem
cerdas. Meskipun beberapa paralel dapat diamati dengan pekerjaan yang ada, kurangnya fokus pada
evaluasi dapat diamati dalam pekerjaan saat ini, sedangkan karakteristik lebih lanjut membuat
penelitian kami yang pertama dari jenisnya di lapangan.
Pertama, penelitian kami membedakan dengan kata kunci yang digunakan untuk pencarian
literatur. Studi sebelumnya memasukkan berbagai jenis antarmuka pengguna lainnya dalam
ulasan mereka, seperti antarmuka pengguna yang cerdas, peka konteks, dan multi-modal [5] atau
antarmuka pengguna adaptif [5-8]. Selain itu, ref. [9] termasuk interaksi cerdas, sedangkan [29]
memperluas tinjauan ke transparansi, kemampuan menjelaskan, dan interpretasi konteks. Salah
satu studi sekunder [8] hanya berfokus pada antarmuka pengguna yang adaptif dan adaptif. Meta-
analisis artikel konferensi dari konferensi antarmuka Pengguna Cerdas Internasional ACM [10]
memberikan ulasan serupa pada aspek konten dengan fokus pada kata kunci “cerdas”. Namun,
pembatasan pada satu, meskipun utama, ruang publikasi konferensi tidak serta merta
memberikan gambaran yang jelas tentang seluruh bidang. Selain itu, tidak ada studi sekunder
yang ada yang hanya berfokus pada memberikan gambaran umum tentang IUI dan evaluasinya.
Gambaran lengkap dari studi sekunder terkait disajikan pada Tabel1.
[6] AUI, IUI 43 SMS (Antarmuka Pengguna Cerdas ATAU IUI ATAU Perpustakaan Digital ACM,
Antarmuka Pengguna Adaptif) DAN (Teknologi* ATAU IEEEXplore, Springer Link
Desain* ATAU Meth*)
[9] HCII, IUI 454 SMS "interaksi cerdas" ATAU "antarmuka Perpustakaan Digital ACM,
pengguna yang cerdas" IEEEXplore, ScienceDirect,
Scopus, Web of Science
Sensor2022,22,
5 dari
Tabel 1.Lanjutan.
[8] AUI dan 63 Sistematis dan em- Evaluasi yang berpusat pada pengguna dari sistem yang Perpustakaan Digital ACM, ERIC,
mudah beradaptasi sastra pirical kembali dipersonalisasi Easy-D, IEEEXplore, INSPEC,
sistem melihat PsycInfo, ScienceDirect, Scopus,
Web of Science
[30] UI alami 56 SMS (“antarmuka pengguna alami*” ATAU “antarmuka Perpustakaan Digital ACM,
alami*” ATAU “interaksi pengguna alami*” ATAU Desa Teknik, IEEEXplore,
“komunikasi pengguna alami*” ATAU “komunikasi Scopus, ScienceDirect
alami”) DAN intervensi (“alat” ATAU “kerangka”
ATAU “teknik” ATAU “metode ATAU "model" ATAU
"proses" ATAU "pedoman" ATAU "pola" ATAU
"metrik" ATAU "pendekatan" ATAU "inspeksi"
ATAU "prinsip" ATAU "aspek" ATAU "persyaratan"
ATAU "heuristik" ATAU "metodologi" ATAU
“mekanisme”) DAN hasil (“Evaluasi kegunaan”
ATAU “Penilaian kegunaan” ATAU “Peningkatan
kegunaan” ATAU “evaluasi ux” ATAU “penilaian ux”
ATAU “peningkatan ux” ATAU “evaluasi
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna” ATAU “penilaian
pengalaman pengguna mengalami peningkatan”)
[5] UI, UI, 151 SLR “antarmuka pengguna yang cerdas” ATAU Scopus, Web Ilmu Pengetahuan
Multi- “Antarmuka pengguna yang cerdas” ATAU
modal UI, “antarmuka pengguna yang adaptif” ATAU
Antarmuka Cerdas “antarmuka pengguna yang peka konteks” ATAU
“antarmuka pengguna multimodal” ATAU
“antarmuka komputer manusia yang cerdas”
ATAU “Antarmuka komputer manusia yang
cerdas” ATAU “komputer manusia yang adaptif”
antarmuka" ATAU "antarmuka komputer manusia
yang peka konteks" ATAU "antarmuka komputer
manusia multimodal" ATAU "antarmuka mesin
manusia yang cerdas" ATAU "antarmuka mesin
manusia yang cerdas" ATAU "antarmuka mesin
manusia yang adaptif" ATAU "antarmuka mesin
manusia yang peka konteks" ATAU "manusia
multimodal" antarmuka mesin" ATAU "antarmuka
pengguna grafis cerdas" ATAU "Antarmuka
pengguna grafis cerdas" ATAU "antarmuka
pengguna grafis adaptif" ATAU "antarmuka
pengguna grafis peka konteks" ATAU "antarmuka
pengguna grafis multimodal" ATAU "IUI"
Sebuah meta-analisis [10] artikel yang diterbitkan dalam Konferensi Internasional ACM tentang
Antarmuka Pengguna Cerdas dalam 25 tahun terakhir, yang berfokus pada entitas cerdas dalam artikel
IUI, dilakukan pada tahun 2020. Entitas cerdas yang paling umum dijelaskan tetap antarmuka, sistem,
agen, asisten, sistem bimbingan, dan algoritma. Salah satu tantangan yang diakui menyoroti kebutuhan
yang berkembang untuk evaluasi dan standar di lapangan. Co-deskriptor yang paling sering digunakan
dengan istilah ini adalah cerdas, otonom, adaptif, interaktif, dinamis, alami, dan sadar konteks.
Sebuah studi pemetaan sistematis [6] dilakukan pada tahun 2017, dengan fokus pada adopsi
teknologi IUI dengan teknologi Ambient Assisting Living. Artikel yang terhubung ke antarmuka
pengguna yang adaptif dan cerdas dianalisis. Aplikasi, grafik, dan perangkat lunak visual adalah
Sensor2022,22,
6 dari
diakui sebagai solusi perangkat lunak yang paling sering disajikan dengan IUI. Evaluasi IUI,
bagaimanapun, tidak dianalisis. Presentasi prototipe diamati sebagai metode validasi yang
paling umum digunakan. Di [5], hasil awal tinjauan literatur sistematis disajikan, dengan
fokus pada tren desain IUI dan cara pengembangannya. Meningkatnya jumlah aplikasi IUI
dalam domain kesehatan disorot, dan konteks, dialog, dan model pengguna disajikan
sebagai yang paling banyak dikutip dalam semua solusi yang diamati. Lima kategori
antarmuka pengguna diakui: antarmuka pengguna adaptif, antarmuka pengguna peka
konteks, antarmuka pengguna cerdas, antarmuka pengguna multi-modal, dan antarmuka
pengguna cerdas, dengan yang pertama menjadi ekspresi yang paling banyak digunakan.
Tinjauan literatur sistematis [7] menganalisis kegunaan universal melalui plastisitas,
dengan fokus pada antarmuka adaptif dan adaptif, di mana tren menuju antarmuka
pengguna adaptif dikenali. Adaptasi terhadap kebutuhan pengguna individu diamati,
terutama beban kerja mental dan tingkat stres. Untuk mengamati pertukaran bahwa
antarmuka konteks-sadar adaptif hadir untuk kegunaan, evaluasi kinerja plastisitas
antarmuka pengguna dilakukan di bagian kedua penelitian. Kesenjangan penelitian dalam
menentukan kegunaan dan efektivitas IUI diakui, dan kebutuhan untuk optimalisasi trade-off
kegunaan diindikasikan. Kesenjangan penelitian dalam membandingkan kegunaan dan
efektivitas IUI dibandingkan dengan AUI juga dicatat.
Dalam salah satu analisis literatur interdisipliner terluas, Ref. [29] menganalisis lebih dari dua belas
ribu artikel dari berbagai bidang penelitian, seperti HCI, psikologi, dan kecerdasan buatan, dengan fokus
pada tren dalam sistem yang dapat dijelaskan dan AI yang dapat dijelaskan. Kelompok penelitian yang
menghubungkan bidang-bidang ini diakui, terutama kausalitas dan psikologi penjelasan; keadilan
algoritmik, transparansi, dan pembelajaran mesin yang dapat ditafsirkan; sistem cerdas dan ambien;
interaksi, kemampuan belajar perangkat lunak, dan sistem ambien dan cerdas. Tren migrasi dari kluster
Bayesian Networks ke ML yang dapat diinterpretasikan untuk penjelasan dan tren berfokus pada
mendapatkan kepercayaan individu untuk bergerak menuju kepercayaan institusional dijelaskan.
Penjelasan psikologi kognitif, desain interaksi, dan kemampuan belajar perangkat lunak dalam
kombinasi dengan evaluasi empiris disarankan sebagai sarana untuk meningkatkan kegunaan.
Evaluasi yang berpusat pada pengguna dari sistem adaptif dan adaptable dianalisis di [8]
pada tahun 2008, dengan kegunaan, manfaat yang dirasakan, dan kesesuaian adaptasi menjadi
tiga variabel yang paling sering dinilai dalam studi primer yang diamati. Pada saat itu, kuesioner
adalah metode yang paling populer untuk mengevaluasi antarmuka adaptif dan adaptif, diikuti
oleh wawancara dan analisis data log. Evaluasi terutama difokuskan pada sistem yang
dipersonalisasi.
Studi pemetaan sistematis serupa yang meneliti kegunaan dan evaluasi UX dilakukan dengan
fokus pada antarmuka pengguna alami [30]. Ditemukan bahwa teknologi yang diamati hanya
mengevaluasi satu aspek antarmuka pengguna alami; kegunaan atau UX tetapi tidak
mempertimbangkannya bersama. Sebagian besar evaluasi bersifat kuantitatif, dan aspek
kegunaan dan UX yang paling sering dievaluasi adalah kepuasan pengguna, efektivitas, efisiensi,
dan kinerja. Dalam studi pemetaan sistematis baru-baru ini dan terkait [9], fokusnya secara luas
ditempatkan pada mengidentifikasi dan menganalisis metode dan algoritme AI dan teknologi
sensor canggih dalam penelitian interaksi cerdas manusia-komputer (HCII) yang ada untuk
mengeksplorasi tren dalam penelitian HCII. Fokus utama dalam studi HCII adalah pengenalan
emosi, gerak tubuh, dan ekspresi wajah secara cerdas menggunakan teknologi sensor, seperti
kamera, EEG, Kinect, sensor yang dapat dipakai, pelacak mata, dan giroskop. Kesenjangan
penelitian lebih lanjut dalam mengevaluasi kegunaan dan UX dari studi serupa ditunjukkan.
penyaringan abstrak dan kata kunci. Protokol juga diperluas dengan perbaikan berulang
dari skema klasifikasi selama studi percontohan, dilakukan pada 40 artikel.
Proses penelitian dalam penelitian ini dibagi menjadi lima tahap. Pertama, pertanyaan
penelitian yang disajikan pada Tabel2didefinisikan. Kedua, ruang lingkup penelitian ditinjau
dengan penelitian pendahuluan di database yang dipilih, dengan jumlah makalah yang
diambil dari perpustakaan digital terpilih disajikan pada Tabel3. Selanjutnya, kriteria inklusi
dan eksklusi, disajikan pada Tabel4didefinisikan dan digunakan. Jumlah studi, diamati di
setiap langkah disajikan pada Tabel5. Berdasarkan tinjauan pekerjaan terkait dan pertanyaan
penelitian kami, skema klasifikasi ditentukan. Selanjutnya dilakukan penyaringan artikel
berdasarkan abstrak, dan artikel yang relevan diekstraksi untuk dibaca lebih lanjut. Skema
klasifikasi direvisi dan diperluas pada saat ini, dengan versi final disajikan pada Tabel6. Pada
langkah selanjutnya, ekstraksi data dilakukan berdasarkan membaca seluruh artikel.
Terakhir, beberapa visualisasi dalam bentuk peta sistematis dibuat seperti yang disajikan
pada hasil di Bagian4.
Gambar 1.Proses studi pemetaan sistematis diadaptasi dari Petersen et al. [31].
Pertanyaan penelitian
Tabel 3.Artikel diambil dari perpustakaan digital yang dipilih menggunakan kueri yang disajikan.
Berdasarkan pertanyaan penelitian yang ditentukan dan gambaran umum dari karya terkait, kata
kunci yang cocok untuk menemukan semua karya yang diterbitkan dengan tema IUI ditentukan. Kata
kunci yang luas digunakan untuk menawarkan tinjauan menyeluruh dari bidang studi karena kami ingin
menyajikan gambaran yang komprehensif dari topik penelitian. Kueri berikut digunakan untuk
menemukan studi utama:
"antarmuka pengguna yang cerdas" ATAU "antarmuka pengguna yang cerdas" ATAU "IUI"
Dalam proses pemilihan sumber data, relevansi dan ukuran perpustakaan digital
dipertimbangkan serta protokol dari studi terkait. Database yang dipilih adalah ACM Digital
Library, IEEEXplore, ScienceDirect, Scopus, dan Web of Science. Pencarian dilakukan pada 20
Januari 2022. Secara keseluruhan, 9849 artikel yang mungkin relevan diperoleh. Jumlah
artikel penelitian tertinggi yang mungkin relevan ditemukan di perpustakaan digital Web of
Science.
Ruang lingkup penelitian yang mungkin relevan dikurangi pada langkah berikutnya berdasarkan
kriteria inklusi dan eksklusi yang telah ditentukan, yang disajikan pada Tabel4. Setelah memperkenalkan
kriteria inklusi I1–I4, jumlah studi yang relevan dikurangi menjadi 1036, seperti yang disajikan pada Tabel
5. Beberapa artikel telah muncul di repositori yang berbeda. Dalam kasus ini, mereka dianggap hanya
sekali dalam tinjauan dan dikaitkan dengan tampilan repositori pertama, menurut urutan pencarian yang
dilakukan (IEEEXplore, ACM Digital Library, Scopus, Web of Science, ScienceDirect). Menghapus duplikat
mengurangi jumlahnya menjadi 607, dan menyaring abstrak menguranginya menjadi 376. Setelah
langkah ini, klasifikasi dilakukan, dan beberapa studi tambahan dihapus, sebagian besar karena panjang
artikel atau fokus di luar bidang IUI. Lingkup akhir dari studi primer yang termasuk dalam tinjauan kami
adalah 211 artikel.
Kriteria
Keterangan
I1 Bidang
Sertakan studi yang membahas interaksi cerdas atau antarmuka
I2 Bahasa pengguna cerdas.
I3 Jenis sastra Sertakan studi yang ditulis dalam bahasa Inggris.
Tabel 4.Lanjutan.
Kriteria
Keterangan
E1 Area penelitian
Kecualikan literatur non-ilmu komputer atau interaksi non-
manusia-komputer.
E2 Duplikat
Kecualikan studi duplikat yang ditemukan di beberapa
E3 Bidang
database. Kecualikan studi di luar lingkup IUI.
E4 Kelengkapan Kecualikan makalah yang panjangnya kurang dari dua halaman yang tidak
memberikan informasi yang cukup tentang penelitian yang dilakukan.
E5 Ketersediaan
Kecualikan kertas yang tidak dapat diakses secara elektronik.
sumber disebutkan. Jika solusi yang dijelaskan adalah bagian dari sistem teknologi
kontemporer, ini dicatat dalam EC13.
Entitas cerdas diekstraksi ke variabelentitas cerdasseperti yang diidentifikasi oleh penulis
penelitian. Hanya entitas cerdas utama yang diidentifikasi untuk setiap studi. Dalam kasus di mana
sistem dicatat sebagai entitas cerdas utama, pemeriksaan tambahan dilakukan untuk memastikan
keberadaan kecerdasan di antarmuka pengguna, serta dalam sistem. Metode dan algoritma
kecerdasan buatan yang digunakan diekstraksi di EC14 dan diklasifikasikan. Dalam kasus di mana
pembelajaran mesin digunakan, klasifikasi algoritma atau pendekatan juga dicatat. Teknik ML
kemudian diklasifikasikan menurut gaya belajar yang digunakan [34,35] dalam (i) algoritme
pembelajaran terawasi, (ii) algoritme pembelajaran tanpa pengawasan, (iii) Pembelajaran semi-
terawasi, dan (iv) algoritme pembelajaran penguatan.
EC1 Jenis penelitian Riset Evaluasi, Makalah Pengalaman, Kajian Literatur, Studi Longitudinal, Makalah Opini,
Makalah Filosofis, Proposal Solusi, Riset Validasi
EC2 Jenis publikasi Makalah konferensi, artikel Jurnal
EC3 Sudut Interaksi manusia-komputer, Kecerdasan buatan dan Rekayasa Perangkat Lunak
EC4 Metodologi Kuantitatif, Kualitatif, Campuran, Non-empiris, Tidak berlaku
EC5 Strategi penelitian utama Studi Kasus, Eksperimen, Studi Eksplorasi, Studi Kelayakan, Studi Lapangan, Grounded Theory,
Tinjauan Literatur, Lainnya, Prototipe, Survei, Studi Pengguna
EC6 Metode akuisisi data Wawancara, Mengamati pengguna, Pengembangan prototipe, Kuesioner, Tinjauan literatur
sistematis, Wizard of Oz, Konsultasi ahli manusia, Studi kasus, Simulasi, Evaluasi pengguna, Studi
laboratorium, Tinjauan literatur, Sensor, Evaluasi empiris, Kamera, Database, Perayapan data, Ponsel
sensor, Studi percontohan, Eksperimen, Data sistem (perilaku pengguna), Metrik kinerja sistem,
Survei, Lokakarya, Kumpulan data yang ada, Dalam studi mata pelajaran. Studi pengguna, Analisis
linguistik, Studi lapangan, Penambangan data, Pengukuran manual, Tes lapangan, Media sosial,
Lainnya
EC7 Jenis perangkat lunak Kamera, Studi kasus, Perayapan data, Penambangan data, Basis data, Evaluasi empiris, Kumpulan
data, Eksperimen, Studi lapangan, Konsultasi ahli manusia, Wawancara, Studi laboratorium, Tinjauan
literatur, Metode, Tidak ada, Mengamati pengguna, Lainnya, Studi percontohan, Evaluasi awal,
Pengembangan prototipe, Kuesioner, Sensor, Simulasi, Media sosial, Survei, Data sistem, Kinerja
sistem, Evaluasi pengguna, Studi pengguna, Wizard of oz, Workshop
EC8 Fase rekayasa Analisis, Desain, Implementasi, Pengujian, Tidak berlaku
EC9 Domain Pencetakan 3D, Akademisi, Aksesibilitas, Kartografi dan geolokasi, Komunikasi, Budaya,
Pendidikan, Energi, Energi, Hiburan dan permainan, Pabrik dan produksi, Mode, Keuangan,
Pemerintah, Kesehatan dan kesejahteraan, Perawatan kesehatan, Interaksi manusia-komputer,
Industri, Asuransi, Logistik dan kendaraan, Manajemen dan organisasi, Militer, Musik dan
audio, Tidak berlaku, Lainnya, Fotografi, Rekomendasi, Robotika, Penjualan, Keamanan,
Rekayasa Perangkat Lunak, Olahraga, Statistik dan analitik data, Pekerjaan dan produktivitas
EC10 Entitas cerdas Antarmuka, Mesin, Dukungan, Sistem rekomendasi, Sistem, Interaksi, Agen, Alat, Aplikasi,
Lingkungan, Perilaku, Agen antarmuka, Bantuan, Perangkat Lunak, Sistem bimbingan,
Algoritma, Metode, Kontrol, Robot, Antarmuka Multimedia, Sistem Informasi, Komponen,
Seleksi , Teknik, Asisten cerdas, Tidak berlaku, Model pengguna, UI Percakapan, Model
lain, Sistem dialog
EC11 Larutan Agen, Algoritma, Aplikasi, Pendekatan, Arsitektur, Bantuan, Browser, Dataset, Perangkat,
Evaluasi, Ikhtisar bidang, Kerangka, Pengenalan HCI, Interaksi, Metodologi, Model,
Pipeline, Platform, Plugin, Proses, Sistem Rekomendasi, Solusi Perangkat Lunak, Sistem,
Teknik/Metode, Alat, elemen UI, Antarmuka Pengguna
Sensor2022,22,
11
Tabel 6.Lanjutan.
Variabel
EC1
EC2 Referensi
EC3 Cakupan
4. Hasil
Pada bagian ini, hasil yang diperoleh dari analisis 211 studi utama disajikan.
Gambaran umum dari semua studi yang disertakan dan klasifikasinya (termasuk
variabel klasifikasi esensial saja) tersedia sebagai bahan tambahan.
makalah
25 konferensi
artikel jurnal
20
15
Jumlah studi
10
0
2 012 2 014 2 016
2 018 2 020 2 022
Bertahun-tahun
Meja8memberikan gambaran umum tentang publikasi dan konferensi di mana artikel yang
diamati tentang IUI diterbitkan. Jurnal yang paling terwakili di bidang IUI adalah ACM Transactions
on Interactive Intelligent Systems (sembilan artikel), berinteraksi dengan komputer (tiga artikel),
dan IEEE Access (dua artikel). Semua jurnal yang disebutkan adalah peer-review. Konferensi
terkemuka untuk publikasi dari bidang IUI adalah Konferensi Internasional tentang Antarmuka
Pengguna Cerdas (44 artikel), diikuti oleh artikel prosiding yang diterbitkan dalam Catatan Kuliah
di Ilmu Komputer (19 artikel) dan prosiding Workshop CEUR (10 artikel).
Sensor2022,22,
13
Tabel 8.Jurnal dan konferensi yang paling banyak diwakili (jumlah artikel yang disertakan > 1).
Sepuluh artikel yang paling banyak dikutip dari studi yang diamati disajikan dalam Tabel9. Lima di
antaranya telah diterbitkan pada Konferensi Internasional ACM tentang Antarmuka Pengguna Cerdas,
sedangkan artikel yang paling banyak dikutip (S183) diterbitkan dalam jurnal IEEE Transactions on
Multimedia. Untuk memerangi efek usia dalam kutipan artikel, jumlah rata-rata kutipan tahunan juga
dicatat. Umumnya, jumlah kutipan meningkat pada tahun-tahun pertama setelah publikasi mencapai
puncaknya, dan kemudian artikel-artikel tersebut semakin sedikit dikutip seiring berjalannya waktu.
Wawasan lebih lanjut tentang tren kutipan selama bertahun-tahun di bidang IUI disediakan pada
Gambar4, di mana tren jumlah yang lebih tinggi dari akumulasi kutipan dalam studi yang lebih tua
terlihat. Seperti yang disarankan oleh Bornmann [37], studi terbaru yang diterbitkan dalam dua tahun
terakhir dipisahkan dalam analisis bibliometrik untuk menghindari temuan palsu atau menyesatkan.
Jumlah rata-rata kutipan dalam studi yang diamati dari beberapa tahun terakhir (2012–2019) adalah 9,1
(N = 160, SD = 14,1). Dalam artikel tidak terbaru yang diamati, artikel jurnal rata-rata memiliki jumlah
kutipan yang lebih tinggi (M = 9,4, N = 52, SD = 17,1) daripada artikel konferensi (M = 8.1, N = 124, SD =
13,2) dan majalah artikel (empat kutipan).
Perbandingan Kelompok Urutan Peristiwa dengan Integrasi Konferensi Internasional ACM tentang 2015 45 6.4
Seimbang dari Analisis Visual dan Statistik Antarmuka Pengguna Cerdas
Keduanya lengkap dan benar? Optimalisasi multi- Konferensi Faktor Manusia dalam 2014 37 6.6
tujuan keyboard layar sentuh Sistem Komputasi
Analisis visual yang berpusat pada pengguna menggunakan arsitektur Sistem Pendukung Keputusan 2012 34 3.4
penalaran hibrida untuk unit perawatan intensif
Untuk mendapatkan gambaran yang lebih baik tentang siapa yang berkontribusi di
lapangan dan secara ilmiah mempromosikan mata pelajaran IUI, kami melihat institusi
penulis awal dan lokasi mereka. Sebagian besar institusi primer berlokasi di Amerika Serikat
(56 artikel), Jerman (25 artikel), Inggris (13 artikel), Cina (9 artikel), Jepang (8 artikel), Prancis
(7 artikel), dan Irlandia (6 artikel ). Mayoritas peneliti di bidang IUI aktif di Eropa (42%)– dan—
Amerika Utara (28%), diikuti oleh Asia (12%). Ikhtisar negara-negara teratas mengenai
kontribusi ke bidang IUI disajikan pada Tabel10.
Untuk mengatasi masalah yang sedang berlangsung dari definisi IUI yang tidak seragam, kami
mengekstrak definisi yang digunakan dalam artikel utama. Secara keseluruhan, 38 contoh definisi IUI
diekstraksi, dengan sembilan artikel menyajikan dua definisi. Paling representatif menurut nomornya
Sensor2022,22,
15
waktu yang digunakan adalah—Maybury [11] definisi asli, digunakan oleh tiga pasal (S34, S56, dan S138);
“Antarmuka pengguna cerdas (IUI) adalah antarmuka manusia-mesin yang bertujuan untuk
meningkatkan efisiensi, efektivitas, dan kealamian interaksi manusia-mesin dengan mewakili, menalar,
dan bertindak pada model pengguna, domain, tugas, wacana, dan media (mis. , grafik, bahasa alami,
gerakan).Beberapa penelitian menggunakan definisi ad-hoc, generalisasi, atau kamus. Sebagian besar
definisi yang digunakan termasuk istilahmenyesuaikan*(21 definisi), tiga puluh satu disebutkan
pengguna*, enam menggunakan beberapa variasi istilahmodel*, dan enam lainnya menggunakan
variasi istilah memahami*.
Analisis definisi terperinci, dijelaskan di Bagian3.4, dilakukan pada 38 definisi yang
diekstraksi. Definisi yang diekstraksi dan kategorisasi berbasis skema klasifikasi dari setiap
definisi tersedia di LampiranSEBUAH. Mengamati ruang lingkup, sebagian besar definisi
berfokus pada antarmuka pengguna (21 studi), banyak yang bersifat ad-hoc (12 studi), hanya
digunakan untuk mengkomunikasikan ide utama IUI, empat lainnya berfokus pada aspek
teknologi dari teknologi, dan dua fokus pada—menempatkan lapangan di area penelitian
yang lebih luas. Mendefinisikan karakteristik untuk IUI disajikan pada Gambar5, dengan
karakteristik paling berbeda yang diakui adalah adaptasi (disebutkan dalam 53% definisi yang
diamati). Karakteristik pendefinisian lainnya lebih tersebar melalui definisi, meskipun
mewakili (4 definisi), kecerdasan (4 definisi), pengakuan (3 definisi), kustomisasi (3 definisi),
dan bantuan (3 definisi) juga disebutkan beberapa kali. Dari sudut pandang teknologi,
seperempat dari definisi yang diamati (10 definisi) menggambarkan hubungan antara IUI dan
AI– dan tujuh koneksi yang diamati lebih lanjut dengan kecerdasan. Dua definisi (S35, S153)
lebih lanjut mengakui koneksi dengan pemrosesan bahasa alami (yaitu, cabang ML) sebagai
kemungkinan definisi IUI yang lebih sempit. Menariknya, satu definisi ad-hoc (S66)
menghubungkan IUI dengan ML, bukan area AI umum seperti yang dipertimbangkan dalam
definisi lain.
terkuat, diakui di hampir setengah definisi (48% atau 18 definisi), diikuti oleh penalaran
(4 definisi), mewakili (4 definisi), personalisasi (3 definisi), dan bantuan (2 definisi).
Belajar, menganalisis, komunikasi, kustomisasi, pemodelan,
dan pemecahan masalah juga masing-masing disebutkan satu kali, seperti yang ditampilkan pada Gambar5.
21
18
15
15
10
10
5 5
4 4 44
3333 3
2 2 2 2 2 2
11 1 1 1 1 1 1 1 1 11111 1
0
0
Berkomunikas
Adaptas
Pendampingan
Repremeng
Kemampuan untuk belajar
Pemod
Ergono
Mengan
Otonom
Pendampi
Pemiki
Kemampuan membuat
Al
Personalis
keputusan
Sedang
Adap
Knadupherolehan
Personali
Kustomi
Penyelesaian
mis
Analisis tindakan
Komuni
i Luas
i
ami
asi
model
pengguna
)
(b)
(sebu ah
Gambar 5.(sebuah) Karakteristik dan deskriptor IUI dan (b) Tindakan IUI seperti yang diekstraksi dari definisi
Karena adaptasi adalah tema sentral yang diamati dalam definisi, pengamatan lebih lanjut tentang
apa yang diadaptasi oleh IUI dan apa yang diadaptasi dilakukan, menunjukkan bahwa sebagian besar
definisi mengakui beradaptasi dengan pengguna (N = 13) dan kebutuhan pengguna (N = 5) sebagai
tujuan utama adaptasi IUI. Penggerak adaptasi lainnya adalah konteks (N = 4), situasi (N = 3),
Sensor2022,22,
16
tugas (N = 3), maksud pengguna (N = 3), tujuan (N = 2), perilaku manusia (N = 2), media (N
= 2), wacana (N = 2), domain (N = 2) , dan perangkat (N = 2). Perhatian, pola perilaku,
skenario, dan lingkungan juga disebutkan dalam satu definisi. Dalam hal elemen atau
karakteristik yang diadaptasi, adaptasi antarmuka pengguna atau elemen UI (11 definisi)
dan interaksi (4 definisi) paling sering disebutkan, diikuti oleh perilaku (2 definisi). Adaptasi
respon, sistem, dan respon juga masing-masing disebutkan satu kali.
Untuk memberikan beberapa wawasan ke dalam ruang penelitian di bidang IUI, gambaran
metode dalam studi primer yang dipilih dilakukan. Sebagian besar studi (101 artikel) terutama
kuantitatif, diikuti oleh kualitatif (57 artikel) dan studi campuran (54 artikel). Gambaran rinci jenis
penelitian menurut tahun disajikan pada Gambar6. Tren studi kuantitatif terlihat di semua tahun
yang diamati, dengan beberapa peningkatan jumlah penelitian campuran yang dipublikasikan juga
terlihat dalam beberapa tahun terakhir.
Kuantitatif
9 6 10 10 12 17 10 8 6 10 3
Kualitatif 4 6 7 6 8 4 3 9 5 4 1
Campuran
1 4 3 8 2 1 3 9 13 6 4
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Klasifikasi jenis penelitian studi primer disajikan pada Gambar7. Mayoritas studi
utama (87 artikel) adalah artikel validasi, diikuti oleh proposal solusi (64 artikel) – dan
penelitian evaluasi (45 artikel). Empat artikel eksplorasi dan opini dimasukkan, bersama
dengan tujuh tinjauan literatur. Tren penerbitan solusi tervalidasi terlihat di lapangan,
disertai dengan jumlah studi evaluasi yang perlahan meningkat dalam beberapa tahun
terakhir. Jumlah proposal solusi tetap relatif konstan selama bertahun-tahun.
Riset validasi
7 7 10 9 11 8 10 7 4 9 5
Usulan solusi 3 4 7 7 8 10 4 9 7 5 0
makalah opini 1 2 1
Tinjauan Literatur 1 1 1 2 1 1
mu 1 2 1
Penjelajah ka
Atasrovibegitu
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
sayalebih e ins ight itu rese r c h lingkup e, ini e pri mary res cari str
ke dalam seb u ah
paedgaies
kasemd sauyatidak he observ ed st udseasyaar e visuali zed di Fi gure8. Most com mH a iy , ti dak ad a
recari rs digunakan
pengguna studies
Studi kasus 4 1 1 1 1 1
Percobaan7 7 6 9 9 6 9 6 9 7 6
studi eksplorasi 1 1 1
Studi kelayakan1
1 1
Studi lapangan
Teori membumi 1
Tinjauan Literatur 1 2 2 1 1
Studi campuran 1 1 1
Lainnya 2
Prototipe2 4 4 4 4 8 2 3 5 3 1
Survei1 1
Studi pengguna1 1 1 1 1 1 2 8 3 2
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Visualisasi dari sumber data yang paling umum digunakan disajikan pada Gambar9. Rata-rata,
studi IUI menggunakan lebih dari satu metode untuk akuisisi data (M = 2.1, N = 438, SD = 1.3).
Hampir setengah dari penelitian (47%) melakukan eksperimen, dan hampir seperempatnya (22,6%)
menggunakan kuesioner. Empat puluh studi lebih lanjut (19%) mempresentasikan prototipe, dan 24
(11%) menggunakan kumpulan data yang ada dalam protokol penelitian mereka.
100 99
80
60
48
40 40
24 28
22 2319
20 17 1113
9 8 841 6
54 3 33 121 731 1 52 3 12 2
0
pertanyaan Hnaai
g pengguna
Tidak ada
Kame
Linguistik
Laborator kamu
Lainnya
Wawanca
Simulasi
Ssens
sosialsaya media
Penambangan data
Perayapan data
ty pengembang Hmaienit
data
kasus
Evaluasi empiris
pilot
or
eva luasi Proto
mengamati
an Analisis
eksplorasi
analisis
ire
Studi
belajar
ra
manusia
Fgambar10
lebih jauh alamat RQ2.1, visualisasi ng empi rdata asli k oleksi onmetode dan sebu ah
data s n IUI ev studi penilaian. Sebagai obs melayani a bsayang, dan pengalaman m net adalah yang paling
sumber saya
luas kadmigunuakan b Htahi di p memasang HCI dan solusi AI di dalam lapangan (misalnya, st
kadmyauitu melamar
n antarmuka demikian juga sebagai algor s a y a
pengguna say a sedang epercobaan ent sebagai metos saya n penelitian te rim a kasih kami
mereka
protokol lama). Pro totype d berkembang ment (39 sbaju) sebduaanhpertanyaan stionnaire e (38 stu dies) secara luas
digunakan saya n belajar s propo sing var ssaanygaat berbeda erent AI , HCI, nd campuran solusi ons. Prototipe
apakah saya sebhuaanhya menggunak dan di stu dsangat pro pmerindukanmuseh antar fkartu as (13 studi) , sistem s (6 artikel),
ap-
Sensor2022,22,
18
pendekatan (4 artikel), alat (3 artikel), dan kuesioner digunakan dalam studi yang mengusulkan
antarmuka pengguna (11 studi), agen (7 studi), evaluasi (5 studi), dan sistem (5 artikel).
Kamera 1 11 2
11 11
Studi kasus 31 1 1 1 1 1 2 1 2 1 1
Perayapan data
Penambangan data 12
Basis data 1
11
11 1
Evaluasi empiris
Kumpulan Data yang Ada 1 251 11
Percobaan 2 1 21321 111
Studi Lapangan
5 3 1 2 12 2 14 6 8117 8 1 1 32 7 1 1 1 2
konsultasi ahli manusia
1 1
112 1 1 11
Wawancara
1121 1
Studi Laboratorium 1
1 1 1 1
Tinjauan Literatur
Tidak ada
2 1 1 21 1 2 1
3 42 1 11 1 111121
Mengamati Pengguna
13 2
Lainnya 1 1
12 1 11 1
Studi Percontohan
11
Evaluasi awal 111
Pengembangan Prototipe 1
Daftar pertanyaan 11 6 3 13 4 21 1 2 2 12
Sensor
2 1 5 1 11 2 511 17 1
Sakukala 1
11
mtioun 11 1 1
2
Jadcisaysaay
daia 1 1 11 1 1 1
Skavmmuata 1 21 1 1
sistem tem Datas 2 1 112 1 1
sistemmp ehuntuk MseNbuach e 11 1131 1 4 1
1
1 u
kasmeruSTkadmy 34 3 21 1 2 1
1 21
Kiteahenilai uation 1
1 1
Wizard daOrins
1
W Hr ahkiosp
odHliahatig
Pmembadwai
Technique / Metoh d
Process
algoritma
Perangkat
Model
SEBhUAaH rl
ApplicatiHnai
Pengakuan HCI
kamu
Hvaeirbersainwg
Kerangka
Evaluati
SEBsUkAaHkakta
ctuulang
Htidak
r c hitu
Reocmmn e der
dak
system
Pipel
elesaytai
ine UI
BrHw
Interaksi
malam rface
g
Sistem
sofadusaebuulaanhg
SEB
oach
aiseh
e
Hnai
UA
AH
SolutiHnai
Meht
SEB U
fie ld
F aku g kaem1u0. EmpiricAl dat c s ebuah ollection methodsn sebua d data jadkiarcmesudi
h
pencetakan 3D
1
Akademisi Aksesibilitas
1 1 2
1 1 1 3 1
Kartografi dan Geolokasi
1
Komunikasi 3 1 1 1 1 1 1
Budaya Pendidikan Energi 1 1
Hiburan dan Permainan Pabrik dan produksi 1 1 1
1 1
Mode
1 1
Keuangan
1
Pemerintah
1
Kesehatan dan kesejahteraan
1
Kesehatan Interaksi manusia-komputer 1
Industri 1 1 1 1
Pertanggungan 1 2 3 4 2 1 3
Logistik dan kendaraan 3 3 2 7 4 5 4 7 5 3
Manajemen dan organisasi 11
1
Militer Musik dan audio
2
Lainnya
1 1 2 1 1 2 1
Fotografi 1 1
Robotika 1
Penjualan
2 1 2
Keamanan Rekayasa Perangkat Lunak
1 1 1
Olahraga
1
Statistik dan analitik data Kerja dan produktivitas
2 1
1
1 2 1 1 1
4 5 7 9 9 4 1 7 6 6 4
1
1 1 1
1 1 1
2
0
1
2
2
0
1
3
2
0
1
4
2
0
1
Gambar 1 1. studi es oleh d Huatai ma sebduaanh kamu r (N = 211).
seb uah
Vi su alization dari analisa zed st udies begitusolusi s tekanented ke bidang IUI adalah berdasarkan
menampilkan ed di F gambar 12. T he hig hest fo cus masuk fi eld adalah Hnaires earchi ng antarmuka
pengguna–
koneksi ted cha apkanujang s (36 detik bajuatau 17 %), wi thaf kartmheur two fHaalaisan d pada antarmuka
pengguna
elemen ts. Lar geh cl kastmerus Hfasitu ditu are furt heh fokus digunakan Hnaisys tems (18 studi
atau 9%), model 1( 6 stu dyaitu atau 8%, a Tuan-tuan ( 12 stu mati atau 6%), a dan te chniques atau
meht ods (12 studi atau 6%). D isper posisi o f lainnya r larutan spaadya saayanmendiktesa wi de vari selamat
f
ting galaplikasi ications di mana IUI adalah suita ble.
Agetidak 1 3
hm
algoritma 2 1 3 2 1 1
2 1
1
aplikasi pada 1 2 1 1
Mendekati 1 1 1 1 1 1
2
3
SEB aUArHsitek kaulamng u 1
bantuan nce 1
Membantu sebtiudaahk 1
Alis ser 1
Cha racteris tanalisis ics kakak 1
Mengobrol batau 1
konsentrasietitik 1
tanggal koleksi ion 1
Datamengatur 1
Ddesain sp sebcuaeh 1
DevEs 1 1
Evaluasi padaantar tindakan atau 1 1 3 1 2 2
UI
fie ld overvi ew 1 2 1 4 3 21 1
bingkai Hraki 1 2 1 2 2 3
HCSRaykeasadaran larutan ion pada 1 1
interaksi pada 1 1 1
Msemangat Hgayi 2 1 1
Model 1 2 1 2 3 1 2 2 1 1
Ontol Hgayi 1 1
pendapat pada 1 1
pipa ine 1
platform 1 1
ditambgah in 1
Prediksipada 1
prosesess 1 1
Reayo nsistem em 1 2 2
lunak sebkueamh bali solusi ion 1
sistem em 2 3 4 1 1 2 2 1 2
Tteknik e / Met od 2 2 2 1 1 2
2 2 1
2
Tool
elemen UI etidak 1 1
Kiteah Interf sebcuaeh 1 2 4 3 3 6 4 4 6 3
Pengguna kadmy u 1 2 1 1 2 6 1 1
20
12
20
13
20
14
20
15
17
20
16
20
20
Sensor2022,22,
20
Gambar 1 2. studi es oleh dari ditawarkan s solusi dan kamu ear (N = 211).
Sensor2022,22,
21
Wawasan lebih lanjut tentang solusi yang disajikan ke bidang IUI divisualisasikan
pada Gambar13, menampilkan tumpang tindih antara solusi yang diusulkan, domain,
dan fase rekayasa dari solusi yang diamati. Artikel terutama menyajikan solusi dalam
fase pengujian (92 studi) dan implementasi (79 studi) rekayasa. Rasio serupa yang
mendukung solusi dalam fase implementasi– dibandingkan dengan fase pengujian,
dapat diamati pada antarmuka pengguna, kerangka kerja, model, dan aplikasi.
Sebaliknya, pendekatan, agen, algoritma, dan sistem sering disajikan dalam fase
pengujian. Berfokus pada domain aplikasi, kelompok berbagai solusi yang disajikan di
bidang HCI dan SE dapat diamati, dengan solusi utama yang diusulkan adalah
antarmuka pengguna, kerangka kerja, evaluasi, sistem, dan tinjauan lapangan.
1 Konsep 1
1
kumpulan data
1
1 Ruang desain
Perangkat 1
Evaluasi
1 1 1
fi ikhtisar lama Kerangka
1 HCSaya Pengakuan Sianytearaksi Metodologi
1 1
1 Model Ontologi Pendapat
2
1 1 2 4 saluran pipa
11 9
1 2 Platform Plugin 1 8
23 4 42 3
1 Ramalan
1 1
1 17 5 Proses 11 2
1 5 Rsibsertsaemma e mmender 5
3 1 2
1 solusi barang 1
1 1 1 1
Lembut
1 6
1 8 Sistem
2 Tgemuanik / Metode 1 2
1 1 1
1 Alat elemen UI Kiteah Antarmuka 9 1
1 1 1 1
14
Studi pengguna
2 1
1 1 1
1
2 2
1 1 1 1 2 1
1 1 23
1 1 2
33 4 1 1
1 1 1
4 1 1 1 3
1 1 512
1 1 1 56
2 1 1 1 2 1 1 2 5 11 1
1 3 1
1 41 2 23
1 1 2 1 1
Photographka
militarka
HAitIu
Music
44 1 2
Kesehatan
Pemerintah
Detan
mu
l
Manapermataent dan
organisasseibtiudaahk adseabtuiaoh n
Logistik dan kendaraainkels
Test
Pertanggu
Keuangan
Nataupplic
Sebuahseb
audio
Akuplement
aya
kan
kan
Energi
Pendidi
Pendidi
Bud
Interaksi manusia-komputer
Kesehatan dan kesejahteraan
Akademisi
Aksesibilitas
Industri
31715
Mode
10
Hiburan dan Permainan
Pabrik dan produksi
Komunikasi
1318
Kartografi dan
Geolokasi
ngan
1).
Studi utama dalam konteks sistem perangkat lunak kontemporer yang berbeda
divisualisasikan pada Gambar15. Koneksi dengan sistem kontemporer lainnya diamati dalam
46 studi utama (22% studi), dengan koneksi nyata terlihat dengan Sistem Interaktif (7 studi),
augmented reality (AR), virtual reality (VR) dan realitas campuran (MR) (8 artikel ), dan Sistem
Sadar Konteks (5 artikel). Tren penerapan IUI dalam kaitannya dengan sistem kontemporer
lainnya konsisten dalam dekade terakhir, dengan sedikit puncak terlihat dalam tiga tahun
terakhir, menunjukkan peluang untuk menghubungkan solusi IUI dengan berbagai tren yang
muncul.
Komputasi afektif
1
Saydaueant Intelli jendral
2 1
Pakdatmaiduak ada mengarungi
1 1 1
Stiadakyaaktif Skatamngku
1 ai 1 1 1 1 2
IoT 1 1 1
2
0
1
4
2
0
1
Gambar 15.Pr smayaary st kammatui a nd con npilihan dengan ot rekannya ntempo rary sy ssyarat ( N = 46).
Untuk menawark r an lanjut er dalam ght ke oh debat e dari w hdi is kecerdasan gent saya n IUI, yang
dibuka di [10 ], itu primar y entitas sama-samansider e n orang tua nt di e ach ar tikel e
d sebagai sa ya
divisualisasikan
cerdas tity w sebagai pos sbisa ( N = 196) . Ha af kdauri ini e pejantan seasyraec Hgani ize d inte
r face sebagai
inteli utamag nt ent itas (1 05 menit dyaitu), f ollowed oleh Tuan-tuan (21 stu dyaitu), ssistem s secara keseluruhan
(14 studi), a dan saya Hdaei l ( 13 pejantan yaitu). HAI di sana npayudara sebpuearhgaulan ted wi itu snatyealli
beelajar di IUI
adalah senyawa ent, ke erasio n, alga Hraitima , membantu ance, reko mender sistem e m, bersama
nversasional
antarmuka penggun a c , supp ort, ap plika pada, untuk Htaainah dialog ue sys tem.
Sensor2022,22,
23
5 2 1 3 3 2 4 1
Agen 1 1 1 3 1 2
1 1
algoritma
1
Aplikasi
Pendampingan
1 1 1
Komponen
UI percakapan 2 1 1
Sistem dialog 1 1
Interaksi 1 1 2 1
5 8 15 9 9 8 9 2
Antarmuka 12 17 11
Mesin 1 1 1
metode 1 1
Model 2 1 1 1 1 1 3 2 1
Sistem rekomendasi 2 1 3 2
Perangkat lunak
1 1
Mendukung 1
Sistem 1 1 1 2 1 3 2 2 1
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Alat
1
To addr ess RQ 2. 6, gunakan d ML mcara adalah e xditarik dari p rimary stseperti yang dilaporkan
oleh ini dan auth Hrasi. Th e frekuensi sensi o f kategori Hraisi ed metos s adalah pr edikirim
snayGaambar17.
gunakan o f berbagai ka m u rvised l san gat bg sabuHdas iadalah paling c ommonly obs Mralam
agus menghasilkan
(101 studi),
mengikuti w diedit oleh metode d s dari kamu nsuper ised le seb duaehring ( 34 titik dyaitu). S emi-sup edirevisi (2
artikel)
dan r kekuatan esaya menghasilkan g (3 seni scaleya) w sebelumnyas commhanya kamused. F karmtu dia, lima
puluh studi
laporkan begitu msaya gunakanHfa.Ai I, whi c Htaidi ak t menjadi kucing
yang dianut),
insta nce-bas ed algo rbilangan bulat ( 20% dari mengamati ed pejantanseas)y, adan d klasik fikation Algoritme (14%
dari
pengamat ved stu dyaitu). Dkeputusan Pohon Al gorit ms (10% dari stu dyaitu) dan d Bayes ian Algoritma (8%
80
60
40 34
20
2 3
0
Diawasi
Semi-Diawasi
diawasi
Tidak
Bala
gambar e 17.Gratis quency Hfami et Hdas diigunakan di ma chtidak tahu ning (N = 134).
Sensor2022,22,
24
24
23
20
16
15
13
12
10
10 9
8
7
6
5
5
Klasifik
Algoritma Pembelajaran
Algoritma berbasis
Pemrosesan bahasa
Algoritma Pohon
Algoritma
Algoritma
Model
Algoritma
Algoritma Jaringan Syaraf
Algoritma
usabevaluasi ility adalah evaluasi tahu dalam satu studi, sedangkan 19 studi lebih lanjut melakukan
penuh kasambiulitas obesitas. Itu s evaluasi diekstraksi berdasarkan istilah yang digunakan dalam mengatasi
s baju. Meskipun dapat digunakan ty adalah c dianggap sebagai bagian dari pengalaman pengguna, persyaratannya adalah
tambahansebduiaphilih secara terpisah.
Pengalaman penggunaKegunaan
140
120
00
80
60
40
20
0
Tidak Ya Sebagian Tidak berlakukabel
Pengalaman penggunaKegunaan
20
0
18
15
15
11
10
8
5
5
33
2 2
11 1 1 1
0
Wawanc
Percoba
Kegunaan dan Metrik Perangkat
Pengujian
Evaluasi berbasis
Studi
Protokol berpikir
Grup
Daftar
Pengujian
Evaluasi
.
Untuk mengatasi RQ3
d fakta Hrasi d sain ehed dalam studi kegunaan
4,ckarakteristik
sebua h bersa ma
dan
tion diekstraksi. Evafaktor yang dinilai wekembali patateud di duea evaluasi UX yang
tidak
mengamati UX
delapan belas studi obs erv ing kegunaan o f aku kaAdmalahu. Di kaXmeuvAluatiodan ns, tindakan yang
paling
faktor adalah kemudahan
kasem(9uartikel), aman ety (4 arti cles), iknlan satisfsering diamati (4 artikel).
Angka
menampilkan semua fa yang dicatat cuntuks dan gratis mereka quency o f kasem. u n ak sa
u kamu empedu 21 evaluasi, efektivitas
(6 artikel), kegunaan umum (4 artikel), kenikmatan (3 artikel), kemampuan belajar (3 artikel), dan
kepuasan (3 artikel) diamati paling umum, seperti yang terlihat pada Gambar22.
Sensor2022,22,
2
8
dengan sebagian besar s
disajikan saya
stkdamseausy(aS60 , S162,7 nd S 0 ) patateud wataseume k a meu aku s
5saayparHavaeiMeNt di ibue skaemdu sabakituy ( 6 dtetik). Tiga
peningkatan (2 studi) sdaanyaaku k a m dukitear xep ree cseanydaan m
6
1
formalitas yang sesuai
2
1
Beban kognitif Kolaborasi Keterkendalian Efektivitas Otonomi Kemampuan Kompetensi
1
o
Upaya Kenikmatan Kepercayaan diri
2
u
Perlindungan kesalahan
Informasi kontekstual Kendala perangkat
1
Eksplorasi Ekspresi
lang
2
6
Kemudahan penggunaan
Frustrasi Kegunaan Kemanjuran
n
2
ersemua res katksueuvaluasi IUI
tkammatui r epperbaikan orting vement (5 studi eja) dir bagian =a1k6u),
9
Pencelupan
Kemampuan dipelajari Keahlian Penjelasan persuasif
1
2
seb u
2
11
1
Seberapa banyak pengguna menyukai ui
ah
Tuntutan mental
Kebaruan
Kualitas interaksi
kepercayaan peserta Pengetahuan
2
Pertunjukan Permintaan fisik Prediktabilitas Kendala lokasi
111
4
Produktifitas
Keamanan
Motivasi Interaksi alami
1
Kepuasan Reaksi keseluruhan terhadap sistem Keakuratan dan kebaruan yang dirasakan
3
sebag
2
Pembelajaran yang dirasakan
Navigasi tugas
Kepribadian
ai
11
Permintaan sementara
Populer presisi
2
ng
akka u mt i
ulang
2
Mengingat
1
Penerimaan
1111
Keterkaitan
se
Permintaan tanggapan
b
Keamanan
3
Kepuasan
u ah
seb
2
Keamanan
d a nrlaporan d dalam beberapa
4
Sdikaesadaran nasional
ua
Stimulasi
2
h
Menekankan
1111
Navigasi tugas Terminologi dan infsokrammausi batang d
Transparansi
Memercayai
Kegunaan
sebag a i
kasmerupertunangan
2
Tujuan pengguna
1
seb
uah
tidak
25 dari
Sensor2022,22,
26
6 Pengalaman penggunaKegunaan
6
5
5
3
2
2
0 0
5. Diskusi
5.1. Wawasan Evaluasi dan Tantangan
Hasil penelitian ini menunjukkan minat yang lebih tinggi untuk menghadirkan ide-ide baru yang
dikembangkan di bidang IUI dengan evaluasi yang dilakukan IUI terbatas. Penggunaan kegunaan dan
faktor UX yang tidak seragam diamati, serta masalah yang dilaporkan di bidang terkait [30]; kegunaan
dan UX tidak dianggap bersama tetapi terpisah, dengan evaluasi satu tampaknya mengecualikan yang
lain dalam studi yang diterbitkan. Faktor yang dievaluasi tidak secara jelas dikategorikan sebagai
kegunaan dan UX dalam studi, dengan keamanan, kepuasan, dan transparansi terkadang dianggap
sebagai UX dan terkadang sebagai faktor kegunaan.
Kebutuhan alat pengujian standar dan protokol evaluasi, diidentifikasi dalam [40], masih
menghadirkan peluang penelitian yang perlu ditangani lebih lanjut karena IUI diadopsi secara luas
dalam kehidupan sehari-hari. Masalah dengan kekurangan langkah-langkah standar yang berarti
masih ada, karena kriteria ekstraksi, berdasarkan tujuan evaluasi, ukuran, dan nilai dasar, yang
diharapkan, dan yang diamati dijatuhkan karena kekurangan informasi di sebagian besar studi
yang diterbitkan. Kami mencatat bahwa faktor kegunaan utama, penting dalam adaptasi IUI,
disajikan oleh [41] (stabilitas spasial, lokalitas, akurasi, prediktabilitas, frekuensi interaksi,
kompleksitas tugas, dan biaya interaksi rata-rata) masih belum memiliki metode dan metrik
evaluasi universal, atau tidak dilaporkan dalam studi.
Tantangan untuk membuktikan manfaat yang diperkenalkan IUI pada interaksi dengan pengguna,
yang disajikan dalam [42], juga dibahas dalam pekerjaan kami. Kami mengkonfirmasi bahwa
peningkatan interaksi HCI setelah menghadirkan IUI adalah tren yang diamati dalam dekade terakhir.
Sebagian besar evaluasi kegunaan dan UX (81% studi) menunjukkan peningkatan sebagian atau yang
dapat dikenali dalam metrik yang diamati. Namun, jumlah evaluasi yang dilakukan pada studi IUI yang
disajikan belum meningkat. Triangulasi metode evaluasi yang diamati belum digunakan sebagai norma
evaluasi, meskipun sebagian besar studi yang diamati menggunakan hingga dua metode dalam
evaluasi, terutama pengujian pengguna dan kuesioner. Kurangnya pedoman evaluasi IUI hemat
biaya, ditunjukkan oleh [40], adalah salah satu alasan yang mungkin. Alat evaluasi yang diamati,
seperti SUS, QUIS, indeks Beban Tugas NASA, dan teknik penilaian kesadaran situasi, dapat menawarkan
beberapa resolusi untuk masalah ini.
Kami selanjutnya mengidentifikasi kesenjangan penelitian dalam evaluasi solusi IUI yang diusulkan
dalam hal aksesibilitas. Tujuh studi yang diamati diterbitkan dalam domain aksesibilitas, sedangkan
hanya tiga kegunaan yang dievaluasi (S21, S35, dan S209) dan satu yang dievaluasi UX (S38).
kecerdasan sosial dalam solusi IUI. Selain itu, tren yang kuat dalam menggunakan metode
pembelajaran mesin diamati, dengan lebih dari setengah studi menyajikan beberapa bentuk
pembelajaran mesin dalam solusi mereka, dengan penggunaan pembelajaran yang diawasi secara
umum (101 artikel). Kami mengkonfirmasi diversifikasi yang diamati dari entitas cerdas (Gambar16)
disajikan dalam artikel IUI, yang sebelumnya diakui oleh [10]. Namun, entitas cerdas pusat, yang
diakui dalam studi IUI, tetap menjadi antarmuka pengguna di semua tahun yang diamati. Analisis
definisi yang dilakukan mengkonfirmasi korelasi antaramenyesuaikan*istilah dan IUI, Volkel [10]
disajikan. Dua definisi menghubungkan IUI secara langsung dengan pemrosesan bahasa alami
dan lebih sedikit dengan area AI umum. Definisi sempit yang diamati dapat dihasilkan dari
pemahaman ad-hoc tentang IUI, karena setengah dari studi utama yang diamati (N = 134)
termasuk metode ML, dengan tiga belas studi menggunakan metode pemrosesan bahasa alami.
5.3. Keterbatasan
Seperti yang diharapkan, pekerjaan ini terikat oleh keterbatasan karena rentang waktu beberapa
bulan untuk meninjau studi dan melakukan klasifikasi. Sejumlah besar publikasi prospektif yang
diidentifikasi secara manual dinilai sesuai atau tidak cocok untuk digunakan di masa depan. Karena
artikel disaring secara manual dalam rentang beberapa bulan, ada kemungkinan penolakan yang tidak
disengaja dan salah terhadap artikel penting. Studi ini difokuskan pada antarmuka pengguna yang
cerdas, dan temuannya tidak dapat digeneralisasikan ke domain HCI dan tidak dapat ditransfer secara
langsung ke bidang serupa (misalnya, antarmuka pengguna adaptif). Kemungkinan kesalahan manusia
juga harus dipertimbangkan. Keterbatasan klasifikasi yang salah telah dikurangi dengan konsultasi dari
semua peneliti yang terlibat untuk kasus-kasus marjinal. Keterbatasan mengenai analisis definisi ada
tiga;waktu—hanya definisi yang dikutip dalam artikel terpilih dari dekade terakhir yang dimasukkan
dalam sampel kami, secara efektif mengecualikan definisi sebelumnya yang mungkin telah digunakan
dalam penelitian sebelumnya, yang diterbitkan di area tersebut; (ii)kualitas—kualitas definisi yang
digunakan bervariasi dari kamus dan definisi ad-hoc yang digunakan untuk menempatkan IUI dalam
konteks artikel konferensi singkat hingga definisi analitis, yang disajikan dalam studi lain yang lebih
kompleks; (aku aku aku)cakupan—analisis yang dilakukan hanya dilakukan pada sampel artikel akademis
yang dipilih, dan meskipun beberapa penelitian mengutip definisi kamus, sumber utama potensial
lainnya tidak dimasukkan dalam penelitian ini.
Ancaman utama terhadap validitas penelitian kami adalah mengidentifikasi penelitian utama
yang relevan, ekstraksi data, dan klasifikasi. Pertama, kata kunci dan kueri yang dipilih mungkin
telah mengecualikan beberapa studi (misalnya, studi terutama menggunakan istilah antarmuka
adaptif). Namun, untuk memasukkan sebanyak mungkin studi terbaru yang relevan, pencarian
kami menyertakan enam perpustakaan digital. Kedua, karena bidang penelitian yang diamati
berusia puluhan tahun dan minat penelitian ini adalah tren terbaru, kami menghapus sejumlah
besar artikel berdasarkan tahun publikasi. Akibatnya, beberapa penelitian mendasar dan inovatif
dikeluarkan. Karena luasnya cakupan bidang, intersepsi di bidang IUI, dan beragamnya kualitas
dan kompleksitas studi yang diamati, proses ekstraksi dan klasifikasi data menjadi menantang.
Untuk meningkatkan validitas skema klasifikasi yang awalnya diusulkan, kami melakukan studi
percontohan dan meningkatkan skema pada berbagai iterasi. Untuk memudahkan perbandingan
temuan dengan studi lain, skema yang digunakan dalam pekerjaan terkait juga dipertimbangkan
saat melakukan studi percontohan.
6. Kesimpulan
Karya ini menambah pengetahuan di bidang multidisiplin antarmuka pengguna yang cerdas,
terutama menghubungkan HCI dan AI. Tinjauan umum yang objektif, objektif, dan sistematis
tentang tren di bidang IUI dalam dekade terakhir disajikan. Dari total 9849 penelitian, setelah
memperkenalkan filter penyempitan, kami memilih 211 artikel dan mengekstrak karakteristiknya
dalam pemetaan kami.
Temuan berikut diperoleh dengan analisis kami. Minat ilmiah dalam solusi IUI aktif
dan diikuti oleh sejumlah besar penelitian, yang mencapai puncaknya baru-baru ini
Sensor2022,22,
28
pada tahun 2019. Studi terutama mencakup aspek campuran dari area HCI dan AI. Penelitian
ini terutama kuantitatif, dengan eksperimen sebagai jenis penelitian utama. Demikian pula,
eksperimen, pengembangan prototipe, dan kuesioner adalah metode perolehan data utama
yang diamati dalam studi utama. Kontribusi utama dalam studi yang dipublikasikan adalah,
sebagian besar, antarmuka pengguna dan sistem. Solusi paling sering dimiliki oleh domain
HCI dan SE, kemudian diikuti oleh layanan kesehatan. Sejumlah besar domain aktif di mana
IUI diterapkan diamati. Lebih dari separuh solusi menggunakan teknik dan algoritma ML;
kebanyakan studi mengamati pemanfaatan pembelajaran yang diawasi. Analisis algoritma AI,
algoritma jaringan saraf tiruan, dan algoritma berbasis instance, klasifikasi, dan pemrosesan
bahasa alami adalah metode yang paling umum.
Peluang berikut diakui untuk penelitian masa depan: evaluasi IUI tidak memiliki
pedoman untuk menguji karakteristik khusus IUI bersama dengan metode standar yang
hemat biaya yang akan menawarkan evaluasi solusi yang diusulkan dengan cepat dan
dapat diterapkan secara luas. Demikian pula, analisis metrik yang paling sesuai untuk
evaluasi IUI menghadirkan peluang untuk penelitian masa depan. Publikasi
pembelajaran dalam bentuk artikel pengalaman dengan tantangan ini. Peluang untuk
evaluasi bersama UX dan kegunaan diamati, karena mereka dapat menawarkan
beberapa wawasan yang lebih luas tentang interaksi manusia-komputer dengan IUI.
Penerapan IUI dalam domain aksesibilitas masih jarang, meskipun memiliki peluang
untuk meningkatkan interaksi manusia-komputer bagi penyandang disabilitas.
Kontribusi Penulis:Artikel ini merupakan hasil kerja sama semua penulis. SB mengusulkan ide,
merancang proses review, mencari literatur, meninjau literatur, mengekstrak data, melakukan
analisis data, dan menulis naskah. TH meninjau literatur, melakukan analisis data, dan merevisi
draf pertama naskah. B.. meninjau literatur, mengekstrak data, menyiapkan data untuk analisis,
dan merevisi draf pertama. Semua penulis mengoreksi artikel. Semua penulis telah membaca dan
menyetujui versi naskah yang diterbitkan.
Ucapan terima kasih:Para penulis mengakui dukungan keuangan dari Badan Penelitian Slovenia
(pendanaan inti penelitian No. P2-0057).
Konflik kepentingan:Para penulis menyatakan tidak ada konflik kepentingan. Para penyandang dana tidak memiliki peran
dalam desain penelitian; dalam pengumpulan, analisis, atau interpretasi data; dalam penulisan naskah; atau dalam keputusan
untuk mempublikasikan hasil.
Singkatan
Singkatan berikut digunakan dalam naskah ini:
AI
AUI Kecerdasan buatan Antarmuka
SE mesin
Rekayasa Perangkat Lunak
SLR
Tinjauan literatur sistematis Studi
SMS
pemetaan sistematis Antarmuka
UI
pengguna
UX
Pengalaman pengguna
Sensor2022,22,
29
Tabel A1.Analisis definisi: definisi yang diekstraksi, ruang lingkup, dan teknologi yang dijelaskan.
Berfokus pada
Termasuk
Termasuk
Bidang,
Cerd
AD
D1 S91 “Istilah cerdas dengan ini menjelaskan kemampuan antarmuka pengguna untuk secara ekstensif
beradaptasi dengan konteks penggunaan, yaitu, untuk pengguna tertentu, tugas, dan alat yang
tersedia.”
D2 S92 “Adaptasi UI yang cerdas memungkinkan aplikasi untuk bertindak lebih seperti x
manusia dan akibatnya, lebih cerdas.”
D3 S199 “. . . dan sarana cerdas dan adaptif untuk menerapkan teknik respons yang x
tepat. Selain itu, antarmuka cerdas dapat mempelajari gaya hidup subjek
dan menyesuaikan gaya/mode interaksi yang sesuai.”
D4 S138 “Intelligent User Interfaces (IUI) adalah antarmuka manusia-mesin yang memiliki x
tujuan untuk meningkatkan efektivitas, kealamian dan efisiensi interaksi
(interaksi mesin manusia) dengan penalaran (melibatkan (AI) metode kecerdasan
buatan), mewakili dan memodelkan pengguna , tugas, perangkat, dan konteks.”
D5 S189 “Beradaptasi dengan perilaku manusia dan niat yang mendasarinya semakin penting x
dalam mengembangkan antarmuka pengguna yang cerdas di berbagai bidang
aplikasi”
D6 S56 “Antarmuka pengguna yang cerdas (IUI) harus dapat menyesuaikan perilakunya dengan pengguna, x
perangkat, dan situasi yang berbeda.”
D7 S6 “Antarmuka pengguna yang cerdas adalah UI yang berisi beberapa perspektif
H10 S52
“Berdasarkan penelitian yang dipublikasikan, seseorang dapat membuat daftar fungsi x
yang terkait erat dengan gagasan antarmuka cerdas [35,43]: 1. analisis tindakan
pengguna;
2. sistem dialog (berbasis pidato);
3. kemampuan beradaptasi, yaitu sistem dapat mengubah pola perilakunya, sesuai
dengan situasi.”
Sensor2022,22,
30
Tabel A1.Lanjutan.
Berfokus pada
Termasuk
Termasuk
Bidang,
Cerd
AD
D11 S56 “Selain itu, antarmuka ini milik sistem perangkat lunak yang mampu menyesuaikan diri x
dengan penggunanya.”
D12 S34 “...dengan kemampuan mereka untuk beradaptasi saat run-time dan membuat beberapa x
keputusan komunikasi mengenai 'apa', 'kapan', 'mengapa' dan 'bagaimana' berkomunikasi.”
Di dalamnya, mereka berhubungan dengan tampilan sebelumnya dari konsep komunikasi UI
H13 S35 kepada pengguna.” “...berfokus pada antarmuka yang membutuhkan teknologi cerdas untuk x
mewujudkannya [44]. Ini termasuk teknik bahasa alami dalam antarmuka, antarmuka untuk
sistem pembelajaran cerdas, metode baru untuk mengenali gerakan dan perhatian, antara
lain.”
H14 S20 “Umumnya, antarmuka pengguna yang cerdas berarti bahwa sisi komputer memiliki x
pemahaman lanjutan tentang lingkungan, yang memungkinkan antarmuka untuk lebih
memahami kebutuhan pengguna dan untuk mempersonalisasi atau memimpin interaksi.”
H15 S57 “...antarmuka manusia-mesin yang bertujuan untuk meningkatkan efisiensi, efektivitas, dan x
kealamian interaksi manusia-mesin dengan merepresentasikan, menalar, dan bertindak
berdasarkan model pengguna, domain, tugas, wacana, dan media—antarmuka pengguna
yang cerdas ( IUI), gunakan kecerdasan buatan (AI), interaksi manusia-komputer (HCI),
rekayasa perangkat lunak (SE) dan teknik lainnya untuk mempromosikan interaksi manusia-
mesin yang lebih alami dan bermanfaat.”
D16 S29 “Selain itu, bagaimanapun, antarmuka cerdas menjanjikan untuk menyediakan fitur x
tambahan, seperti [45]:
•pengenalan input informasi multimodal yang tidak akurat, ambigu dan/atau parsial
(memperoleh dan memproses informasi dalam sistem menggunakan berbagai
perangkat seperti mouse, keyboard, mikrofon);
•menciptakan representasi multimodal yang koheren, terpadu, dan dapat dipahami;
•pemecahan masalah otomatis sepenuhnya atau sebagian;
•manajemen interaksi (pemecahan masalah, kustomisasi, adaptasi antarmuka) melalui
representasi, inferensi, dan penggunaan model pengguna, model domain, model
tugas, dan model konteks.
Dengan kata lain, "kecerdasan" dari antarmuka pengguna dapat diartikan sebagai beberapa
agen subrutin"
H17 S172 “Dalam makalah ini kami membahas karakteristik utama dari Intelligent User Interface x
(IUI) untuk pembuatan cloud, yaitu, naturalitas, mobilitas cerdas, konfigurasi mandiri,
dan kustomisasi yang fleksibel.”
H18 S84 “Dalam makalah ini, kami menggunakan istilah IUI untuk merujuk pada antarmuka di mana sistem x
mencoba menafsirkan maksud pengguna.”
H19 S34 “...antarmuka pengguna yang cerdas” adalah antarmuka manusia-mesin yang x
bertujuan untuk meningkatkan efisiensi, efektivitas, dan kealamian interaksi manusia-
mesin dengan merepresentasikan, menalar, dan bertindak berdasarkan model
pengguna, domain, tugas, wacana, dan media (misalnya grafik, bahasa alami,
gerakan). Definisi mereka mencakup kemampuan untuk berpikir dan memahami
bahasa dan gerak tubuh (kecerdasan linguistik dan kinestetik fisik). Juga, itu
mendefinisikan tujuan atau tujuan dari kecerdasan teknologi - efisiensi, efektivitas, dan
kealamian interaksi.
Sensor2022,22,
31
Tabel A1.Lanjutan.
Berfokus pada
Termasuk
Termasuk
Bidang,
Cerd
AD
D20 S171 “Antarmuka Pengguna Cerdas (IUI) adalah teknologi yang dimaksudkan untuk x
menengahi antara pengguna manusia dan mesin penalaran (misalnya, [46,47]). Seperti
arsitektur kognitif, mereka terinspirasi oleh wawasan dari psikologi eksperimental,
tetapi dalam hal ini fokusnya adalah pada wawasan tentang fungsi sistem persepsi
manusia daripada mekanisme penalaran internal.
D21 S139 “Antarmuka pengguna yang cerdas sedang diusulkan sebagai sarana untuk membuat x
sistem menjadi individual atau personal, sehingga meningkatkan fleksibilitas dan daya tarik
sistem. . . ”
D22 S151 “Antarmuka pengguna yang cerdas memiliki tujuan untuk beradaptasi secara dinamis dengan kebutuhan x
pengguna saat mereka berinteraksi dengan sistem informasi.”
D23 S115 “Antarmuka Pengguna Cerdas mengacu pada studi dan penggunaan dua
x bidang utama Ilmu Komputer yaitu Interaksi Komputer Manusia (HCI) dan
Kecerdasan Buatan (AI). HCI menyediakan teknik perancangan antarmuka
pengguna yang efisien dan AI digunakan untuk mengotomatisasi atau
membangun kecerdasan di antarmuka tersebut. Pada dasarnya istilah IIUIs
menunjukkan bahwa sebuah antarmuka atau antarmuka seperti sistem,
yang berinteraksi dengan pengguna, harus menghasilkan beberapa output
yang dianggap sebagai kecerdasan oleh pengguna, misalnya, jika pengguna
tidak tahu cara menyalin file di sistem operasi windows kemudian di
windows help harus ada bantuan yang tersedia untuk ini ketika pengguna
mencari ini, jika pengguna mengklik tombol yang salah maka pesan
otomatis harus muncul untuk bantuan pengguna,
H24 S148 “Antarmuka pengguna yang cerdas diusulkan sebagai sarana untuk membuat sistem lebih x
adaptif terhadap manusia, karena pengguna akhir sering kali harus mengatasi masalah
luapan informasi atau kelebihan kognisi ketika menghadapi sistem yang kompleks.”
D25 S87 “IUI adalah antarmuka dengan kemampuan adaptif, komunikasi, dan pemecahan masalah x
untuk membantu pengguna dengan cara yang cerdas.”
D26 S57 “IUI menggunakan teknik adaptasi untuk menjadi “cerdas/adaptif”, yaitu adaptivitas x
dibangun ke dalam sistem. Jadi sistem dengan IUI secara otomatis menyesuaikan beberapa
aspek dengan mempertimbangkan konteks penggunaan saat ini.”
D27 S153 Banyak juga alasan mengapa antarmuka aplikasi komputer dapat disebut cerdas: x
antarmuka yang memiliki pengetahuan tentang fungsionalitas aplikasi, antarmuka
yang memiliki pengetahuan tentang preferensi pengguna, antarmuka adaptif diri,
yaitu antarmuka yang didasarkan pada interaksi. dengan pengguna dapat
menyesuaikan diri dengan kebutuhannya, antarmuka yang memproses bahasa alami
dan menggunakan analisis semantik.”
D28 S35 “Penelitian di Antarmuka Pengguna Cerdas menjelaskan kelas luas jenis sistem x
yang menerapkan teknik Kecerdasan Buatan ke berbagai aspek Interaksi
Manusia-Komputer.”
D29 S28 “Fondasi antarmuka pengguna adaptif atau cerdas (AUI atau IUI) disajikan, x
tiga domain inti yang difokuskan: Kecerdasan Buatan (AI), Pemodelan
Pengguna (UM) dan Interaksi Manusia-Komputer (HCI).”
Sensor2022,22,
32
Tabel A1.Lanjutan.
Berfokus pada
Termasuk
Termasuk
Bidang,
Cerd
AD
H30 S52 “Antarmuka pengguna yang cerdas memungkinkan untuk meningkatkan tingkat x
otonomi objek yang dikendalikan, serta berkontribusi pada kealamian dan
ergonomi interaksi manusia-mesin, memungkinkan pengguna untuk
memanfaatkan cara interaksi yang nyaman dan/atau alami sesuai dengan
kebutuhannya. Aspek pertama, yaitu, meningkatkan tingkat otonomi sistem,
penting untuk sistem robotik kompleks yang berfungsi dalam kondisi
ketidakpastian informasi, yang terakhir (meningkatkan ergonomi dan kealamian
antarmuka)—penting ketika sistem robot berinteraksi dengan manusia. (robot
sosial, robot bantu, exoskeleton, dll.).”
D31 S8 “Kebutuhan akan kecerdasan di UI juga telah mendorong penelitian dan x
pengembangan metode dan algoritme AI baru, yang memungkinkan
pengembangan interaksi cerdas manusia-komputer (HCII) dan IUI.”
D32 S138 “. . . sistem yang dapat meniru dialog manusia, dan mungkin antarmuka x
adaptif.”
D33 S49 "Istilah "antarmuka manusia-mesin cerdas" dipahami sebagai antarmuka yang x
menggunakan teknologi kecerdasan buatan [43] Antarmuka pengguna yang cerdas
memungkinkan peningkatan otonomi perangkat dan berkontribusi pada kealamian
dan ergonomi interaksi manusia-mesin; dengan demikian, pengguna bebas
menggunakan cara interaksi yang nyaman, atau alami untuk situasi tertentu.”
H34 S87 “Antarmuka ini termasuk jenis sistem cerdas yang mampu beradaptasi sendiri dengan x
pengguna dengan masalah kesehatan yang berbeda, ini dimungkinkan melalui
penentuan karakteristik perilaku yang membedakan setiap pengguna dari yang lain.”
D35
S115 “Antarmuka ini mengubah perilaku mereka sesuai dengan skenario waktu x
D36 nyata yang diterapkan.”
S66 “Komponen ini mengadaptasi dan merender elemen antarmuka melalui penggunaan x
H37 algoritme ML dengan memahami tujuan pengguna.”
S101 “Untuk mengoordinasikan para profesional yang berbeda, sumber dan sistem tepercaya yang x
dinamis dan mampu menyesuaikan respons dengan cepat diperlukan untuk memberikan informasi
waktu nyata Antarmuka pengguna cerdas yang baru berjanji untuk meningkatkan kualitas
koordinasi dan mengurangi kerangka waktu untuk melakukan hal ini.”
D38 S204 “Untuk meringkas, alih-alih pengguna beradaptasi dengan antarmuka, IUI dapat x
beradaptasi dengan pengguna dan lingkungannya. IUI mencoba menentukan
kebutuhan pengguna individu dan berupaya memaksimalkan efisiensi komunikasi.
Pendekatan ini mirip dengan toolkit pengembangan agen sesuai dengan spesifikasi
untuk sistem berbasis agen yang dapat dioperasikan.”
Tanda “x” digunakan untuk menunjukkan karakteristik yang diambil dari definisi.
Sensor2022,22,
Tanda “x” digunakan untuk menunjukkan karakteristik yang diambil dari
x
Personalisasi
x
Kemampuan untuk Bernalar
x
Berjalan saat Runtime
x
Kemampuan untuk Meniru
x
x
Kemampuan untuk Memutuskan
x
Ergonomis
x
Alami
x
Dapat disesuaikan
x
Kemampuan untuk Mewakili
x
x
Pendampingan
x
x
Kemampuan untuk Bernalar
x
x
Luas
x
Otonom
x
x
Kemampuan untuk Mengenali
x
x Intelijen
x
33 dari
Kemampuan untuk Memecahkan Masalah
x
x
Sensor2022,22,
34
Tabel A3.Analisis definisi: Tindakan apa yang dilakukan IUI dan adaptasinya.
Tindakan Adaptasi
Pola Perilaku
Pengetahuan
Maksud Pengguna,
Kustomisasi
Komunikasi
Personalisa
Perolehan
Pemikiran
Lingkung
Adaptasi
manusia
Menganali
Skenario
Perilaku
Domain
Pemodel
Ceram
Perhati
Media
Sikap
Sasaran
Konte
ah
an
an
si
D1 x x
D2
D3 x x x
D4 x x x x x x x
D5 x x
D6 x x x x
D7
D8
D9
H10 x x x
D11 x x
D12 x
H13 x
H14 x x
H15 x x x x x x x
D16 x x x
H17 x
H18 x
H19 x x x x x x x
D20
D21 x
D22 x x
D23
H24 x x
D25 x x x
D26 x x
D27 x x x x x
D28
D29
H30 x x
D31
D32 x
D33 x
H34 x x x
D35 x x
D36 x x
H37 x
D38 x x x x
Tanda “x” digunakan untuk menunjukkan karakteristik yang diambil dari definisi.
Sensor2022,22,
35
Referensi
1. Shedroff, N.; Noessel, C.Make It So: Pelajaran Desain Interaksi dari Fiksi Ilmiah; Rosenfeld Media: New York, NY, AS, 2012.
2. Database Kutipan Film. Kutipan dari 2001: A Space Odyssey Tersedia. 2008–2022. Tersedia secara online:https://www.
moviequotedb.com/movies/2001-a-space-odyssey/quote_221.html(diakses pada 3 Juli 2022).
3. Dawden, warisan D. HAL; Komputer tahun 2001 sebagai mimpi dan kenyataan: Diedit oleh David G Stork MIT Press Cambridge Mass (1997) 384 pp
£16,95 ISBN 0 212 19378 7.Int. J.Inf. Kelola.1997,17, 297. [CrossRef]
4. AbdAlmaged, W. Anti-spoofing state-of-the-art: deep learning memenuhi sensor super.Bioma. teknologi. Hari ini2019,2019, 8–11. [
CrossRef]
5. Gonçalves, TG; Kolski, C.; de Oliveira, KM; Travassos, GH; Strugeon, EGL Tinjauan Literatur Sistematis tentang Antarmuka
Pengguna Cerdas: Hasil Awal. Dalam Prosiding Konferensi ke-31 tentang l'Interaction Homme-Machine: Adjunct, Grenoble,
Prancis, 10–13 Desember 2019; Asosiasi untuk Mesin Komputasi: New York, NY, AS, 2019; [CrossRef]
6. Sanchez, C.; Cedillo, P.; Bermeo, A. Studi Pemetaan Sistematis untuk Antarmuka Pengguna Cerdas—IUI. Dalam Prosiding Konferensi
Internasional 2017 tentang Sistem Informasi dan Ilmu Komputer (INCISCOS), Quito, Ekuador, 23–25 November 2017; hal. 361–368. [
CrossRef]
7. Miraz, MH; Ali, M.; Excell, PS Antarmuka pengguna adaptif dan kegunaan universal melalui plastisitas desain antarmuka pengguna.
Hitung. Sci. Putaran.2021,40, 100363. [CrossRef]
8. Van Velsen, L.; Van Der Geest, T.; Klaassen, R.; Steehouder, M. Evaluasi yang berpusat pada pengguna dari sistem adaptif dan adaptable: Sebuah
tinjauan literatur.tahu. Ind. Putaran.2008,23, 261–281. [CrossRef]
9. umak, B.; Brdnik, S.; Pušnik, M. Sensor dan Metode dan Algoritma Kecerdasan Buatan untuk Interaksi Cerdas Manusia &
Komputer: Studi Pemetaan Sistematis.Sensor2022,22, 20. [CrossRef]
10.Volkel, ST; Schneegass, C.; Eiband, M.; Buschek, D. Apa itu "Cerdas" di Antarmuka Pengguna Cerdas? Sebuah Meta-Analisis 25 Tahun IUI.
Dalam Prosiding Konferensi Internasional ke-25 tentang Antarmuka Pengguna Cerdas, Cagliari, Italia, 17–20 Maret 2020; Asosiasi
untuk Mesin Komputasi: New York, NY, AS, 2020; hlm. 477–487. [CrossRef]
11.Maybury, MT; Wahlster, W. Antarmuka Pengguna Cerdas: Sebuah Pengantar. DiBacaan di Antarmuka Pengguna Cerdas; Morgan
Kaufmann Publishers Inc.: San Francisco, CA, AS, 1998; hal 1–13.
12.Schlungbaum, E. Antarmuka Pengguna Individual dan Perangkat Perangkat Lunak Antarmuka Pengguna Berbasis Model. Dalam
Prosiding Konferensi Internasional ke-2 tentang Antarmuka Pengguna Cerdas, Orlando, FL, AS, 6–9 Januari 1997; Asosiasi untuk Mesin
Komputasi: New York, NY, AS, 1997; hal.229–232. [CrossRef]
13. Liu, J.; Wong, CK; Hui, KK Antarmuka pengguna adaptif berdasarkan pembelajaran yang dipersonalisasi.Intel IEEE. Sistem2003,18, 52–57. [
CrossRef]
14. Benyon, D.; Murray, D. Menerapkan pemodelan pengguna untuk desain interaksi manusia-komputer.Arti. Intel. Putaran.1993,7, 199–225. [
CrossRef]
15. Raheel, S. Meningkatkan pengalaman pengguna menggunakan Antarmuka Pengguna Adaptif yang cerdas dalam aplikasi seluler. Dalam
Prosiding Konferensi Multidisiplin Internasional IEEE 2016 tentang Teknologi Rekayasa (IMCET), Beirut, Lebanon, 2–4 November 2016; hlm. 64–
68. [CrossRef]
16. Shaw, IS Apa itu Sistem Cerdas? DiKontrol Fuzzy Sistem Industri: Teori dan Aplikasi; Pegas: Boston, MA, AS, 1998; hal. 1-3. [
CrossRef]
17. Syekh, S.; Sawand, M.; Khan, N.; Solangi, FB Pemahaman Komprehensif Antarmuka Pengguna Cerdas.Int. J. Adv. Hitung. Sci.
aplikasi2017,8, 395–401. [CrossRef]
18. Organisasi Internasional untuk Standardisasi.Ergonomi Interaksi Manusia-Sistem—Bagian 11: Kegunaan: Definisi dan Konsep;
Organisasi Internasional untuk Standardisasi: Jenewa, Swiss, 2018.
19. Organisasi Internasional untuk Standardisasi. Kegunaan; Organisasi Internasional untuk Standardisasi:
Jenewa, Swiss, 2021.
20.Rusu, C.; Rusu, V.; Roncagliolo, S.; González González, C. Kegunaan dan Pengalaman Pengguna: Apa yang Harus Kita Peduli?Int. J.Inf.
teknologi. Sistem Pendekatan (IJITSA)2015,8, 1–12. [CrossRef]
21.Zhou, Y.; Niu, S. Penelitian Sistem Evaluasi dan Metode Kuantitatif Smartphone Berdasarkan User Experience. Di Prosiding
Konferensi Internasional Asia ke-6 tentang Teknik Industri dan Inovasi Manajemen; Qi, E., Ed.; Atlantis Press: Paris, Prancis,
2016; hal.97–106.
22. Zhou, J.; Miao, X.; Dia, F.; Miao, Y. Pengaruh Gaya Font dan Warna Font dalam Teks Berita pada Beban Kognitif Pengguna di Antarmuka Pengguna
Cerdas.Akses IEEE2022,10, 10719–10730. [CrossRef]
23. Weisz, JD; Muller, M.; Ross, SI; Martinez, F.; Houde, S.; Agarwal, M.; Talamadupula, K.; Richards, JT Lebih Baik Bersama? Evaluasi
Terjemahan Kode yang Didukung AI. Dalam Prosiding Konferensi Internasional ke-27 tentang Antarmuka Pengguna Cerdas,
Helsinki, Finlandia, 22–25 Maret 2022; Asosiasi Mesin Komputasi: New York, NY, AS, 2022; hal.369–391. [CrossRef]
24.Höök, K. Tutorial 2: Merancang dan Mengevaluasi Antarmuka Pengguna yang Cerdas. Dalam Prosiding Konferensi Internasional ke-3
tentang Antarmuka Pengguna Cerdas, San Francisco, CA, AS, 6–9 Januari 1998; Asosiasi untuk Mesin Komputasi: New York, NY, AS,
1998; hal.5–6. [CrossRef]
25.Gajos, KZ; Everitt, K.; Tan, DS; Czerwinski, M.; Pengelasan, Prediktabilitas, dan Akurasi DS dalam Antarmuka Pengguna Adaptif. Dalam
Prosiding Konferensi SIGCHI tentang Faktor Manusia dalam Sistem Komputasi, Florence, Italia, 5-10 April 2008; Asosiasi untuk Mesin
Komputasi: New York, NY, AS, 2008; hal. 1271–1274. [CrossRef]
Sensor2022,22,
36
26. Hefley, KAMI; Murray, D. Antarmuka Pengguna Cerdas. Dalam Prosiding Konferensi Internasional Pertama tentang Antarmuka
Pengguna Cerdas, Orlando, FL, AS, 4–7 Januari 1993; Asosiasi untuk Mesin Komputasi: New York, NY, AS, 1993; hal 3–10.
[CrossRef]
27.Yordania, MI; Mitchell, TM Pembelajaran mesin: Tren, perspektif, dan prospek.Sains2015,349, 255–260. [CrossRef] [PubMed]
28.Painuli, D.; Misra, D.; Bhardwaj, S.; Aggarwal, M. 20—Prakiraan dan prediksi COVID-19 menggunakan pembelajaran mesin. DiIlmu Data
untuk COVID-19; Kose, U., Gupta, D., de Albuquerque, VHC, Khanna, A., Eds.; Pers Akademik: Cambridge, MA, AS, 2021; hal. 381–397. [
CrossRef]
29.Abdul, A.; Vermeulen, J.; Wang, D.; Lim, OLEH; Kankanhalli, M. Tren dan Lintasan untuk Sistem yang Dapat Dijelaskan, Akuntabel, dan
Dapat Dicerahkan: Sebuah Agenda Penelitian HCI. Dalam Prosiding Konferensi CHI 2018 tentang Faktor Manusia dalam Sistem
Komputasi, Montreal, QC, Kanada, 21–26 April 2018.
30. Guerino, GC; Valentim, NMC Kegunaan dan evaluasi pengalaman pengguna antarmuka pengguna alami: Sebuah studi pemetaan sistematis. IET
Softw.2020,14, 451–467. [CrossRef]
31.Petersen, K.; Feldt, R.; Mujtaba, S.; Mattsson, M. Studi Pemetaan Sistematis dalam Rekayasa Perangkat Lunak. Dalam Prosiding
Konferensi Internasional ke-12 tentang Evaluasi dan Penilaian dalam Rekayasa Perangkat Lunak, Bari, Italia, 26–27 Juni 2008;
Pembelajaran BCS & Development Ltd.: Swindon, Jerman, 2008; hal.68–77.
32. Wieringa, R.; Gadis, N.; Mead, N.; Rolland, C. Persyaratan Klasifikasi dan Kriteria Evaluasi Makalah Teknik: Proposal dan Diskusi.
membutuhkan. Ind.2005,11, 102–107. [CrossRef]
33.Patrick, E.Antarmuka Pengguna Cerdas: Pengenalan dan Survei; TU Delft: Delft, Belanda, 2003.
34. Balaji, TK; Annavarapu, CSR; Bablani, A. Algoritma Pembelajaran Mesin untuk Analisis Media Sosial: Sebuah Survei. Hitung. Sci. Putaran. 2021,40,
100395. [CrossRef]
35.Zhang, Y.Kemajuan Baru dalam Pembelajaran Mesin; IntechOpen: London, Inggris, 2010.
36. Giovanna, C.; Nassimbeni, G.; Orze, G.; Sartor, M. Dibalik Definisi Industri 4.0: Analisis dan Pertanyaan Terbuka.Int. J.Prod.
Ekonomi2020,226, 107617. [CrossRef]
37.Bornmann, L. Masalah penilaian dampak kutipan untuk tahun publikasi terakhir dalam evaluasi kelembagaan.J.Inf.2013, 7, 722–
729. [CrossRef]
38.Chakraborty, N.; Mondal, S. Color Pass: Antarmuka pengguna yang cerdas untuk menahan serangan selancar bahu. Dalam Prosiding
Simposium Teknologi Mahasiswa IEEE 2014, Kharagpur, India, 28 Februari–2 Maret 2014; hal.13–18. [CrossRef]
39. Taele, P.; Hammond, T. BopoNoto: Aplikasi Pendidikan Sketsa Cerdas untuk Mempelajari Skrip Fonetik Zhuyin. Dalam Prosiding
Konferensi Internasional ke-21 tentang Sistem Multimedia Terdistribusi, Vancouver, BC, Kanada, 31 Agustus–2 September
2015; hal.101–107. [CrossRef]
40.Dostal, J.; Kristensson, PO; Quigley, A. Teknik Halus Tatapan-Tergantung untuk Memvisualisasikan Perubahan Tampilan di Lingkungan
Multi-Tampilan. Dalam Prosiding Konferensi Internasional 2013 tentang Antarmuka Pengguna Cerdas, Santa Monica, CA, AS, 19–22
Maret 2013; Asosiasi untuk Mesin Komputasi: New York, NY, AS, 2013; hal.137-148. [CrossRef]
41.Hartmann, M.Tantangan dalam Mengembangkan Antarmuka Pengguna Cerdas Adaptif Pengguna; LWA: Watervliet, NY, AS, 2009.
42.Höök, K. Langkah-langkah yang harus diambil sebelum antarmuka pengguna yang cerdas menjadi nyata.Berinteraksi. Hitung.2000,12, 409–426. [CrossRef]
43.Antsaklis, PJ; Passino, KMPengantar Kontrol Cerdas dan Otonom; Penerbit Akademik Kluwer: Park Norwell, MA, AS, 1993.
44. Paris, C.; Sidner, CL Pengantar Edisi Khusus KBS tentang Antarmuka Pengguna Cerdas.Sistem Berbasis Pengetahuan.2007,20, 509–510.
[CrossRef]
45. Pavlov, A.; Pidnebesna, H.; Stepashko, V. Pendekatan Berbasis Ontologi untuk Konstruksi Antarmuka Cerdas untuk Alat
Pemodelan Induktif. Dalam Prosiding Konferensi Internasional ke-15 IEEE 2020 tentang Ilmu Komputer dan Teknologi
Informasi (CSIT), Zbarazh, Ukraina, 23–26 September 2020; Jilid 2, hlm. 26–29. [CrossRef]
46. Kayu, SD; Zaientz, J.; Jenggot, J.; Frederiksen, R.; Lisse, S.; Crossman, J.; Huber, M.Kerangka Kerja Agen Antarmuka Cerdas untuk
Perintah dan Kontrol Pengawas; Laporan teknikal; Soar Technology Inc.: Ann Arbor, MI, AS, 2004.
47.Tanggul Parunak, HV; Huber, M.; Jones, R.; Kuis, M.; Zaientz, J. CaFé: Proses Kelompok untuk Merasionalisasi Teknologi dalam Sistem
AAMAS Hybrid. DiLokakarya Internasional tentang Sistem Multi-Agen Rekayasa; Springer: Berlin, Jerman, 2014, hlm. 227–245.