Impact of technological support on the workload of software prototyping

Suleri, Sarah; Jarke, Matthias; Schroeder, Ulrik; Prinz, Wolfgang

doi:40113

Impact of technological support on the workload of software prototyping

Suleri, Sarah^RWTH*

2021

Verantwortlichkeitsangabevorgelegt von Sarah Suleri, M.Sc.

ImpressumAachen : RWTH Aachen University 2021

Umfang1 Online-Ressource (xxvi, 209 Seiten) : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2021

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Jarke, Matthias (Thesis advisor)^RWTH* ; Prinz, Wolfgang (Thesis advisor)^RWTH* ; Schroeder, Ulrik (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2021-02-18

Online
DOI: 10.18154/RWTH-2021-02114
URL: https://publications.rwth-aachen.de/record/814215/files/814215.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
UI design (frei) ; UI design pattern (frei) ; UI prototyping (frei) ; deep learning (frei) ; persona (frei) ; prototyping (frei) ; software prototyping (frei) ; user interface (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
Das Prototyping ist eine weit verbreitete iterative Technik für das Brainstorming, die Kommunikation und die Bewertung von UI-Designs. Diese Forschung zielt darauf ab, diesen Prozess unter drei Aspekten zu analysieren: traditionelles UI-Prototyping, Rapid Prototyping und Prototyping für Barrierefreiheit. Wir schlagen drei neuartige Ansätze vor und realisieren sie durch die Einführung von drei Artefakten: 1) Eve, eine skizzen-basierte Prototyping-Werkbank, die die Automatisierung der Umwandlung von Prototypen mit geringer Wiedergabetreue in höhere Wiedergabetreue unterstützt, 2) Kiwi, eine Bibliothek mit UI-Design Patterns und Guidelines zur Unterstützung des Pattern-gesteuerten Prototypings von UI-Designs, 3) Personify, eine Persona-basierte Bibliothek mit UI-Design Guidelines für barrierefreies UI-Prototyping. Wir evaluieren die Nutzbarkeit dieser Artefakte, und die Ergebnisse weisen auf eine gute Nutzbarkeit und Lernfähigkeit hin. Darüber hinaus verwenden wir NASA-TLX, um die Auswirkungen der Verwendung dieser drei neuartigen Ansätze auf die subjektive Arbeitsbelastung der Designer während des Software-Prototyping-Prozesses zu untersuchen. Unsere Analyse der Arbeitsbelastung zeigt, dass Eves umfassende Unterstützung im Gegensatz zum traditionellen Prototyping-Ansatz den Wechsel zwischen verschiedenen Prototyping-Tools überflüssig macht, während die Prototypen mit niedriger, mittlerer und hoher Wiedergabetreue durchlaufen werden. Folglich ist die subjektive Arbeitsbelastung von Designern, die den von Eve angebotenen umfassenden Ansatz nutzen, deutlich geringer. Auch die mentale Belastung, die zeitliche Belastung und der Arbeitsaufwand sind deutlich geringer, und die wahrgenommene Gesamtleistung steigt mit dem umfassenden Ansatz um das Fünffache (Eve). In ähnlicher Weise ist die subjektive Arbeitsbelastung von der Designer, die den Pattern-getriebenen Ansatz mit Kiwi verwenden, deutlich geringer als die Arbeitsbelastung, die mit dem traditionellen Ansatz des Rapid Prototyping verbunden ist. Insbesondere sind der physische Aufwand und die physische Beanspruchung beim Rapid Prototyping bei Verwendung des Pattern-getriebenen Ansatzes deutlich geringer als beim traditionellen Ansatz des Rapid Prototyping. Und schließlich ist die subjektive Arbeitsbelastung, die Designer mit dem Persona-getriebenen Ansatz von Personify erfahren, signifikant geringer als die Arbeitsbelastung, die mit dem traditionellen Ansatz des Prototyping für die Zugänglichkeit erfahren wird. Genauer gesagt, es gibt einen signifikanten Rückgang der mentalen Anforderungen und des Aufwands für das Prototyping zugänglicher UI’s während der Verwendung von Personify. Diese Arbeit zielt darauf ab, frühere Arbeiten zum UI-Prototyping auszuweiten und ist allgemein anwendbar, um die Auswirkungen der Verwendung von tiefem Lernen, UI-Entwurfsmustern und Personas auf die Arbeitsbelastung beim UI-Prototyping zu verstehen.

Prototyping is a broadly utilized iterative technique for brainstorming, communicating, and evaluating user interface (UI) designs. This research aims to analyze this process from three aspects: traditional UI prototyping, rapid prototyping, and prototyping for accessibility. We propose three novel approaches and realize them by introducing three artifacts: 1) Eve, a sketch-based prototyping workbench that supports automation of transforming low fidelity prototypes to higher fidelities, 2) Kiwi, a UI design pattern and guidelines library to support UI design pattern-driven prototyping, 3) Personify, a persona-based UI design guidelines library for accessible UI prototyping. We evaluate the usability of these artifacts, and the results indicate good usability and learnability. Furthermore, we use NASA-TLX to study the impact of using these three novel approaches on the subjective workload experienced by the designers during the software prototyping process. Our workload analysis reveals that, unlike the traditional prototyping approach, Eve’s comprehensive support eliminates the need for switching between various prototyping tools while progressing through the low, medium, and high fidelity prototypes. Consequently, there is a significant decrease in subjective workload experienced by designers using the comprehensive approach offered by Eve. Also, there is a significant reduction in mental demand, temporal demand, effort, and five times increase in the overall perceived performance using the comprehensive approach (Eve). Similarly, the subjective workload experienced by designers using the pattern-driven approach using Kiwi is significantly less than the workload experienced using the traditional approach of rapid prototyping. Specifically, there is a significant decrease in physical demand and effort of rapid prototyping while using the pattern-driven approach. Lastly, the subjective workload experienced by UI/UX designers using the persona-driven approach offered by Personify is significantly less than the workload experienced using the traditional approach of prototyping for accessibility. Specifically, there is a significant decrease in mental demand and effort of prototyping accessible UIs while using Personify. This work aims to extend prior work on UI prototyping and is broadly applicable to understand the impact of using deep learning, UI design patterns, and personas on the workload of UI prototyping.

OpenAccess:
PDF
(additional files)