Relacje i wzajemne oddziaływanie miedzy architekturą informacji i projektowaniem UX a sztuczną inteligencją. Analiza bibliometryczna
DOI:
https://doi.org/10.24917/20811861.22.28Słowa kluczowe:
architektura informacji, user experience, sztuczna inteligencja, przegląd piśmiennictwa, analiza bibliometrycznaAbstrakt
Cel/Teza: W ostatnich latach obserwujemy gwałtowny postęp w rozwoju technologii sztucznej inteligencji, który powoduje dyskusje o przyszłości architektury informacji i projektowania UX. W artykule postawiono tezę, iż rozwój sztucznej inteligencji ma istotny wpływ na rozwój architektury informacji i projektowania UX implikując zmiany zarówno w ich polu badawczym jaki i w praktyce zawodowej. Metody badań: Podjęto próbę oceny natężenia i kierunków tych zmian oraz wskazania głównych obszarów wzajemnego oddziaływania architektury informacji i projektowania UX oraz sztucznej inteligencji. Jako podstawę oceny zastosowano analizę bibliometryczą piśmiennictwa przedmiotu zarejestrowanego w bazie Scopus. Wnioski: Uzyskane wyniki potwierdziły postawioną tezę, a analiza frekwencji i asocjacji słów kluczowych użytych w indeksowaniu badanego piśmiennictwa jako główne obszary wzajemnego oddziaływania architektury informacji i projektowania UX oraz sztucznej inteligencji pozwoliła wskazać przede wszystkim maszynowe uczenie i wykorzystanie systemów uczących się, a także zagadnienia związane z big data, zarządzaniem informacją i wiedzą, systemami wspierania decyzji, projektowaniem interfejsów i interakcji z systemami AI oraz Internetem Rzeczy.
Bibliografia
Dillon A., Information architecture in JASIST: Just where did we come from?, „Journal of the American Society for Information Science and Technology” 2002, vol. 53, no. 10, s. 821–823, https://doi.org/10.1002/asi.10090.
Dove G., Halskov K., Forlizzi J., Zimmerman J., UX design innovation: Challenges for working with machine learning as a design material,[w:] Conference on Human Factors in Computing Systems – Proceedings, ACM, New York 2017, s. 278–288, https://doi.org/10.1145/3025453.3025739.
Furtado L.S., Soares J.B., Furtado V., A task-oriented framework for generative AI in design, „Journal of Creativity” 2024, vol. 34, no. 2, https://doi.org/10.1016/j.yjoc.2024.100086.
Madera C., Laurent A., The next information architecture evolution: The data lake wave, [w:] 8th International Conference on Management of Digital EcoSystems, MEDES 2016, ACM, New York 2016, s. 174–180, https://doi.org/10.1145/3012071.3012077.
Nishikawa T., Lee M, Amau M., New generative methods for single-cell transcriptome data in bulk RNA sequence deconvolution, „Scientific Reports” 2024, vol. 14, no. 1, https://doi.org/10.1038/s41598-024-54798-z.
Reddy S., Generative AI in healthcare: an implementation science informed translational path on application, integration and governance, „Implementation Science” 2024, vol. 19, no. 1, https://doi.org/10.1186/s13012-024-01357-9.
Russo C.J., Nicklaus D.J., Tong S.S., Initial user experience with an artificial intelligence program for the preliminary design of centrifugal compressors, [w:] Proceedings of the ASME Turbo Expo, vol. 1, nr art. V001T01A075, Anaheim 1987, https://doi.org/10.1115/87-GT-217.
Shneiderman B., Human-Centered AI, Oxford University Press, New York 2022.
Yang Q., Steinfeld A., Rosé C., Zimmerman J., Re-examining whether, why, and how human-AI interaction is uniquely difficult to design, [w:] Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, ACM, New York 2020, s. 1–13, nr art. 3376301, https://doi.org/10.1145/3313831.3376301.
Yang X-S., Deb S., Fong S., He X., Zhao Y-X., From swarm Intelligence to metaheuristics: nature-inspired optimization algorithms, „Computer” 2016, vol. 49, no. 9, s. 52–59, https://doi.org/10.1109/MC.2016.292.
Pobrania
Opublikowane
Jak cytować
Numer
Dział
Licencja
Prawa autorskie (c) 2025 AUPC Studia ad Bibliothecarum Scientiam Pertinentia
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.
