Return to search

Designing an e-learning approach for UX designers about AI : A workplace e-learning perspective

Organizations need to stay on edge by taking advantage of the opportunities offered by emerging technologies such as Artificial Intelligence (AI). Modern software with AI-features is efficient when the user experience (UX) is not omitted. To generate better user-centered AI-features in software, UX designers need to be more knowledgeable about relevant AI-techniques and take advantage of their affordances. Currently, many UX designers lack such knowledge, and this thesis aims to fill this gap by suggesting a novel e-learning approach focusing on developing UX designers’ knowledge about human-centered AI. The proposed e-learning approach was developed as well as evaluated in close collaboration with the software company Visma. The overall methodological approach that has been used is Design Science Research (DSR; [16]). The proposed approach and relevant e-learning materials have been developed based on the state-of-the-art analysis and semi-structured interviews with six AI-experts at Visma. The designed e-learning approach was evaluated through a Technology Acceptance Model (TAM; [18]), measuring the UX designers’ behavioral intention to use the novel approach. The results show that they intended to use the e-learning approach for learning about AI-techniques in the near future. The e-learning approach was tested at two different times, and the design was refined, withholding more graphical elements after the feedback from the first test. After the final test, the behavioral intention to use the e-learning approach increased from the first evaluation. This study contributes with a novel e-learning approach for organizations’ transition into having a more proficient workforce within AI. Future research should focus on empowering other job-roles in learning about AI. / Organisationer kan ha bästa möjliga teknik genom att dra nytta av nya teknologier, såsom Artificiell Intelligens (AI). Modern mjukvara med AI-funktioner blir effektiv när användarupplevelsen (UX) inte är åsidosatt. För att skapa bättre användarcentrerade AI-funktioner i mjukvara behöver UX-designers bli mer kunniga inom AI-tekniker, och utnyttja möjligheterna som de teknikerna skapar. För närvarande saknar många UX-designers en sådan kunskap, och denna uppsats syftar till att fylla detta gap genom att föreslå en ny e-läro-strategi som fokuserar på utvecklingen av UX-designers kunskap om mänskligt centrerad AI. Den föreslagna e-läro-strategin utvecklades och utvärderades i nära samarbete med programvaruföretaget Visma. Den övergripande metodologin som har använts är Design Science Research (DSR; [16]). Den föreslagna strategin och relevant e-läro-material har utvecklats baserat på state-of-the-art analys samt semistrukturerade intervjuer med sex AI-experter på Visma. Den designade strategin för e-lärande utvärderades genom Technology Acceptance Model (TAM; [18]), och mätte UX-designers beteendemässiga avsikt att använda den nya metoden. Resultaten visar att de tänkte använda e-läro-strategin för att lära sig om AI-tekniker inom en snar framtid. E-läro-strategin testades vid två olika tillfällen, där designen förfinades mellan de två genom att innehålla fler grafiska element efter feedback från det första testet. Efter det slutliga testet ökade den beteendemässiga avsikten att använda e-läro-strategin jämfört med första utvärderingen. Denna studie bidrar med en ny strategi för e-lärande, för organisationers övergång till att ha en mer kunnig arbetskraft inom AI. Framtida forskning bör fokusera på att stärka andra jobbroller i att lära sig om AI.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-279425
Date January 2020
CreatorsLindén, Edward
PublisherKTH, Skolan för elektroteknik och datavetenskap (EECS)
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess
RelationTRITA-EECS-EX ; 2020:273

Page generated in 0.0023 seconds