Antagning.se and universityadmissions.se are two websites that enables people to apply for higher education. These websites are developed and maintained by ITS, which is a department at Umeå University. Antagning.se and universityadmissions.se allows applicants to add documents such as grades through a document upload function. Recently, There has been some experimentation with machine learning as a way to read documents that are uploaded. This study explores the possibility to use machine-learning in the user interface of the document upload function in a way that assists the users to upload the documents correctly. The objective is to determine whether doing this affects the users confidence that they uploaded a document successfully. The Double diamond method was used to design a lo-fi, a mid-fi and a hi-fi prototype. The lo-fi prototype were developed during an innovation sprint at ITS, with the purpose to develop a user interface for a Swedish folk high school validation system. The mid-fi prototype were tested using a qualitative user test to find issues that had to be addressed in the hi-fi prototype. A quantitative user test were conducted in order to determine if it affected the users confidence that they completed a task successfully versus if the same task were performed on the current system in use by Antagning and University Admissions. The results from the user testing of the hi-fi prototype were analyzed. Using hypothesis testing, it could not be determined that there were a significant difference in user confidence between the hi-fi prototype and the current system. / Antagning.se och universityadmissions.se är två webbplatser vars syften är att möjliggöra ansökan till högre utbildning i Sverige. ITS, som är en del av Umeå Universitet, är ansvariga för att driva och utveckla dessa webbplatser. Som en del av ansökningsprocessen så krävs det i vissa fall kompletterande information, exempelvis betyg eller andra typer av dokument. Personen som söker kan då scanna in dessa dokument och ladda upp den genom antagning.se eller universityadmissions.se. ITS har experimenterat med maskinlärning för att läsa in dessa inscannade dokument. Detta arbete utforskar möjligheten att använda maskinlärning i användargränssnittet till denna dokumentuppladdningsfunktion. Detta som ett sätt att assistera användaren i att se till att dokumenten laddas upp korrekt. Syftet med detta avgöra om detta har någon inverkan på hur säker användaren är att hen har genomfört uppladningen av dokumentet på ett korrekt sätt. Double diamond-metoden användes för att utveckla en lo-fi, en mid-fi och en hi-fi-prototyp. Lo-fi-prototypen togs fram under en innovationssprint på ITS, där syftet var att utveckla ett användargränssnitt till ett valideringssystem för folkhögskoledokument som maskinlärning. Mid-fi-prototypen testades med en kvalitativ metod för att hitta problem med gränssnittets design. Dessa problem togs i åtanke när hi-fi-prototypen togs fram. En kvantitativ användarstudie genomfördes för att avgöra om användaren upplevde någon skillnad i hur säkra de var att de laddat upp ett dokument korrekt. Detta jämfört med det befintliga systemet som antagning.se idag använder för att ladda upp dokument. Resultatet av studien var att det inte gick att påvisa någon skillnad mellan det befintliga systemet och hi-fi-prototypen gällande hur säker användaren var att dokumentet laddats upp korrekt.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:umu-190088 |
| Date | January 2021 |
| Creators | Sundberg, Nils |
| Publisher | Umeå universitet, Institutionen för tillämpad fysik och elektronik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0132 seconds