La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

iOS application user rating prediction using usability evaluation and machine learning

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Nayebi, Fatih (2015). iOS application user rating prediction using usability evaluation and machine learning. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[thumbnail of NAYEBI_Fatih.pdf]
Prévisualisation
PDF
Télécharger (2MB) | Prévisualisation
[thumbnail of NAYEBI_Fatih-web.pdf]
Prévisualisation
PDF
Télécharger (915kB) | Prévisualisation

Résumé

Mobile applications are earning popularity because of the significant benefits of smartphones, such as: portability, location awareness, electronic identity, and an integrated camera. Nevertheless, these devices have a number of disadvantages concerning usability, such as limited resources and small screen size.

A number of studies have investigated usability challenges in a mobile context and proposed definitions and measurement of the usability of mobile applications. Evaluating the usability of applications for mobile operating systems is a crucial step in addressing these difficulties and achieving success in mobile application markets, such as Apple’s App Store. Usability evaluation must be tailored to the various mobile operating systems in use, each with its particular characteristics.

Apple App Store is the only source for buying or installing iOS applications. Users rate applications in the App Store and take into the account other users’ evaluations when buying an application. Users tend to give higher ratings to the applications that satisfy their functional and non-functional requirements. Usability is one of the non-functional requirements that users consider when they rate applications. Hence, it is important to develop applications with higher usability and better user experience to be successful in the App Store.

Apple publishes a guideline named "HIG (Human Interface Guidelines)" and recommends following these guidelines during the design and development of iOS applications. There are also other guidelines that suggest other design principles and heuristics but the Relationship between these guidelines and App Store success is unknown.

In addition, there is not any explicit method to predict the success of an application in the App Store. Developers and development companies spend much time to develop an application with little clue about the success of their application in the App Store.

This research project combines the guidelines from the literature and proposes an iOS application usability evaluation model to evaluate iOS application usability. It presents next an analysis of the relationship between criteria and application’s App Store user rating by evaluating 99 applications. This research project also proposes a machine learning model to predict the success of an iOS application in the App Store, based on the evaluation method proposed in the first part of this research.

Titre traduit

Prédire l'évaluation des applications iOS par les utilisateurs avec les techniques d'évaluation de l'utilisabilité et l'apprentissage automatique

Résumé traduit

Les applications mobiles gagnent en popularité en raison des avantages significatifs des appareils mobiles, tels que la portabilité, la capacité de détecter leur emplacement, l’identité électronique et l’appareil photo intégré. Cependant, ces dispositifs ont un certain nombre d’inconvénients en termes de facilité d’utilisation, comme la limitation des ressources (ex. mémoire) et la taille de l’écran.

Un certain nombre d’études ont étudié les défis de la facilité d’utilisation dans un contexte des appareils mobiles et des définitions ont été proposées pour la mesure de l’utilisabilité des applications mobiles. L’évaluation de l’utilisabilité des applications pour les appareils mobiles est une étape cruciale pour traiter ces difficultés et pour réussir sur les marchés de l’application mobile, aux l’App Store d’Apple. L’évaluation de la facilité d’utilisation doit être adaptée à tous les divers systèmes d’exploitation des appareils mobiles utilisés, car ils ont chacun leurs propres caractéristiques particulières.

Le ’App Store’ d’Apple est la seule source pour l’achat et l’installation des applications iOS. Les utilisateurs évaluent les applications dans l’App Store et tiennent compte des évaluations des autres utilisateurs quand ils décident d’acheter une application. Notre hypothèse est que les utilisateurs ont tendance à donner des cotes plus élevées pour les applications qui satisfont à leurs exigences fonctionnelles et non-fonctionnelles. Une autre hypothèse est que la facilité d’utilisation est une des exigences non fonctionnelles que les utilisateurs considèrent quand ils cotent les applications. Par conséquent, il est important de développer des applications dont la facilité d’utilisation est plus élevée et d’améliorer l’expérience utilisateur pour réussir dans l’App Store. Apple publie une ligne directrice nommée "Human Interface Guidelines (HIG)" et recommande de suivre ces directives lors de la conception des applications iOS et leur développement. Il y a également d’autres lignes directrices dans la littérature qui suggèrent différents principes de conception ainsi que des heuristiques. Malheureusement, la relation entre ces lignes directrices et le succès de l’App Store est inconnue.

Enfin, il n’existe pas une méthode formelle pour prédire la réussite d’une application dans l’App Store. Les développeurs ou sociétés de développement passent beaucoup de temps pour développer une application sans avoir la moindre idée de la réussite de leur application dans l’App Store.

Ce projet de recherche combine les lignes directrices de la littérature et propose un modèle d’évaluation des applications iOS pour évaluer la facilité d’utilisation des applications iOS. Il présente ensuite une analyse de la relation entre les critères et la cote des utilisateurs de l’application dans l’App Store pour 99 application iOS. Ce projet de recherche propose également un modèle d’apprentissage automatique pour prédire la réussite d’une application iOS dans l’App Store, le modèle étant basé sur la méthode d’évaluation proposée dans la première partie de cette recherche.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thesis presented to École de technologie supérieure in partial fulfillment of the requirements for the degree of doctor of philosophy". Bibliographie : pages 247-255.
Mots-clés libres: Interfaces utilisateurs (Informatique) Conception. Applications mobiles Évaluation. Apprentissage automatique. Interaction homme-ordinateur. Ventes Prévision. Informatique mobile. utilisabilité, mesure des logiciels, génie logiciel
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Abran, Alain
Codirecteur:
Codirecteur
Desharnais, Jean-Marc
Programme: Doctorat en génie > Génie
Date de dépôt: 19 août 2015 15:00
Dernière modification: 10 déc. 2016 16:58
URI: https://espace.etsmtl.ca/id/eprint/1496

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt