| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mākslīgā intelekta asistēta lietotāju uzvedības žurnāla analīze lietotāja pieredzes revīzijai |
| Nosaukums angļu valodā |
Artificial Intelligence-Assisted Analysis of User Behavior Log File for User Experience Review |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Oksana Ņikiforova |
| Recenzents |
Dace Doniņa |
| Anotācija |
Mūsdienu digitālo produktu vidē lietotāja pieredze (UX) kļūst par vienu no galvenajiem faktoriem, kas nosaka produkta panākumus tirgū. Lai gan pastāv plaša UX analīzes rīku izvēle, lielākā daļa no tiem sniedz tikai daļēju skatījumu uz lietotāju uzvedību un nenodrošina automatizētu, visaptverošu problēmvietu identificēšanu. Tāpēc bakalaura darbam ir izvirzīts mērķis izstrādāt ģeneratīvā mākslīgā intelekta atbalstītu risinājumu, kas automātiski analizē lietotāju uzvedības datus no žurnālfailiem un ģenerē UX uzlabošanas ieteikumus dabīgā valodā.
Darba ietvaros veikts literatūras apskats par lietotāja pieredzes teorētisko bāzi, logfailu formātiem un semantiku, kā arī par ģeneratīvā mākslīgā intelekta pielietojumu UX analīzē. Uz teorētiskā ietvara pamata izstrādāts tīmekļa prototips, kurā ETL apstrādes modulis aprēķina agregētos KPI no sintētiskiem lietotāju darbību žurnāliem, un tos nodod paralēlai analīzei diviem komerciāliem lielo valodu modeļiem, kas ir OpenAI GPT-5-mini un Anthropic Claude Sonnet 4-5. Prototips atbalsta divus analīzes režīmus, kompakto un detalizēto, ļaujot salīdzināt modeļu atbilžu struktūru un dziļumu vienādos apstākļos.
Eksperimentālajā novērtēšanā izmantots sintētiskais datu ģenerators ar 120 sesijām un trim apzināti injicētām UX problēmām. Abi modeļi veiksmīgi identificēja augsto formas kļūdu biežumu un masveidīgo sesiju pamešanu maksājuma posmā. Tika konstatēts, ka Claude konsekventi sniedza precīzākus, skaitliski pamatotus atradumu aprakstus, savukārt GPT līdzsvarotākus kopsavilkumus ar mazāku smaguma kategorizāciju. Darba nobeigumā apkopoti secinājumi un piedāvāti turpmākās attīstības virzieni. |
| Atslēgas vārdi |
lietotāja pieredze, UX analīze, lielie valodu modeļi, logfaili, ETL, ģeneratīvais mākslīgais intelekts, GPT, Claude |
| Atslēgas vārdi angļu valodā |
user experience, UX analysis, large language models, log files, ETL, generative artificial intelligence, GPT, Claude |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 10:48:45 |
