Informazioni
Paper CHI 2025 che propone di usare l'AI per generare "generative and malleable user interfaces" basate sui task degli utenti. Gli autori progettano un data model task-driven in cui gli LLM interpretano i prompt utente e generano specifiche UI, poi le mappano su interfacce concrete. Gli esperimenti dimostrano che il metodo può generare dinamicamente elementi di interfaccia come form e visualizzazioni, supportando gli utenti nella modifica delle interfacce tramite linguaggio naturale.
Sintesi
Approccio di generazione UI task-driven:
1. Concetto centrale: Interfacce "malleable" che gli utenti possono rimodellare tramite linguaggio naturale
2. Data model: Architettura task-driven in cui gli LLM interpretano l'intento utente e generano specifiche UI
3. Elementi dinamici: Supporta la generazione di form, visualizzazioni e componenti interattivi
4. Modifica in linguaggio naturale: Gli utenti possono raffinare iterativamente le interfacce con comandi conversazionali
5. Mapping delle specifiche: Le specifiche UI astratte vengono mappate su implementazioni concrete dell'interfaccia
Innovazione chiave: Colma il gap tra intento utente e realizzazione dell'interfaccia tramite prompting task-centric
1. Concetto centrale: Interfacce "malleable" che gli utenti possono rimodellare tramite linguaggio naturale
2. Data model: Architettura task-driven in cui gli LLM interpretano l'intento utente e generano specifiche UI
3. Elementi dinamici: Supporta la generazione di form, visualizzazioni e componenti interattivi
4. Modifica in linguaggio naturale: Gli utenti possono raffinare iterativamente le interfacce con comandi conversazionali
5. Mapping delle specifiche: Le specifiche UI astratte vengono mappate su implementazioni concrete dell'interfaccia
Innovazione chiave: Colma il gap tra intento utente e realizzazione dell'interfaccia tramite prompting task-centric
Tag
chi-2025malleable-uitask-drivenllm