MenuCraft: Simplificando o Design de Menus de Aplicativos

Criar menus pra aplicativos pode ser complicado. Tem muitas escolhas a fazer e coisas pra pensar. Um dos principais problemas é como os Comandos do menu se relacionam entre si. Pode ser difícil ver essas conexões, especialmente quando não tem recursos suficientes. Com a ascensão dos grandes modelos de linguagem, agora a gente pode usar esse conhecimento pra ajudar a criar sistemas de menu melhores.

Neste artigo, apresentamos o MenuCraft, uma ferramenta que ajuda Designers a criar menus usando um sistema de diálogo com IA. O MenuCraft facilita o processo de design e permite fazer mudanças simples. Designers podem conversar com o MenuCraft e receber ajuda com várias tarefas.

Menus são ferramentas comuns que permitem que os usuários acessem funções de um aplicativo facilmente. Embora pareçam simples, criar um bom sistema de menus é complicado. O número de designs pode crescer rapidamente à medida que mais comandos são adicionados. Ao focar apenas no texto dos menus, podemos olhar para a posição dos comandos e das teclas de atalho como os fatores de design mais importantes. Normalmente, os comandos são mostrados de forma linear, com os nomes de um lado e os atalhos do outro.

Desde 1980, pesquisadores em Interação Humano-Computador (IHC) têm trabalhado pra encontrar maneiras melhores de organizar comandos em sistemas de menu. O objetivo deles é fazer com que seja mais rápido para os usuários selecionarem comandos enquanto mantêm comandos relacionados juntos. Pra isso, os designers precisam saber com que frequência os comandos são usados e como eles se relacionam. Geralmente, isso significa que os designers têm que depender de testes com usuários e de sua própria experiência, o que pode ser demorado e nem sempre preciso. À medida que o número de comandos cresce, esse processo se torna ainda mais difícil. Os designers também querem que os menus em um único aplicativo sejam consistentes, pra que os usuários possam encontrar o que precisam rapidamente, mas isso também pode levar muito tempo.

Algumas pesquisas anteriores estudaram o uso de métodos baseados em dados pra captar os significados dos comandos do menu. No entanto, esses métodos usaram fontes de dados gerais, como a Wikipedia, que podem não se encaixar bem nas necessidades específicas dos menus. Mesmo com os avanços nos modelos de linguagem neural, o uso de métodos baseados em dados pra design de menus ficou pra trás. As duas principais razões pra isso são o custo de reunir os dados necessários e a falta de métodos eficazes.

Modelos de linguagem grandes recentes, como o GPT-3, mostraram que podem se adaptar a várias tarefas com apenas alguns exemplos. Esses modelos possuem muito conhecimento útil que pode ajudar no processo de design de menus sem precisar de treinamento extra. Além disso, o estilo conversacional desses modelos pode ajudar a atender às necessidades interativas dos designers.

O MenuCraft utiliza um modelo de linguagem baseado em diálogo pra ajudar a criar menus. Ele combina métodos baseados em dados com design interativo. Designers podem criar menus facilmente, receber sugestões e pedir mudanças pra melhorar seus designs. Pra ferramenta funcionar bem, ela precisa lidar com várias tarefas, desde as simples, como adicionar um comando, até as mais complexas, como sugerir designs melhores ou agrupar comandos.

Uma abordagem inovadora no MenuCraft é usar aprendizado com poucos exemplos. Esse método permite que a ferramenta realize uma variedade de tarefas sem precisar de treinamento separado para cada uma. Ela pode ajudar a criar menus baseados em tópicos e comandos, além de fornecer dicas pra teclas de atalho também. Os designers podem até criar suas próprias tarefas, tornando o sistema adaptável às suas necessidades. A gente também quer ver como os designers interagem com o MenuCraft pra entender o que eles querem e como bem o modelo atende a essas necessidades.

#Maneiras Úteis de Como o MenuCraft Funciona

O MenuCraft pode realizar várias tarefas pra facilitar o design de menus. Aqui estão algumas das interações principais que ele suporta:

#Design Baseado em Tópicos

Uma tarefa simples que o MenuCraft pode ajudar é criar um menu baseado em um tópico específico. Os designers podem pedir ao MenuCraft sugestões de comandos que se encaixem nas suas necessidades. Por exemplo, se um designer pedir uma lista de comandos para um tópico "Imprimir", o MenuCraft pode responder com comandos como "Imprimir," "Sair," "Colar," e "Buscar."

#Design Baseado em Comandos

Na comunidade de design de menus, o design baseado em comandos é muito importante. Aqui, os designers fornecem uma lista de comandos e com que frequência eles são usados. Então, eles podem pedir ao MenuCraft pra organizar esses comandos em um menu. Enquanto métodos tradicionais podem demorar, o MenuCraft pode fornecer uma arrumação adequada rapidamente. Se um designer tem uma lista de comandos e guias pra um programa como o Notepad do Windows, o MenuCraft pode organizá-los logicamente com base no que é usado com mais frequência.

#Recomendação de Comandos ou Guias

O MenuCraft pode ajudar os designers a encontrar comandos relacionados ou sugerir novos nomes pra guias e comandos. Por exemplo, se um designer já tem um comando chamado "Adicionar esta guia aos Favoritos" em uma guia "Favoritos", ele pode perguntar ao MenuCraft quais outros comandos deveriam ser incluídos. O MenuCraft pode fornecer sugestões como "Adicionar todas as guias aos Favoritos" ou "Organizar Favoritos," junto com razões de por que esses comandos seriam úteis.

#Recomendação de Teclas de Atalho

Teclas de atalho são atalhos de teclado que ajudam os usuários a acessar comandos rapidamente. O MenuCraft pode recomendar teclas de atalho únicas pra comandos e guias pra agilizar o processo. Designers podem pedir ao MenuCraft pra atribuir atalhos, e ele garante que nenhum comando compartilhe o mesmo atalho, o que ajuda a evitar confusão para o usuário.

#Elaboração de Comandos

Às vezes, os designers querem mais informações sobre comandos específicos. O MenuCraft pode explicar o que um comando faz ou dar exemplos de como usá-lo. Por exemplo, se um designer pede explicações sobre os comandos do menu em um editor de texto, o MenuCraft pode descrever o que cada comando faz e como os usuários podem interagir com ele.

#Conclusão e Direções Futuras

O MenuCraft oferece uma abordagem nova e empolgante pra criar menus com a ajuda de modelos de linguagem. Testes iniciais mostram que ele pode lidar com várias tarefas de forma eficaz. No entanto, o MenuCraft ainda é um protótipo e precisa de mais pesquisa. O trabalho futuro vai focar em estudos com usuários pra entender melhor o que os designers de menus precisam. Isso vai ajudar a aprimorar o MenuCraft pra atender melhor às necessidades específicas de diferentes usuários.

A gente também planeja explorar como o feedback dos designers pode melhorar o funcionamento do MenuCraft. No geral, estamos otimistas sobre o que o MenuCraft pode alcançar e animados pra continuar desenvolvendo essa ferramenta. Essa direção no design de menus pode melhorar a experiência do usuário em muitos aplicativos.

Na comunidade de design, há uma discussão contínua sobre como a IA pode ajudar os designers. A ideia é que a IA deve trabalhar junto com as pessoas, em vez de substituí-las, aprimorando seus esforços criativos e habilidades de resolução de problemas. Embora o design possa ser visto como um problema de otimização, incluir um elemento humano nesse processo é complicado porque as pessoas e os sistemas de otimização pensam de forma diferente.

Acreditamos que o MenuCraft está perto desse objetivo porque leva em conta como os designers humanos operam. Como o modelo é treinado em um grande conjunto de dados com entrada humana, ele deve ter uma boa noção de como os designers pensam. As pessoas estão acostumadas a formatos conversacionais, e o MenuCraft pode manter um diálogo de uma forma que parece natural.

Apesar do potencial dos modelos de linguagem no design de menus, é importante reconhecer suas limitações. Eles podem não ter conhecimento detalhado específico de design de menus, e seu desempenho pode variar com base na qualidade dos dados usados para treinamento. Modelos de linguagem também podem ter dificuldades com conceitos matemáticos quando os designers fornecem detalhes específicos para as características do design. Isso pode levar a sugestões de design ruins.

Em resumo, o MenuCraft mostrou resultados promissores até agora, mas precisamos realizar mais testes e coletar feedback. Ao continuar desenvolvendo essa ferramenta, esperamos encontrar maneiras ainda melhores de ajudar os designers a criar sistemas de menus intuitivos e eficientes.