Age Matters: Analyzing Age-Related Discussions in App Reviews
作者: Shashiwadana Nirmania, Garima Sharma, Hourieh Khalajzadeh, Mojtaba Shahin
分类: cs.SE, cs.HC, cs.LG
发布日期: 2026-01-29
💡 一句话要点
分析应用评论中与年龄相关的讨论，助力开发者构建更具包容性的应用
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 应用评论分析 年龄相关讨论 自然语言处理 RoBERTa模型 用户体验 移动应用开发
📋 核心要点
- 现有应用在满足不同年龄段用户需求方面存在差距，缺乏对年龄相关问题的深入理解。
- 通过分析应用评论中与年龄相关的讨论，挖掘不同年龄段用户在使用应用时遇到的挑战和需求。
- 使用机器学习、深度学习和大型语言模型自动检测年龄讨论，RoBERTa模型表现最佳，精度达到92.46%。
📝 摘要（中文）
近年来，移动应用已成为管理生活各个方面不可或缺的工具。从提高生产力到提供个性化娱乐，移动应用彻底改变了人们的日常生活。尽管移动应用快速增长且广受欢迎，但在如何满足不同年龄段用户的需求方面仍然存在差距。不同年龄段的用户在使用移动应用时面临着不同的挑战，例如年轻用户处理不适当的内容，而年长用户由于与年龄相关的视力和认知障碍而难以使用。尽管已经有一些创建具有年龄包容性的应用的举措，但对用户关于年龄相关问题的看法的有限理解可能会阻碍开发者识别具体挑战和实施有效的解决方案。在本研究中，我们探索应用评论中的年龄讨论，以深入了解移动应用应如何满足不同年龄段用户的需求。我们手动整理了来自 Google Play 商店的 4,163 条应用评论的数据集，并识别出 1,429 条与年龄相关的评论和 2,734 条非年龄相关的评论。我们采用了八种机器学习、深度学习和大型语言模型来自动检测年龄讨论，其中 RoBERTa 表现最佳，精度达到 92.46%。此外，对 1,429 条与年龄相关的评论的定性分析揭示了反映用户关注的六个主要主题。
🔬 方法详解
问题定义：论文旨在解决移动应用在设计和功能上未能充分考虑不同年龄段用户需求的问题。现有方法缺乏对用户年龄相关反馈的有效分析，导致开发者难以识别和解决特定年龄群体的痛点。
核心思路：论文的核心思路是通过挖掘和分析应用商店中的用户评论，特别是那些与年龄相关的评论，来了解不同年龄段用户在使用应用时遇到的问题和需求。这种方法能够直接从用户反馈中获取信息，为开发者提供改进应用的依据。
技术框架：该研究的技术框架主要包括以下几个阶段：1) 数据收集：从Google Play商店收集应用评论数据。2) 数据标注：手动标注评论数据，区分与年龄相关的评论和非年龄相关的评论。3) 模型训练：使用机器学习、深度学习和大型语言模型训练分类器，自动检测与年龄相关的评论。4) 结果分析：对检测到的与年龄相关的评论进行定性分析，提取用户关注的主题。
关键创新：该研究的关键创新在于利用自然语言处理技术，特别是RoBERTa等预训练语言模型，自动识别应用评论中与年龄相关的讨论。这为开发者提供了一种高效、可扩展的方法来了解不同年龄段用户的需求和反馈。
关键设计：论文中使用了RoBERTa模型进行年龄相关评论的检测，并取得了最佳性能（精度92.46%）。此外，论文还对1429条年龄相关评论进行了定性分析，总结了六个主要的用户关注主题，这些主题可以为应用开发者提供具体的设计指导。
🖼️ 关键图片
📊 实验亮点
实验结果表明，RoBERTa模型在自动检测应用评论中与年龄相关的讨论方面表现最佳，精度达到 92.46%。此外，对 1429 条与年龄相关的评论的定性分析揭示了六个主要的用户关注主题，为开发者提供了有价值的参考。
🎯 应用场景
该研究成果可应用于移动应用开发、用户体验设计和辅助技术等领域。开发者可以利用该方法分析用户反馈，了解不同年龄段用户的需求，从而设计出更具包容性和易用性的应用。此外，该研究还可以为辅助技术开发提供参考，帮助老年人和残疾人更好地使用移动应用。
📄 摘要（原文）
In recent years, mobile applications have become indispensable tools for managing various aspects of life. From enhancing productivity to providing personalized entertainment, mobile apps have revolutionized people's daily routines. Despite this rapid growth and popularity, gaps remain in how these apps address the needs of users from different age groups. Users of varying ages face distinct challenges when interacting with mobile apps, from younger users dealing with inappropriate content to older users having difficulty with usability due to age-related vision and cognition impairments. Although there have been initiatives to create age-inclusive apps, a limited understanding of user perspectives on age-related issues may hinder developers from recognizing specific challenges and implementing effective solutions. In this study, we explore age discussions in app reviews to gain insights into how mobile apps should cater to users across different age groups.We manually curated a dataset of 4,163 app reviews from the Google Play Store and identified 1,429 age-related reviews and 2,734 non-age-related reviews. We employed eight machine learning, deep learning, and large language models to automatically detect age discussions, with RoBERTa performing the best, achieving a precision of 92.46%. Additionally, a qualitative analysis of the 1,429 age-related reviews uncovers six dominant themes reflecting user concerns.