<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Analiza uporabe velikih jezikovnih modelov in strategij pozivanja pri generativnem oblikovanju uporabniških vmesnikov</dc:title><dc:creator>Tomovski,	Eftimije	(Avtor)
	</dc:creator><dc:creator>Šumak,	Boštjan	(Mentor)
	</dc:creator><dc:subject>veliki jezikovni modeli</dc:subject><dc:subject>generativno oblikovanje vmesnikov</dc:subject><dc:subject>inženiring pozivov</dc:subject><dc:subject>evalvacija kakovosti</dc:subject><dc:subject>prilagodljivost komponent</dc:subject><dc:subject>primerjalna analiza sistemov</dc:subject><dc:subject>Nielsenove hevristike</dc:subject><dc:description>Generativno oblikovanje komponent uporabniških vmesnikov z uporabo velikih jezikovnih modelov je naraščajoče področje, ki kljub vse širši praktični uporabi ostaja metodološko slabo empirično raziskano. Magistrska naloga preučuje, kako kakovost pozivov in izbira sistema velikega jezikovnega modela vplivata na zaznano kakovost in prilagodljivost generiranih komponent. V okviru treh eksperimentov so bili primerjani sistemi ChatGPT, Claude Sonnet in Gemini pri treh nivojih kakovosti pozivov in različnih tipih komponent uporabniških vmesnikov. Evalvacija kakovosti je temeljila na okviru šestih metrik, evalvacija prilagodljivosti pa na treh dimenzijah, oblikovanih za namen te raziskave. Rezultati kažejo, da kakovost pozivov in izbira sistema vplivata na zaznano kakovost in prilagodljivost generiranih komponent, pri čemer se njun prispevek razlikuje glede na merjeno dimenzijo. Ugotovitve prispevajo k razvoju evalvacijske metodologije za generativno oblikovanje komponent in imajo neposredne implikacije za uvajanje generativnih orodij v procese oblikovanja programske opreme.</dc:description><dc:date>2026</dc:date><dc:date>2026-07-21 08:19:02</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>98947</dc:identifier><dc:language>sl</dc:language></metadata>
