年龄因素很重要：分析应用评论中与年龄相关的讨论

《Journal of Systems and Software》：Age matters: Analyzing age-related discussions in app reviews

本研究通过分析Google Play Store的4163条应用评论，探讨年龄相关讨论。发现年龄适配内容、验证系统、可用性等问题突出，并建议开发者实施灵活年龄限制和优化安全功能。

　　

沙希瓦达娜·尼尔马尼（Shashiwadana Nirmani）|加里玛·夏尔玛（Garima Sharma）|胡里耶·哈拉杰扎德（Hourieh Khalajzadeh）|莫杰塔巴·沙欣（Mojtaba Shahin）

迪肯大学（Deakin University），澳大利亚维多利亚州伯伍德（Burwood, VIC）

摘要

近年来，移动应用程序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。尽管这些应用发展迅速且广受欢迎，但在满足不同年龄段用户需求方面仍存在差距。不同年龄段的用户在使用移动应用时面临不同的挑战：年轻用户可能遇到不适当的内容，而老年用户则可能因视力或认知能力下降而遇到使用上的困难。尽管已经有一些努力来开发适合所有年龄段的应用，但对用户在这些年龄相关问题上的看法了解不足，可能会阻碍开发者识别具体问题并实施有效的解决方案。在这项研究中，我们通过分析应用评论中的年龄相关讨论，来探讨移动应用应如何满足不同年龄段用户的需求。我们手动收集了来自Google Play Store的4163条应用评论，其中1429条与年龄相关，2734条与年龄无关。我们使用了八种机器学习、深度学习和大语言模型来自动检测年龄相关讨论，其中RoBERTa模型的表现最佳，准确率达到92.46%。此外，对1429条与年龄相关的评论进行的定性分析揭示了六个主要主题：内容的适宜性、语言和推荐、年龄验证和访问障碍、跨年龄段的可用性和可访问性、隐私和安全问题、互动和关系以及推荐和功能请求。我们的研究发现，用户经常遇到针对儿童的不适当内容，对严格的或容易出错的年龄验证系统感到困扰，并强调需要具备适合年龄的可访问性和安全功能。为了解决这些问题，我们为应用开发者提供了一些可行的建议，包括实施灵活的或基于梯度的年龄限制、优先考虑儿童应用的安全功能以及加强家长控制。

引言

移动应用程序已成为人们生活中不可或缺的一部分，应用范围涵盖了购物、银行、教育以及娱乐等多个领域。截至2025年4月，App Store和Google Play Store各自拥有200万款应用（Google, 2025; Apple, 2025）。随着移动应用及其用户数量的不断增长，用户的多样性也在不断增加。移动应用用户在年龄、种族、性别、教育水平和社会经济地位等方面存在显著差异（Ramos等人，2021；Khalajzadeh等人，2022）。这种快速的增长和应用使用的多样化凸显了应用在满足不同年龄段用户需求方面的明显差距。在这项研究中，我们特别关注移动应用评论中如何描述和讨论年龄问题，旨在揭示用户所表达的与年龄相关的关切。

随着儿童和老年人使用移动应用的增加，开发适合他们年龄的应用变得至关重要。不同年龄段的用户在使用软件时面临不同的问题，对同一软件的反应也可能不同（Grundy, 2021）。更熟悉技术的年轻人对应用的期望与老年人不同（Williams等人，2013）。儿童可能会接触到不适当的内容，并进行可能危及他们安全的互动。他们还存在认知和运动技能上的限制，这会影响他们与数字界面的互动方式（Yadav等人，2022；Clemente-Suárez等人，2024）。为儿童设计应用时需要考虑到他们有限的阅读能力、短暂的注意力以及探索性行为，这可能导致意外购买或不安全内容的浏览（Amaefule等人，2023；Booton等人，2023；Meyer等人，2019；Clemente-Suárez等人，2024）。

衰老会带来身体变化，尤其是感官功能的变化，影响与技术系统的互动能力。例如，随着年龄的增长，视力会下降，包括视觉敏锐度降低、色彩感知能力减弱、对比度敏感度降低以及对眩光的敏感度增加（Wirtz等人，2009）。成年用户可能会遇到复杂的界面或缺乏可访问性功能（Commissioner等人，2024；Government等人，2024；Chen等人，2013；Zhao等人，2023；Díaz-Bossini和Moreno，2014）。在为老年人设计软件界面时，应仔细考虑这些变化，通过选择合适的颜色、对比度、字体、界面元素的大小和设计来确保更好的可用性（Wirtz等人，2009）。忽视目标用户的年龄群体可能会导致软件过于复杂或不清楚，界面和工作流程不佳，缺乏吸引力或乐趣（Grundy，2021）。

确定人口统计因素（如年龄）如何影响应用的用户体验、用户偏好和挑战非常重要。许多应用没有考虑到这些与年龄相关的需求，因此有必要在用户体验和安全性等方面进行改进。移动应用中的年龄相关讨论可能包括家长控制不足、老年人阅读和导航困难等问题，所有这些都会导致数字环境不够包容。尽管这些因素很重要，但在研究和商业产品设计中仍常常被忽视（Sacar等人，2024）。

多项研究探讨了软件中的年龄相关问题，包括可用性问题、针对儿童的设计考虑以及老年人的可访问性（Jim等人，2021；Wirtz等人，2009；Eisenberg，1995；Sim等人，2006；Díaz-Bossini和Moreno，2014）。这些研究强调，适合年龄的设计不仅仅是视觉元素的问题，还强调了交互设计和清晰反馈的重要性。然而，目前还没有研究专门探讨过应用评论中如何讨论年龄问题。

Google Play Store和Apple App Store允许用户通过评论提供应用反馈。用户可以通过星级评分、评论或两者结合的方式提供反馈。这些评论数据可以提供用户对应用的看法（Khalid等人，2014）。此外，这些应用评论可以揭示开发者可能未预料到的关键问题，帮助开发者了解不同年龄段用户在互动应用时遇到的实际挑战。理解这些评论反馈将使移动应用开发者能够解决用户的问题，从而提高应用的评分（Khalid等人，2014）。

然而，与年龄相关的问题目前隐藏在数百万条应用评论中，并没有系统地呈现给开发者。大规模手动分析评论是不切实际的。因此，自动识别年龄相关讨论对于理解和响应不同生命阶段用户的多样化需求至关重要。通过自动检测这些讨论，我们的目标是帮助开发者、产品团队和平台管理员及早识别与年龄相关的可用性、安全性和内容问题，最终改善用户体验和包容性。

本研究探讨了移动应用评论中的年龄相关讨论。我们使用了Serebrenik和Baltes（2022）收集的数据集，其中包含来自Google Play Store的70款热门Android应用的700万条评论。然后我们手动构建并标注了一个包含4163条评论的数据集，其中1429条与年龄相关，2734条与年龄无关。我们使用了八种机器学习（ML）、深度学习（DL）和大语言模型（LLM）来区分与年龄相关的应用评论和与年龄无关的应用评论。RoBERTa分类器的表现最佳，准确率分别为92.70%、92.39%、92.45%和92.39%。在研究的第二阶段，我们手动分析了1429条与年龄相关的用户评论，发现这些评论主要围绕内容的适宜性、语言和推荐、年龄验证和访问障碍、跨年龄段的可用性和可访问性、隐私和安全问题、互动和关系以及推荐和功能请求等主题。

本研究的主要贡献包括：

•

我们是第一个深入研究移动应用评论中年龄相关讨论的团队。

•

我们开发了机器学习、深度学习和大语言模型，用于自动检测应用评论中的年龄相关讨论。

•

我们对移动应用评论中的各种类型年龄相关讨论有了全面的理解。

•

我们为开发考虑年龄相关因素的应用提供了建议。

本文的其余部分安排如下：第2节总结了相关工作，第3节介绍了我们的研究方法。第4节和第5节详细阐述了我们的两个研究问题及其结果。第6节我们对结果进行了反思。第7节报告了有效性的威胁因素。第8节总结了全文。

章节片段

软件系统中的年龄问题

一些研究人员研究了用户的年龄相关问题以及适应性软件系统的开发。Jim等人（2021）研究了如何将年龄相关因素更好地整合到软件建模框架中。他们提出了对基于线框的设计进行扩展，以在建模过程中考虑年龄因素。此外，多项研究还探讨了年龄对软件界面设计的影响（Gossen等人，2015；Williams等人，2013；Awada等人

研究方法

本研究旨在分析移动应用评论中的年龄相关讨论。为此，我们提出了以下两个研究问题（RQs）：

RQ1：能否自动且准确地检测出与年龄相关的评论？

RQ2：移动应用评论中存在哪些类型的年龄相关讨论？

在上述RQs的范围内，我们将年龄相关讨论定义为与不同年龄段用户相关的讨论，包括任何关切、需求或问题。

年龄相关评论的自动检测（RQ1）

本节讨论RQ1。我们探讨了不同的学习模型，以判断用户评论是否与年龄相关。

方法

为了了解移动应用评论中的年龄相关讨论类型，第一作者对1429条已标注的与年龄相关的用户评论进行了主题分析（详见第3.1节）。我们遵循了SE研究中已建立的指南和程序（Braun和Clarke，2006）。分析包括多个迭代阶段：

1.

熟悉数据：第一作者多次阅读所有与年龄相关的评论，以便深入了解

讨论

通过重新思考严格的年龄限制来提升用户体验。我们的分析表明，严格的年龄限制让青少年和老年人都感到不满，因为他们面临不必要的限制。最近的一项研究强调了严格的、非黑即白的家长控制系统的负面影响（Wang等人，2021）。这些系统往往导致家长设置过于严格和过度监控。研究参与者表示

有效性的威胁

本节讨论了我们研究的有效性威胁以及我们采取的缓解策略。

内部有效性为分类法创建29个n-gram的过程基于现有文献和一般理解。虽然n-gram的列表可能无法涵盖所有可能的年龄相关讨论，但所选的n-gram充分代表了用户评论中发现的年龄相关概念。

结论与未来工作

在这项研究中，我们使用了Google Play Store中70款热门Android应用的用户评论来探讨年龄相关讨论。我们的目标是了解与年龄相关的用户讨论，以便帮助开发适合所有年龄段的应用。我们开发了八种机器学习和深度学习分类器，用于自动检测包含年龄相关讨论的应用评论。这些分类器在一个手动策划的数据集上进行了训练和评估，该数据集包含1429条与年龄相关的评论和2734条与年龄无关的评论。

CRediT作者贡献声明

沙希瓦达娜·尼尔马尼（Shashiwadana Nirmani）：撰写——初稿、可视化、验证、软件、方法论、调查、形式分析、数据整理、概念化。加里玛·夏尔玛（Garima Sharma）：撰写——初稿、软件、方法论、调查、形式分析、数据整理、概念化。胡里耶·哈拉杰扎德（Hourieh Khalajzadeh）：撰写——审阅与编辑、监督、资金获取、数据整理。莫杰塔巴·沙欣（Mojtaba Shahin）：撰写——审阅与编辑、监督、数据整理。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。