增强现实的可用性评估:神经信息系统研究
2022年11月30日
本研究提出了一种结合主观和客观评估的可用性测试的实验范式。客观评估采用神经信息系统（NeuroIS）方法，主观评估采用可用性问卷和NASA任务负荷指数（NASA-TLX）量表。
本研究介绍了管理信息系统中新兴技术的可用性测试的实验范式。可用性测试包括主观和客观评估。移动fNIRS和眼动追踪眼镜用于多模态测量，解决了现实世界行为实验中使用的认知神经科学工具的生态有效性问题。
演示该程序的将是我实验室的硕士生张迪。硕士生王毅将担任学员。首先向参与者解释知情同意书，并要求他们签署同意书。
接下来，对参与者进行色觉测试，以确认他们有正常的辨色能力。然后向参与者展示30个矿泉水品牌，并指导他们选择自己熟悉的品牌，以确保他们不熟悉实验中使用的矿泉水品牌。接下来，向参与者介绍实验程序。
使用研究中未使用的矿泉水品牌对参与者进行预实验，以使他们熟悉增强现实或AR和网站操作。要佩戴fNIRS探头，请用皮肤制备凝胶清洁参与者的前额皮肤。用保鲜膜包裹探头，避免出汗情况，并按国际10至20系统用黑色头带固定在FP一号和FP二号位置。
然后用黑色头巾盖住探头。使用眼动追踪眼镜捕捉真实环境中的眼球运动。如果需要，在眼动追踪眼镜的头部单元上安装磁性镜片，并确保参与者可以在矫正视力的情况下自由走动。
一旦所有参与者都熟悉实验，指导A组的每个参与者首先进行AR实验，然后进行网站实验。同样，要求B组的参与者先进行网站实验，然后再进行AR实验。确保参与者舒适地坐在椅子上休息两分钟，以便在实验前收集基线数据。
要测量fNIRS数据，请打开记录软件并通过蓝牙适配器将探头连接到笔记本电脑。然后以10赫兹的采样频率记录参与者前额叶皮层中氧合血红蛋白的浓度变化。检查接收到的光强度和组织饱和指数质量以控制数据质量。
确保接收到的信号位于 1 到 95% 之间要测量眼动追踪，请设置眼动追踪眼镜的硬件。将眼动追踪眼镜的插头连接到笔记本电脑上的 USB 端口。然后打开录音软件，将采样频率设置为120赫兹。
通过要求参与者将焦点集中在其视野中的可识别物体上来执行单点校准 在 0.6 米处。将十字准线光标移动到场景视频中的焦点对象，然后单击该对象。然后点击软件界面上的录制按钮开始录制。
在参与者完成AR和网站的任务后，向他们展示可用性问卷和NASA TLX量表。完成实验后，使用70%异丙醇垫清洁探针的发射器和接收器。可用性问卷的中位数差异得分显示，参与者在AR条件下的用户体验比在网站条件下更好。
眼动追踪数据显示，参与者在使用AR时的信息搜索效率高于网站。NASA TLX量表的中位数差异分数表明，AR技术导致认知负荷低于网站技术。fNIRS数据分析了平均氧合、血红蛋白和网站条件的差异，显示出动态认知负荷的变化。
熟悉实验中使用的矿泉水品牌的参与者被排除在外，因为他们会根据他们对品牌的了解来执行任务。本研究提出了一种结合主观和客观评价的实验范式，可以有效地评估新兴技术的可用性。
查看完整文字稿并访问数千部科学视频
概述
本研究引入了一种用于管理信息系统中新兴技术可用性测试的实验范式。可用性测试包括使用移动fNIRS和眼动追踪眼镜进行主观和客观评估。
关键研究组成部分
科学领域
- 神经科学
- 人机交互
- 可用性测试
背景
- 可用性测试对于评估新兴技术至关重要。
- 结合主观和客观评估可以提高研究结果的有效性。
- 移动fNIRS和眼动追踪眼镜解决了认知神经科学中的生态有效性。
- 现实世界的行为实验需要可靠的测量工具。
研究目的
- 为管理信息系统开发可用性测试范式。
- 整合多模态测量以进行全面评估。
- 用参与者演示可用性测试程序。
使用的方法
- 用于客观评估的神经信息系统（NeuroIS）方法。
- 用于主观评估的可用性问卷。
- 用于工作负荷评估的NASA任务负荷指数（NASA-TLX）量表。
- 用于多模态数据收集的移动fNIRS和眼动追踪眼镜。
主要结果
- 研究成功地结合了主观和客观的可用性评估。
- 移动fNIRS和眼动追踪眼镜为用户体验提供了宝贵的见解。
- 程序的演示突出了该范式的实际应用。
- 研究结果有助于理解认知神经科学工具中的可用性。
结论
- 该实验范式有效地评估了现实世界环境中的可用性。
- 结合不同的评估方法增强了结果的稳健性。
- 这种方法可以应用于管理信息系统的未来研究。
常见问题
Executive Industry Relevance
Integrating neuroimaging and behavioral analytics into usability testing enables biopharma R&D teams to objectively assess cognitive load and user experience for digital health and informatics platforms. This paradigm enhances predictive confidence in technology adoption decisions and supports risk-adjusted advancement of emerging digital tools within enterprise portfolios. The approach is directly relevant for evaluating AR, AI, and wearable interfaces in translational and operational settings.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Supports hypothesis-driven evaluation of user interaction with digital health technologies.
- Enables functional validation of cognitive and behavioral endpoints in informatics tools.
- Provides objective data for de-risking technology integration into R&D workflows.
Screening & Assay Development
- Facilitates standardized usability assessment for digital platforms used in screening or data capture.
- Delivers reproducible, quantitative outputs on cognitive workload and user efficiency.
- Enables scalable evaluation of multiple interface prototypes or digital modalities.
Translational & Preclinical Research
- Aligns digital tool usability with real-world operational demands in translational research.
- Supports continuity from discovery-stage informatics to preclinical and clinical deployment.
- Provides mechanistic insight into user interaction, informing biomarker or endpoint selection.
Pipeline & Workflow Integration
This usability paradigm fits from early digital tool discovery through preclinical informatics validation, supporting technology triage and enterprise adoption decisions.
- Discovery Biology: Objectively quantifies cognitive and behavioral responses to digital interventions.
- Screening: Standardizes usability metrics for digital assay platforms or data collection tools.
- Analytics: Integrates neuroimaging and eye-tracking data for robust comparative analysis.
- Translational Research: Ensures digital tool readiness for operational deployment in preclinical and clinical settings.
- Enterprise Reuse: Establishes a reusable framework for evaluating diverse emerging technologies across R&D programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in digital tool selection and reduces mechanistic ambiguity.
- Operational Value: Delivers standardized, reproducible, and scalable usability assessments.
- Strategic Value: Informs go/no-go decisions for technology adoption and optimizes capital allocation.
- Portfolio Impact: Enables risk-adjusted prioritization of digital health and informatics investments.
Implementation Considerations
- Requires expertise in neuroimaging, behavioral analytics, and usability testing.
- Needs access to mobile fNIRS, eye tracking hardware, and analytical software infrastructure.
- Demands cross-team standardization of protocols and data interpretation.
- Adaptable to various digital modalities, including AR, VR, and wearable technologies.
- Ecological validity is enhanced but may be limited by participant familiarity and real-world constraints.
