Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Usability Evaluation of Augmented Reality: een neuro-informatie-systemen studie

Published: November 30, 2022 doi: 10.3791/64667
Automatic Translation
*1, *1, 2,3,4, 5, 1, 1, 1
1Economics and Management School, Jiangsu University of Science and Technology, 2School of Health, Fujian Medical University, 3School of Management, Shanghai University, 4School of Management, Zhejiang University, 5Business School, La Trobe University
* These authors contributed equally

Summary

Deze studie presenteert een experimenteel paradigma voor een bruikbaarheidstest die subjectieve en objectieve evaluaties combineert. De objectieve evaluatie nam Neuro-Information-Systems (NeuroIS) -methoden aan en de subjectieve evaluatie nam een bruikbaarheidsvragenlijst en een NASA-Task Load Index (NASA-TLX) -schaal aan.

Abstract

Deze studie introduceert een experimenteel paradigma voor een bruikbaarheidstest van opkomende technologieën in een managementinformatiesysteem (MIS). De bruikbaarheidstest omvatte zowel subjectieve als objectieve evaluaties. Voor de subjectieve evaluatie werden een bruikbaarheidsvragenlijst en een NASA-TLX-schaal gebruikt. Voor de objectieve evaluatie werden methoden van Neuro-Information-Systems (NeuroIS) gebruikt. Vanuit een NeuroIS-perspectief gebruikte deze studie mobiele fNIRS en eye tracking-brillen voor multimodale metingen, die het probleem van ecologische validiteit van cognitieve neurowetenschappelijke hulpmiddelen die werden gebruikt in gedragsexperimenten in de echte wereld oplosten. Deze studie gebruikte Augmented Reality (AR) geïntegreerd in het Internet of Things (IoT) als een experimenteel object. Door de verschillen in de neuroimaginggegevens, de fysiologische gegevens, de bruikbaarheidsvragenlijst en de NASA-TLX-schaalgegevens tussen de twee informatiezoekmodi (AR versus een website) te vergelijken, had informatiezoeken met AR een hogere efficiëntie en een lagere cognitieve belasting in vergelijking met het zoeken naar informatie met een website tijdens het proces van consumptiebeslissingen. De resultaten van het bruikbaarheidsexperiment tonen aan dat AR, als een opkomende technologie in de detailhandel, de consumentenervaringen effectief kan verbeteren en hun aankoopintentie kan vergroten. Het experimentele paradigma, dat zowel subjectieve als objectieve evaluaties in deze studie combineert, kan worden toegepast op een bruikbaarheidstest voor opkomende technologieën, zoals augmented reality, virtual reality, kunstmatige intelligentie, draagbare technologie, robotica en big data. Het biedt een praktische experimentele oplossing voor de gebruikerservaring in mens-computer-interacties met de adoptie van opkomende technologieën.

Introduction

Zes grensverleggende technologieën die interactie hebben met consumenten, meestal vertegenwoordigd door augmented reality, virtual reality, kunstmatige intelligentie, draagbare technologie, robotica en big data, hervormen veel theoretische modellen van consumentengedrag1. Augmented Reality (AR) is een nieuwe technologie die de consumentenervaring kan verbeteren en de klanttevredenheid kan verbeteren. Het plaatst tekstuele informatie, afbeeldingen, video's en andere virtuele items op echte scenario's om virtualiteit en realiteit samen te smelten, waardoor informatie in de echte wereld wordt verbeterd door uitleg, begeleiding, evaluatie en voorspelling2. AR biedt een nieuw soort mens-computerinteractie, creëert een meeslepende winkelervaring voor consumenten en heeft geleid tot de ontwikkeling van veel applicaties 3,4. De acceptatie van AR-diensten door de consument is echter nog steeds minimaal en veel bedrijven zijn daarom voorzichtig met het adopteren van AR-technologie 5,6. Het technology acceptance model (TAM) is op grote schaal gebruikt om het adoptiegedrag van nieuwe informatietechnologieën te verklaren en te voorspellen 7,8. Volgens de TAM hangt de adoptieintentie voor een nieuwe technologie grotendeels af van de bruikbaarheid9. Daarom kan een mogelijke verklaring voor de trage acceptatie door de consument van AR-diensten vanuit het TAM-perspectief betrekking hebben op de bruikbaarheid van de nieuwe technieken, wat de noodzaak benadrukt om de bruikbaarheid van AR tijdens het winkelente evalueren 10,11.

Bruikbaarheid wordt gedefinieerd als de effectiviteit, efficiëntie en tevredenheid van het bereiken van gespecificeerde doelen in een gespecificeerde context door gespecificeerde gebruikers12. Momenteel zijn er twee hoofdmethoden voor het evalueren van bruikbaarheid: subjectieve en objectieve evaluaties13. Subjectieve evaluaties zijn voornamelijk gebaseerd op zelfrapportagemethoden met behulp van vragenlijsten en schalen. In navolging van deze onderzoekslijn omvatte de vragenlijst die in deze studie werd gebruikt vijf kenmerken die verband houden met de informatiezoekmodus om een doel te bereiken: (1) efficiëntie, (2) gebruiksgemak, (3) memorabiliteit (gemakkelijk te onthouden), (4) tevredenheid (de informatiezoekmodus is comfortabel en aangenaam) en (5) generaliseerbaarheid naar andere objecten14,15,16. Bovendien is cognitieve belasting, die de belasting vertegenwoordigt tijdens het uitvoeren van een bepaalde taak op het cognitieve systeem van een leerling17, een andere kernindicator van bruikbaarheid18,19. Deze studie gebruikte dus ook de NASA Task Load Index (NASA-TLX)13,20 als een subjectieve metriek om de cognitieve belasting te meten tijdens het winkelen met behulp van AR versus winkelen met behulp van websiteservices. Het is opmerkelijk dat zelfrapportagemethoden afhankelijk zijn van het vermogen en de bereidheid van individuen om hun attitudes en / of eerder gedrag nauwkeurig te rapporteren21, waardoor de mogelijkheid openblijft voor verkeerde rapportage, onderrapportage of vooringenomenheid. Objectieve metingen zouden dus een waardevolle aanvulling kunnen zijn op traditionele subjectieve methoden22.

Neuro-Information-Systems (NeuroIS) methoden worden gebruikt voor objectieve evaluatie van AR bruikbaarheid. NeuroIS, bedacht door Dimoka et al. op de ICIS-conferentie van 2007, trekt steeds meer aandacht op het gebied van informatiesystemen (IS)23. NeuroIS maakt gebruik van theorieën en hulpmiddelen van de cognitieve neurowetenschappen om de ontwikkeling, adoptie en impact van IS-technologieën beter te begrijpen24,25. Tot op heden worden cognitieve neurowetenschappelijke hulpmiddelen, zoals functionele magnetische resonantie beeldvorming (fMRI), elektro-encefalogram (EEG), positronemissie computertomografie, magneto-encefalografie (MEG) en functionele nabij-infraroodspectroscopie (fNIRS), vaak gebruikt in NeuroIS-studies26,27. Dimoka en Davis gebruikten bijvoorbeeld fMRI om de activeringen van de proefpersonen te meten wanneer ze interactie hadden met de website, en onthulden dat waargenomen gebruiksgemak de activering in de prefrontale cortex (PFC) beïnvloedde28. Evenzo vonden Moridis et al. met behulp van EEG dat frontale asymmetrie nauw samenhing met bruikbaarheid29. Deze resultaten geven aan dat de PFC een sleutelrol kan spelen in bruikbaarheid.

Hoewel er prestaties zijn geboekt in eerdere NeuroIS-studies, hadden de paradigma's die in deze studies werden gebruikt beperkte lichaamsbewegingen van proefpersonen met een lage ecologische validiteit, waardoor hun theoretische en praktische bijdragen werden beperkt. Interactie met technologieën zoals AR tijdens het winkelen vereist vrije lichaamsbewegingen en onderwerpbeperkingen schaden de consumentenervaring grotendeels, zoals besproken in He et al.22. Daarom zijn hersenbeeldvormingstools met een hoge ecologische validiteit nodig voor een bruikbaarheidstest van informatiesystemen. In dit opzicht heeft fNIRS unieke technische voordelen: tijdens fNIRS-experimenten kunnen proefpersonentot op zekere hoogte 30 vrij bewegen. Eerdere studies hebben bijvoorbeeld de hersenactivaties van proefpersonen gemeten tijdens verschillende buitenactiviteiten, zoals fietsen met draagbare fNIRS31. Bovendien is fNIRS goedkoop en maakt het de meting van hersenactivaties gedurende lange tijdmogelijk 32. In deze studie werd fNIRS gebruikt om objectief het niveau van cognitieve belasting van proefpersonen te meten tijdens het gebruik van de winkeldiensten van AR versus een website.

Eye tracking is de afgelopen jaren een waardevolle psychofysiologische techniek geweest voor het detecteren van de visuele aandacht van gebruikers tijdens een bruikbaarheidstest33 en is ook veel gebruikt in NeuroIS-studies34. De techniek is gebaseerd op de oog-geesthypothese, die ervan uitgaat dat de focus van de waarnemer gaat waar de aandacht op gericht is, dat visuele aandacht het mentale proces vertegenwoordigt en dat patronen van visuele aandacht menselijke cognitieve strategieën weerspiegelen35,36,37. Op het gebied van AR-onderzoek gebruikten Yang et al. eye tracking om te ontdekken dat AR-advertenties de houding van consumenten ten opzichte van de advertentie verbeterden door hun nieuwsgierigheid en aandacht te vergroten38. In de huidige studie werd eye tracking gebruikt om de aandacht van proefpersonen te meten, inclusief parameters zoals totale fixatieduur, gemiddelde fixatieduur, fixatiefrequentie, saccadefrequentie, gemiddelde saccadeduur en gemiddelde scanpadlengte.

Samenvattend stelt deze studie een usability testmethode voor die subjectieve en objectieve evaluaties combineert met AR-toepassingen als voorbeeld. Een bruikbaarheidsvragenlijst en een NASA-TLX-schaal werden gebruikt voor subjectieve evaluatie, en multimodale metingen die fNIRS en eye tracking combineren, werden gebruikt voor objectieve evaluatie39,40.

Experimenteel ontwerp
Experimentele materialen: Om een echte winkelcontext te simuleren, werd een productschap gebouwd in een laboratorium en werden twee verschillende merken mineraalwater als experimenteel materiaal op het schap geplaatst. Als essentiële goederen werd mineraalwater geselecteerd omdat deelnemers geen vooringenomenheid zouden hebben in subjectieve evaluaties op basis van hun beroepsachtergrond, geslacht en koopvermogen. De prijs, capaciteit en bekendheid van de merken werden gecontroleerd (zie Tabel met materialen) om de interferentie van irrelevante variabelen te elimineren.

De bruikbaarheidstest omvatte twee voorwaarden: een op smartphones gebaseerde AR-applicatie (aanvullende figuur 1) en een website (aanvullende figuur 2). De AR-applicatie is geprogrammeerd op basis van een AR-engine. De website is ontwikkeld met behulp van Python, gebaseerd op Bootstrap voor de front-end en Flask voor de back-end. De AR-applicatie en website werden uitgevoerd en bekeken op een smartphone. Van de twee verschillende merken mineraalwater werd er één gebruikt als experimenteel materiaal in de AR-conditie en de andere werd gebruikt in de websiteconditie.

Experimentele taken: Deelnemers werd gevraagd om vier informatiezoektaken uit te voeren die zijn afgeleid van IoT-toepassingscontexten: de kwaliteit van het water, de opslagtemperatuur, het bijbehorende dieet en de prijs per liter. Deze vier informatie-items zijn waar consumenten normaal gesproken op letten wanneer ze mineraalwater kopen. Er was geen tijdslimiet voor deelnemers om de taken te voltooien.

Kwaliteit van water: De kwaliteit van mineraalwater omvat gewoonlijk twee indicatoren: de totale opgeloste vaste stoffen (TDS) en de pH-waarde. De TDS geeft het mineraalgehalte weer en de pH-waarde beschrijft de zuurgraad/alkaliteit van het water. Deze twee indicatoren zijn gerelateerd aan sporenelementen in het mineraalwater en beïnvloeden de smaak. Bruvold en Ongerth verdeelden bijvoorbeeld de sensorische kwaliteit van water in vijf graden volgens het TDS-gehalte41. Marcussen et al. vonden dat water goede sensorische eigenschappen heeft in het bereik van 100-400 mg / L TDS42. De TDS- en pH-waarde van de twee merken mineraalwater die in deze studie werden gebruikt, werden gemeten met respectievelijk TDS- en pH-meters en vervolgens gemarkeerd op de AR-applicatie en de website. Tijdens het uitvoeren van de taak moesten de deelnemers de TDS- en pH-waarden van het mineraalwater rapporteren en bevestigen of deze waarden binnen het nominale bereik lagen. In de AR-conditie konden deelnemers deze informatie verkrijgen door de fles water te scannen. In de websiteconditie moesten deelnemers vier stappen uitvoeren: (1) het vinden van een numerieke code op de achterkant van de fles mineraalwater, (2) het invoeren van de numerieke code in een queryvak om de TDS- en pH-waarden voor mineraalwater te verkrijgen, (3) het zoeken naar het nominale bereik voor mineraalwater op de website, en (4) mondeling rapporteren of de TDS- en pH-waarde binnen het nominale bereik voor het product liggen.

Opslagtemperatuur: De kwaliteit van mineraalwater kan afnemen tijdens transport en opslag als gevolg van temperatuurveranderingen. Uit experimenten is gebleken dat de juiste temperatuur voor mineraalwater tijdens transport en opslag tussen 5 °C en 25 °C ligt. In dit temperatuurbereik heeft water geen slechte geur43. In het huidige experiment werd de opslagtemperatuur van de twee soorten mineraalwater op verschillende plaatsen gemarkeerd op de AR-applicatie en de website. Tijdens het uitvoeren van de taak moesten de deelnemers de opslaglocatie en de bijbehorende temperatuur van het water melden. In de AR-conditie konden deelnemers deze informatie verkrijgen door de fles water te scannen. In de websiteconditie konden deelnemers deze informatie verkrijgen door de numerieke code in een queryvak in te voeren.

Bijpassend dieet: Verschillende merken mineraalwater zijn geschikt voor verschillende menu's vanwege hun unieke minerale samenstelling en bubbelgehalte44. In het huidige experiment werden voedingsaanbevelingen voor de twee mineraalwaters gemarkeerd op de AR-applicatie en website. Tijdens het uitvoeren van de taak moesten de deelnemers rapporteren hoe het mineraalwater overeenkomt met het voedsel in het menu. In de AR-toestand konden deelnemers deze informatie verkrijgen door de waterfles te scannen. In de websiteconditie konden deelnemers op de website naar deze informatie zoeken.

Prijs per liter: Momenteel geven de etiketten op de mineraalwaterflessen in China geen informatie over de prijs per liter weer. Dit maakt het voor de consument moeilijk om het verschil in eenheidsprijzen van verschillende soorten mineraalwater te onderscheiden. Daarom moesten deelnemers aan het huidige experiment de prijs per liter rapporteren. In de AR-applicatie konden deelnemers de prijs per liter direct verkrijgen door de fles water te scannen. In de staat van de website kon de informatie worden berekend op basis van de eenheidsprijs en het volume op het etiket.

Deze studie gebruikte een ontwerp binnen de deelnemer, met inclusie- en exclusiecriteria voor deelnemers zoals beschreven in tabel 1. In totaal voltooiden 40 deelnemers het experiment (20 mannen en 20 vrouwen, gemiddelde leeftijd = 21,31 ± 1,16 jaar). Alle deelnemers waren studenten van de Jiangsu University of Science and Technology en werden willekeurig gerangschikt in twee groepen (A en B). Om het orde-effect te vermijden, werd de experimentele orde gecompenseerd over de twee groepen (A/B). In het bijzonder voerde de ene groep eerst de AR-voorwaarde en vervolgens de websitevoorwaarde uit, terwijl de andere groep eerst de website en vervolgens de AR-voorwaarde uitvoerde. De deelnemers moesten de voorbereiding op het experiment voltooien, de instrumenten dragen en de experimentele taken uitvoeren. Het inter-experimentinterval werd ingesteld op 10 s om corticale activering terug te laten keren naar het basisniveau, waardoor kruisbeïnvloeding in de volgende taak werd vermeden. Aan het einde van het AR / website-experiment moesten deelnemers de bruikbaarheidsvragenlijst en de NASA-TLX-schaal invullen. Het experimentele stroomdiagram is weergegeven in figuur 1. Een foto van de experimentele opstelling is weergegeven in figuur 2.

Tabel 1: Inclusie- en exclusiecriteria voor het onderzoek. Klik hier om deze tabel te downloaden.

Figure 1
Figuur 1: Experimenteel stroomdiagram. Elk experiment duurde ~ 45 minuten, met een rustperiode van 10 s tussen de taken. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 2
Figuur 2: Voorbeeldopstelling van de experimentele scène. Het experimentele materiaal, de deelnemer en de apparatuur worden getoond. Klik hier om een grotere versie van deze figuur te bekijken.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Deze studie werd uitgevoerd in overeenstemming met de principes van de Verklaring van Helsinki. Alle deelnemers werden geïnformeerd over het doel en de veiligheid van het experiment en ondertekenden het geïnformeerde toestemmingsformulier voordat ze deelnamen. Deze studie werd goedgekeurd door de institutionele review board van Jiangsu University of Science and Technology.

1. Experimenteerprocedure

  1. Voorbereiding op het experiment
    1. Leg geïnformeerde toestemming uit aan de deelnemers en vraag hen om het toestemmingsformulier te ondertekenen.
    2. Voer een kleurenzichttest uit op de deelnemers om te bevestigen dat ze normale kleurdiscriminatie hebben.
    3. Presenteer 30 mineraalwatermerken aan deelnemers en vraag hen om de merken te kiezen waarmee ze bekend zijn, om ervoor te zorgen dat ze niet bekend zijn met de merken mineraalwater die in het experiment worden gebruikt.
    4. Introduceer de procedure van het experiment aan de deelnemers.
    5. Voer een voorexperiment uit op de deelnemers die andere mineraalwatermerken gebruiken dan die welke in het onderzoek worden gebruikt en zorg ervoor dat ze bekend zijn met de AR- en website-activiteiten.
    6. Geef elke deelnemer uit groep A de opdracht om eerst het AR-experiment uit te voeren en vervolgens het website-experiment uit te voeren. Geef elke deelnemer uit groep B de opdracht om eerst het website-experiment uit te voeren en vervolgens het AR-experiment uit te voeren.
  2. Draaginstrumenten
    1. fNIRS sondes
      1. Reinig de voorhoofdshuid van de deelnemers met huidvoorbereidingsgel (zie materiaaltabel).
      2. Wikkel de sondes (zie materiaaltabel) in een plasticfolie voor zweterige omstandigheden. Bevestig de sondes op de FP1- en FP2-positie volgens het internationale 10-20-systeem met een zwarte hoofdband45. Gebruik een zwarte bandana om de sondes te bedekken om ze te beschermen tegen omgevingslicht en de signaalkwaliteit te verbeteren.
      3. Reinig de zender en ontvanger van de sondes met behulp van een 70% isopropylalcoholpad na het beëindigen van het experiment.
    2. Eye tracker: leg oogbewegingen in echte omgevingen vast met behulp van een eyetrackingbril (zie materiaaltabel). Plaats brillenglazen op sterkte magnetisch op de hoofdunit van de eye tracking bril (indien nodig) en zorg ervoor dat de deelnemers vrij kunnen rondlopen met een gecorrigeerd zicht.
      OPMERKING: Omdat de eye tracking-bril niet is ontworpen om te werken in combinatie met standaard brillen, kunnen deelnemers die een bril dragen nog steeds worden opgenomen in het onderzoek door optionele lenzen op sterkte te gebruiken voor correctie van bijziendheid of verziendheid. Deelnemers kunnen ook standaard contactlenzen dragen, want hoewel ze het geluid enigszins kunnen verhogen, introduceren ze normaal gesproken geen fouten in de gegevens. Deelnemers mogen geen gekleurde of andere lenzen gebruiken die het uiterlijk van de pupil of iris veranderen.

2. Maatregelen

  1. fNIRS
    1. Open de opnamesoftware (zie Materiaaltabel). Verbind de sondes met een laptop via een Bluetooth-adapter en registreer vervolgens de veranderingen in de concentratie van zuurstofrijk hemoglobine (O2Hb) in de prefrontale cortex van de deelnemers via de laptop, met een bemonsteringsfrequentie van 10 Hz.
    2. Controleer de kwaliteit van de ontvangen lichtintensiteit en weefselverzadigingsindex (TSI) om de gegevenskwaliteit te controleren. Zorg ervoor dat het ontvangen signaal zich tussen 1% en 95% bevindt.
    3. Zorg ervoor dat de deelnemers in een comfortabele positie op een stoel zitten en houd de rusttoestand gedurende 2 minuten aan om basisgegevens te verzamelen voor het echte experiment.
    4. Klik op de knop Start op de software-interface om de fNIRS-gegevens vast te leggen.
  2. Eye tracking
    1. Stel de hardware voor de eyetrackingbril in. Sluit de USB-stekker van de eyetrackingbril aan op een USB-poort op de laptop. Open de opnamesoftware (zie Materiaaltabel) en stel de bemonsteringsfrequentie in op 120 Hz.
    2. Kalibratie: Voer een éénpuntskalibratie uit. Vraag de deelnemer om zich te concentreren op een duidelijk herkenbaar object in zijn gezichtsveld op 0,6 m. Verplaats de viziercursor naar het object, waar de deelnemer in de scènevideo op wordt gefocust en klik op het object.
    3. Druk op de opnameknop op de software-interface om de opname te starten.
  3. Vragenlijst en schaal: Presenteer de bruikbaarheidsvragenlijst en NASA-TLX-schaal aan de deelnemers nadat ze de taken van de AR / website hebben voltooid.

3. Data-analyse

  1. fNIRS gegevensverwerking
    1. Zet de optische dichtheidswaarden verkregen uit de fNIRS-registratiesoftware om in concentraties (μmol) volgens de gewijzigde wet van Beer-Lambert46.
    2. Filter de onbewerkte gegevens bij een laagdoorlaatlaag van 0,5 Hz om systematische geluiden zoals hartslag en ademhaling te verwijderen.
    3. Controleer en corrigeer de gegevens op bewegingsartefacten door de gegevenssegmenten te verwijderen die drie standaarddeviaties boven de gehele tijdreeks47 overschreden.
    4. Exporteer de gemiddelde en maximale fNIRS-gegevens in de AR- en websitevoorwaarden en trek ze vervolgens af van de basislijngegevens.
  2. Eye tracking gegevensverwerking
    1. Exporteer de fixatiefrequentie (aantal/s), totale fixatietijd (ms), gemiddelde fixatietijd (ms), saccadefrequentie (aantal/s), gemiddelde saccadetijd (ms) en gemiddelde scanpadlengte (px/s) van de deelnemers.
  3. Statistische analyse
    1. Voer een tweezijdige test uit op een significantieniveau van 0,05. Controleer de normaliteit van de gegevens met behulp van de Shapiro-Wilk-test en voer een verschiltest uit. Voer meerdere vergelijkingscorrecties uit voor p-waarden met behulp van de FDR-methode (false discovery rate).
      OPMERKING: Tijdens het uitvoeren van de verschiltest werden de gegevens die een normale verdeling volgden geanalyseerd met behulp van een gepaarde monsters t-test, en de gegevens die geen normale verdeling volgden, werden geanalyseerd met behulp van wilcoxon ondertekende rangtest.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De representatieve resultaten van deze studie omvatten de resultaten van de bruikbaarheidsvragenlijst, eye tracking-gegevensanalyse, NASA-TLX-schaalgegevens, fNIRS-gegevensanalyse en dynamische cognitieve belastingsveranderingen. Voor de resultaten van de bruikbaarheidsvragenlijst werden eye tracking-gegevensanalyse, NASA-TLX-schaalgegevens en fNIRS-gegevensanalyse, normaliteitstests en verschillentests uitgevoerd. Voor dynamische cognitieve belastingsveranderingen selecteerde deze studie fNIRS en eye tracking-gegevens van een enkele deelnemer om de validiteit van de multimodale meting aan te tonen.

Resultaten van de usability vragenlijst
Geen van de items in de bruikbaarheidsvragenlijst volgde de normale verdeling (tabel 2). De betrouwbaarheid van AR en de website in de usability vragenlijst werd getest en de Cronbach's alpha score werd acceptabel geacht (Cronbach's alpha = 0,974).

Tabel 2: Normaliteitstest van de bruikbaarheidsvragenlijst. Geen van de items in de bruikbaarheidsvragenlijst volgde de normale distributie. De gegevens werden geanalyseerd met behulp van de Wilcoxon signed rank test. Klik hier om deze tabel te downloaden.

De mediane verschilscores van de usability vragenlijst tussen AR en de website zijn weergegeven in tabel 3. De gegevensverdelingen van de AR en websitevoorwaarden zijn weergegeven in figuur 3. Er werd een significant verschil waargenomen tussen de AR- en websitevoorwaarden, waarbij de mediane scores voor AR hoger waren dan die voor de website. De resultaten toonden aan dat de deelnemers een betere gebruikerservaring hadden in de AR-conditie dan in de websiteconditie.

Tabel 3: Mediane verschilscores van bruikbaarheidsvragenlijst tussen de AR- en websitevoorwaarden. De mediane scores voor AR waren significant hoger dan die voor de website. Klik hier om deze tabel te downloaden.

Figure 3
Figuur 3: Dataverdeling van de usability vragenlijst. Een schematische illustratie van de gegevensverdeling van de usability vragenlijst. Klik hier om een grotere versie van deze figuur te bekijken.

Eye tracking data analyse
Alle eye tracking indicatoren werden getest op normaliteit en de resultaten zijn weergegeven in tabel 4. In taken 1 en 3 volgde alleen de fixatiefrequentie de normale verdeling, terwijl alle andere indicatoren niet de normale verdeling volgden. In taak 2 volgden de fixatiefrequentie en saccadefrequentie de normale verdeling, maar de rest van de indicatoren volgden niet de normale verdeling. Voor taak 4 volgde alleen de saccadefrequentie de normale verdeling. Bij het vergelijken van verschillen tussen de AR- en websitecondities werden de gegevens afzonderlijk gerapporteerd op basis van normaliteit / niet-normaliteit. Tabel 5 toont verschillen in eye-tracking indicatoren tussen de AR en de websitecondities in Taak 1 (kwaliteit van water). Er waren significante verschillen in alle eye-tracking indicatoren tussen de AR en website condities, p < 0,001. De gemiddelde fixatieduur was significant langer in de AR-conditie dan in de websiteconditie (MediaanAR = 586,85, interkwartielbereik (IQR) = 482,55-714,6; Medianewebsite = 398,05, IQR = 362,775-445,275). De andere indicatoren waren significant lager in de AR-conditie dan in de websiteconditie.

Tabel 4: Normaliteitstest van eye-tracking indicatoren. De eye-trackinggegevens die een normale verdeling volgen, werden geanalyseerd met behulp van een gepaarde t-test voor monsters en de eye-trackinggegevens die geen normale verdeling volgden, werden geanalyseerd met behulp van de wilcoxon-ondertekende rangtest. Klik hier om deze tabel te downloaden.

Tabel 5: Verschillen in de eye-tracking indicatoren tussen AR en de website in Taak 1. Er waren significante verschillen in alle eye-tracking indicatoren tussen AR en website condities, p < 0,001. De gemiddelde fixatieduur was significant langer in AR dan in de websiteconditie (MediaanAR = 586,85,interkwartielbereik (IQR) = 482,55-714,6; Medianewebsite = 398,05,IQR = 362,775-445,275). De andere indicatoren waren significant lager in AR dan in de websiteconditie. Klik hier om deze tabel te downloaden.

Tabel 6 toont de verschillen in de eye-tracking indicatoren tussen de AR en website condities in Taak 2 (opslagtemperatuur). Alle eye tracking indicatoren toonden significante verschillen tussen AR en website condities, p < 0,001. De gemiddelde fixatieduur was significant langer in de AR-conditie dan in de websiteconditie (MedianeAR = 477,2,IQR = 398,675-596,575; Medianewebsite = 397,1,IQR = 353,35-451,075). De andere indicatoren waren significant lager in de AR-conditie dan in de websiteconditie.

Tabel 6: Verschillen in de eye-tracking indicatoren tussen AR en de website in Taak 2. Er waren significante verschillen in alle eye tracking-indicatoren tussen de AR- en websitecondities, p < 0,001. De gemiddelde fixatieduur was significant langer in AR dan in de websiteconditie (MediaanAR = 477,2, IQR = 398,675-596,575; Medianewebsite = 397,1, IQR = 353,35-451,075). De andere indicatoren waren significant lager in AR dan in de websiteconditie. Klik hier om deze tabel te downloaden.

Tabel 7 toont de verschillen in de eye-tracking indicatoren tussen de AR en website condities in Taak 3 (matching dieet). Er waren significante verschillen in alle eye-tracking indicatoren tussen de AR en de websitecondities, p < 0,001. De gemiddelde fixatieduur was significant langer in de AR-conditie dan in de websiteconditie (MedianeAR = 420,45,IQR = 352,275-467,8; Medianewebsite = 360,6, IQR = 295-399,075). De andere indicatoren waren significant lager in de AR-conditie dan in de websiteconditie.

Tabel 7: Verschillen in de eye-tracking indicatoren tussen AR en de website in Taak 3. Er waren significante verschillen in alle eye-tracking indicatoren tussen de AR en de websitecondities, p < 0,001. De gemiddelde fixatieduur was significant langer in AR dan in de websiteconditie (MediaanAR =420,45,IQR = 352,275-467,8; Medianewebsite = 360,6,IQR = 295-399.075). De andere indicatoren waren significant lager in AR dan in de websiteconditie. Klik hier om deze tabel te downloaden.

Tabel 8 toont verschillen in de eye-tracking indicatoren tussen de AR en website condities in Taak 4 (prijs per liter). Er waren significante verschillen in alle eye-tracking indicatoren tussen de AR en de websitecondities, p < 0,001. De gemiddelde fixatieduur was significant langer in de AR-conditie dan in de websiteconditie (MediaanAR = 495,25,IQR = 404,8-628,65; Medianewebsite = 263,1, IQR = 235,45-326,2). De andere indicatoren waren echter significant lager in de AR-conditie dan in de websiteconditie.

Tabel 8: Verschillen in de eye-tracking indicatoren tussen AR en website in Taak 4. Er waren significante verschillen in alle eye-tracking indicatoren tussen de AR en de websitecondities, p < 0,001. De gemiddelde fixatieduur was significant langer in AR dan in de websiteconditie (MediaanAR =495,25,IQR = 404,8-628,65; Medianewebsite = 263,1,IQR = 235,45-326,2). De andere indicatoren waren significant lager in AR dan in de websiteconditie. Klik hier om deze tabel te downloaden.

Voor de visuele zoektaken werden lagere eye-trackingindicatoren geassocieerd met een hogere efficiëntie van het zoeken naar informatie (met uitzondering van de gemiddelde fixatieduur). Alles bij elkaar toonden de eye-trackinggegevens aan dat de deelnemers een hogere zoekefficiëntie hadden bij het gebruik van AR dan bij het gebruik van de website.

NASA-TLX-schaalgegevens
Geen van de items van de NASA-TLX-schaal volgde een normale verdeling (tabel 9). De alfascore van Cronbach werd aanvaardbaar geacht (Cronbachs alfa = 0,924).

Tabel 9: Normaliteitstest van NASA-TLX schaal. Geen van de items van de NASA-TLX-schaal volgde een normale verdeling. De gegevens werden geanalyseerd met behulp van de Wilcoxon signed rank test. Klik hier om deze tabel te downloaden.

De mediane verschilscores van de NASA-TLX-schaal tussen AR en websitecondities worden weergegeven in tabel 10. Gegevensverdelingen van AR en websitevoorwaarden zijn weergegeven in figuur 4. Er werd een significant verschil waargenomen tussen AR en websitecondities. De NASA-TLX-schaalscores van de AR-conditie waren lager dan die van de websiteconditie, wat aangeeft dat de AR-techniek leidde tot een lagere cognitieve belasting dan die van de website.

Tabel 10: Mediane verschilscores van NASA-TLX-schaal tussen AR en de website. De NASA-TLX-schaalscores van de AR-conditie waren significant lager dan die van de websiteconditie. Klik hier om deze tabel te downloaden.

Figure 4
Figuur 4: Gegevensverdeling van de NASA-TLX-schaal. Een schematische illustratie van de gegevensverdeling van de NASA-TLX-schaal. Klik hier om een grotere versie van deze figuur te bekijken.

fNIRS data-analyse
De gemiddelde O2Hb-waarden werden getest op normaliteit en de resultaten zijn weergegeven in tabel 11. Bij het vergelijken van verschillen tussen de AR- en websitecondities werden gegevens afzonderlijk gerapporteerd op basis van normaliteit / niet-normaliteit. Verschillen in gemiddelde O2Hb tussen de AR- en websitecondities zijn weergegeven in tabel 12. Er waren significante verschillen tussen de twee omstandigheden wanneer deelnemers taak 1 (aangepaste p = 0,002), taak 3 (aangepaste p = 0,007) en taak 4 (aangepaste p < 0,001) uitvoerden. Het gemiddelde O2Hb van de uitgevoerde taken in de AR-conditie was significant lager dan in de websiteconditie (Taak 1: Gemiddelde AR = -1,012, SDAR = 0,472, Gemiddelde website = 0,63, SD-website = 0,529; Taak 3: Gemiddelde AR = -0,386, SDAR = 0,493, Gemiddelde website = 1,12,SD-website = 0,554; Taak 4: Gemiddelde AR = -0,46, SDAR = 0,467, Gemiddelde website = 2,27,SD-website = 0,576). Tijdens het uitvoeren van taak 2 bereikten de verschillen tussen de AR- en websitevoorwaarden geen significant niveau (aangepaste p = 0,154 > 0,05). Deze resultaten geven aan dat deelnemers een lagere cognitieve belasting hadden bij het gebruik van de AR-techniek dan bij het gebruik van de website.

Tabel 11: Normaliteitstest van het gemiddelde O2Hb. De fNIRS-gegevens die een normale verdeling volgen, werden geanalyseerd met behulp van een gepaarde t-test voor monsters en de fNIRS-gegevens die geen normale verdeling volgden, werden geanalyseerd met behulp van de wilcoxon-ondertekende rangtest. Klik hier om deze tabel te downloaden.

Tabel 12: Verschillen in gemiddelde O2Hb tussen AR en website.  Er waren significante verschillen tussen de twee voorwaarden wanneer deelnemers taak 1 (aangepaste p = 0,002), taak 3 (aangepaste p = 0,007) en taak 4 (aangepaste p < 0,001) uitvoerden. Het gemiddelde O2Hb van de uitgevoerde taken in de AR-conditie was significant lager dan in de websiteconditie (Taak 1: Gemiddelde AR = -1,012, SDAR = 0,472, Gemiddelde website = 0,63, SD-website = 0,529; Taak 3: Gemiddelde AR = -0,386, SDAR = 0,493, Gemiddelde website = 1,12,SD-website = 0,554; Taak 4: Gemiddelde AR = -0,46, SDAR = 0,467, Gemiddelde website = 2,27,SD-website = 0,576). Tijdens het uitvoeren van taak 2 bereikten de verschillen tussen AR en websitevoorwaarden geen significant niveau (aangepaste p = 0,154 > 0,05). Klik hier om deze tabel te downloaden.

Dynamische cognitieve belastingsveranderingen
Figuur 5 toont de veranderingen in O2Hb-concentratie wanneer een deelnemer taak 4 in de websiteconditie uitvoerde. Bij punt 1 had de deelnemer moeite met het berekenen van de prijs per liter. Het intensieve zoekproces veroorzaakte een toename van de O2Hb-concentratie, wat wees op een toename van de onmiddellijke belasting. Wanneer de deelnemer een cue ontving, daalde de O 2Hb-concentratie tot punt 2 en bereikte de momentane belasting op dat moment een dalwaarde. De deelnemer ging vervolgens hard aan de slag om de prijs per liter te berekenen en wilde de taak zo snel mogelijk voltooien. In deze context bleef de O2Hb-concentratie stijgen en bereikte een maximum (punt 3). Samenvattend kan de multimodale meting van eye tracking en fNIRS effectief dynamische veranderingen in cognitieve belasting meten tijdens interactie met informatiesystemen en kan ook individuele verschillen in consumentengedrag onderzoeken.

Figure 5
Figuur 5: fNIRS momentane belasting. Een schematische illustratie van de dynamische cognitieve belastingsveranderingen met behulp van fNIRS momentane belasting. Klik hier om een grotere versie van deze figuur te bekijken.

Met de vier taken van AR geïntegreerd in IoT als voorbeelden, combineerde deze studie NeuroIS-benaderingen met subjectieve evaluatiemethoden. De experimentele resultaten suggereerden dat: (1) voor de bruikbaarheidsvragenlijst de deelnemers een betere subjectieve evaluatie hadden in de AR-conditie dan in de websiteconditie (tabel 3 en figuur 3); (2) voor de eye tracking-gegevens hadden de deelnemers een hogere zoekefficiëntie bij het zoeken naar informatie bij het gebruik van AR dan bij het gebruik van de website (tabel 5, tabel 6, tabel 7 en tabel 8); (3) voor de NASA-TLX-schaalgegevens en fNIRS-gegevens leidde de AR-techniek tot een lagere cognitieve belasting dan die met de website (tabel 10 en tabel 12); en (4) voor de dynamische cognitieve belasting zou de multimodale meting van eye tracking en fNIRS effectief dynamische veranderingen van cognitieve belasting kunnen meten tijdens interactie met informatiesystemen, en zou ook de individuele verschillen in consumentengedrag kunnen worden onderzocht (figuur 5). Door de verschillen in de neuroimaginggegevens, fysiologische gegevens en zelfgerapporteerde gegevens te vergelijken met behulp van de bruikbaarheidsvragenlijst en NASA-TLX-schaal tussen de AR- en websiteomstandigheden, kan de AR-techniek de efficiëntie voor het zoeken naar informatie bevorderen en de cognitieve belasting tijdens het winkelproces verminderen. Als opkomende retailtechnologie kan AR dus de gebruikerservaring van consumenten effectief verbeteren en op zijn beurt hun aankoopintentie vergroten.

Aanvullende figuur 1: Schermafbeelding van informatie die wordt weergegeven op de AR-toepassing die in het onderzoek is gebruikt. Klik hier om dit bestand te downloaden.

Aanvullende figuur 2: Screenshot van informatie die wordt weergegeven op de website die in het onderzoek is gebruikt. Klik hier om dit bestand te downloaden.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritieke stappen binnen het protocol
Tijdens het experiment werden verschillende stappen overwogen om de betrouwbaarheid van de resultaten te garanderen. Ten eerste werden deelnemers die bekend zijn met de merken mineraalwater die in het experiment worden gebruikt, uitgesloten, omdat deze deelnemers de taak zouden hebben uitgevoerd op basis van hun kennis van het merk. Ten tweede voltooiden de deelnemers een pre-experiment met andere merken mineraalwater, dat werd gebruikt om ervoor te zorgen dat de deelnemers bekend waren met AR en website-operaties. Ten derde werd bij het dragen van fNIRS-sondes een zwarte bandana gebruikt om de sondes te bedekken om de sondes te beschermen tegen omgevingslicht en de signaalkwaliteit te verbeteren. Ten vierde mochten de deelnemers die contactlenzen droegen geen gekleurde of andere lenzen gebruiken die het uiterlijk van de pupil of iris zouden veranderen. Ten vijfde, voorafgaand aan het echte experiment, moesten de deelnemers in een comfortabele positie op een stoel zitten en gedurende 2 minuten een rusttoestand behouden om basisgegevens te verzamelen, die werden gebruikt voor basislijncorrectie voor de fNIRS-gegevens47.

Wijzigingen en probleemoplossing
Het experimentele paradigma dat in deze studie wordt voorgesteld, kan worden uitgebreid naar commerciële toepassingen in de echte wereld. De grootste uitdaging bij het toepassen van cognitieve neurowetenschappelijke methoden op zakelijke problemen is ecologische validiteit48,49. Het experimentele protocol met behulp van mobiele beeldvorming van hersenen en lichamen heeft de haalbaarheid aangetoond van het oplossen van dit probleem50. Krampe et al. gebruikten draagbare fNIRS om consumentengedrag te bestuderen in een realistisch scenario voor boodschappen en presenteerden het concept van "shopper neuroscience"51. De multimodale benaderingen verbeteren de ecologische validiteit aanzienlijk. Door draagbare fNIRS en eyetrackerbrillen toe te passen, is deze studie de eerste die consumentenervaringen onderzoekt met behulp van verschillende zoekmodi voor informatie voor een productschap. Door het experiment breidt deze studie het onderzoeksgebied van NeuroIS uit naar retail- en winkelscenario's en stelt het onderzoekers in staat om cognitieve processen beter te begrijpen. Opgemerkt moet worden dat in de real-life winkelcontext fNIRS-metingen waarschijnlijk worden beïnvloed door positieverschuiving en omgevingslicht. Daarom wordt aanbevolen om verbanden, tapes en / of riemen te gebruiken om de sondes goed aan de deelnemers te bevestigen en een zwarte doek te gebruiken om het weefsel en het apparaat te bedekken om het effect van omgevingslicht te voorkomen.

Beperkingen van de techniek
Er zijn enkele beperkingen aan het experiment. Ten eerste, omdat een eye tracker werd gebruikt in het experiment, werden deelnemers met hoge bijziendheid en astigmatisme uitgesloten van het experiment. In dit geval kan het protocol niet worden gebruikt voor blinden of slechtzienden. Ten tweede onderzoekt deze studie alleen visuele zintuiglijke ervaringen. De toekomstige experimenten kunnen zich uitstrekken tot andere sensorische kanalen, zoals gehoor en aanraking. Ten derde onderzoekt deze studie alleen AR-technieken, andere opkomende technologieën moeten worden beoordeeld met behulp van hetzelfde experimentele paradigma in toekomstige studies.

Betekenis ten opzichte van bestaande methoden
Het belang van deze studie komt tot uiting in twee aspecten. Ten eerste werden multimodale benaderingen gebruikt voor de objectieve evaluatie van bruikbaarheid. Zoals te zien is in figuur 5, omdat de eyetracker tegelijkertijd video's opnam vanuit het perspectief van de deelnemers tijdens het winkelproces, was het voor onderzoekers gemakkelijk om het winkelscenario af te stemmen op de fNIRS-gegevens. Daarom heeft deze experimentele techniek met behulp van multimodale benaderingen niet alleen het voordeel van continue real-time meting met een hoge ecologische validiteit, maar combineert het ook de voordelen van verschillende technieken om dynamische veranderingen in winkelscenario's te identificeren. Deze studie bood een effectieve bruikbaarheidstestmethode voor productfabrikanten om het productontwerp te verbeteren, retailers om de lay-out van de producten in het schap te optimaliseren en consumenten om de gebruikerservaring te verbeteren. Ten tweede stelde deze studie een bruikbaarheidstestmethode voor die objectieve en subjectieve evaluaties combineerde. Sommige onderzoekers hebben aangetoond dat zelfrapportagemethoden kunnen lijden aan een gemeenschappelijke methodebias (CMB)52,53. Aangezien metingen uit de cognitieve neurowetenschappen meestal minder gevoelig zijn voor subjectieve bias, sociale wenselijkheidsbias en vraageffecten, kunnen deze objectieve evaluatiegegevens subjectieve evaluatiegegevens aanvullen en de robuustheid van het experimentele resultaat versterken25,34. Liang et al. gebruikten EEG- en zelfrapportagemethoden om de relatie tussen websitekwaliteit en gebruikerstevredenheid te onderzoeken door middel van een experiment met flow-ervaring. De resultaten gaven aan dat de cognitieve neurowetenschappelijke methode CMB53 vermindert. In deze studie toonde de combinatie van zowel objectieve als subjectieve evaluaties aan dat (1) consumenten de voorkeur gaven aan een AR-winkelconditie op basis van subjectieve evaluatie; (2) AR-techniek bevorderde de efficiëntie en bruikbaarheid van visueel zoeken op basis van de eye tracking-gegevens; (3) AR-techniek verminderde de cognitieve belasting van consumenten en verbeterde hun gebruikerservaringen op basis van de fNIRS- en de NASA-TLX-schaalgegevens; en (4) in combinatie met de video-informatie die door eye tracking werd opgenomen, maakte het het mogelijk om individuele verschillen te onderzoeken en de toestandsverschillen in consumentengedrag beter te begrijpen.

Toekomstige toepassingen
Deze studie stelt een experimenteel paradigma voor voor het testen van bruikbaarheid van opkomende technologieën in een MIS. Een bruikbaarheidstest wordt gebruikt om de gebruikerservaring van opkomende technologieën in mens-computerinteracties te evalueren54. Aangezien opkomende technologieën (bijv. augmented reality, virtual reality, kunstmatige intelligentie, draagbare technologie, robotica en big data) steeds vaker worden gebruikt in een MIS, kan het experimentele paradigma van een bruikbaarheidstest worden gebruikt om de technische voordelen van opkomende technologieën voor de gebruikerservaring in de toekomst te verifiëren.

Concluderend stelt deze studie een experimenteel paradigma voor dat zowel subjectieve als objectieve evaluaties combineert in een MIS, die de bruikbaarheid van opkomende technologieën zoals AR effectief kan evalueren.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

De auteurs hebben niets te onthullen.

Acknowledgments

Deze studie werd ondersteund door het Philosophy and Social Science Research Project van jiangsu Provincial Department of Education (2018SJA1089), Jiangsu Government Scholarship for Overseas Studies (JS-2018-262), de Natural Science Foundation of Zhejiang Province (LY19G020018) en de National Natural Science Foundation of China (NSFC) (72001096).

Materials

Name Company Catalog Number Comments
AR Engine Unity Technologies 2020.3.1 AR development platform
AR SDK PTC Vuforia Engine 9.8.5 AR development kit
Eye Tracker (eye tracking glasses) SMI, Germany SMI ETG Head-mounted eye tracking
system
Eye Tracker Recording software SMI, Germany iViewETG Software Eye Tracker Recording software
fNIRS probes Artinis Medical Systems BV, Netherlands Artinis PortaLite Light source: Light emitting diodes
Wavelengths: Standard nominal 760 and 850 nm
fNIRS software Artinis Medical Systems BV, Netherlands OxySoft 3.2.70 fNIRS data recording and analysis software
Mineral Water Groupe Danone Badoit  Experimental material in the AR condition   Capacity: 330ml
Price: Equation 16
Mineral Water Nestlé Acqua Panna Experimental material in the website condition Capacity: 250ml
Price: Equation 15.4
Skin Preparation Gel Weaver and Company Nuprep Clean the forehead skin of the participants
Smartphone Xiaomi Redmi K30 Ultra Smartphone-based AR application and website

DOWNLOAD MATERIALS LIST

References

  1. Ameen, N., Hosany, S., Tarhini, A. Consumer interaction with cutting-edge technologies: Implications for future research. Computers in Human Behavior. 120, 106761 (2021).
  2. Javornik, A. Augmented reality: Research agenda for studying the impact of its media characteristics on consumer behaviour. Journal of Retailing and Consumer Services. 30, 252-261 (2016).
  3. Caboni, F., Hagberg, J. Augmented reality in retailing: a review of features, applications and value. International Journal of Retail & Distribution Management. 47 (11), 1125-1140 (2019).
  4. Kumar, H. Augmented reality in online retailing: a systematic review and research agenda. International Journal of Retail & Distribution Management. 50 (4), 537-559 (2022).
  5. Yim, M. Y. C., Park, S. Y. I am not satisfied with my body, so I like augmented reality (AR): Consumer responses to AR-based product presentations. Journal of Business Research. 100, 581-589 (2019).
  6. Chylinski, M., et al. Augmented reality marketing: A technology-enabled approach to situated customer experience. Australasian Marketing Journal. 28 (4), 374-384 (2020).
  7. Davis, F. D. A Technology Acceptance Model for Empirically Testing New End-User Information Systems: Theory and Results. , Massachusetts Institute of Technology. Doctoral dissertation (1985).
  8. Venkatesh, V., Morris, M. G., Davis, G. B., Davis, F. D. User acceptance of information technology: Toward a unified view. MIS Quarterly. 27 (3), 425-478 (2003).
  9. Davis, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly. 13 (3), 319-340 (1989).
  10. Chen, R., Perry, P., Boardman, R., McCormick, H. Augmented reality in retail: a systematic review of research foci and future research agenda. International Journal of Retail & Distribution Management. 50 (4), 498-518 (2022).
  11. Poushneh, A., Vasquez-Parraga, A. Z. Discernible impact of augmented reality on retail customer's experience, satisfaction and willingness to buy. Journal of Retailing and Consumer Services. 34, 229-234 (2017).
  12. ISO. ISO 1998. Ergonomic requirements for office work with visual display terminals (VDTs)-Part 11: guidance on usability. ISO. , (2022).
  13. Hornbæk, K. Current practice in measuring usability: Challenges to usability studies and research. International Journal of Human-Computer Studies. 64 (2), 79-102 (2006).
  14. Tullis, T., Albert, B. Measuring the User Experience: Collecting, Analyzing, and Presenting Usability Metrics. , Morgan Kaufmann. Amsterdam, Boston. (2008).
  15. Shneiderman, B., Plaisant, C., Cohen, M., Jacobs, S. M., Elmqvist, N. Designing the User Interface: Strategies for Effective Human-Computer Interaction. , Pearson. Boston. (2017).
  16. Morillo, P., Orduña, J. M., Casas, S., Fernández, M. A comparison study of AR applications versus pseudo-holographic systems as virtual exhibitors for luxury watch retail stores. Multimedia Systems. 25 (4), 307-321 (2019).
  17. Paas, F. G., Van Merriënboer, J. J. Instructional control of cognitive load in the training of complex cognitive tasks. Educational Psychology Review. 6 (4), 351-371 (1994).
  18. Ismail, R., Fabil, N., Saleh, A. Extension of pacmad model for usability evaluation metrics using goal question metrics (Gqm) approach. Journal of Theoretical and Applied Information Technology. 79 (1), 90-100 (2015).
  19. Fan, X., Chai, Z., Deng, N., Dong, X. Adoption of augmented reality in online retailing and consumers' product attitude: A cognitive perspective. Journal of Retailing and Consumer Services. 53, 101986 (2020).
  20. Hart, S. G., Staveland, L. E. Development of NASA-TLX (Task Load Index): Results of empirical and theoretical research. Advances in Psychology. 52, 139-183 (1988).
  21. Petty, R. E., Cacioppo, J. T., Schumann, D. Central and peripheral routes to advertising effectiveness: The moderating role of involvement. Journal of Consumer Research. 10 (2), 135-146 (1983).
  22. He, L., Pelowski, M., Yu, W., Liu, T. Neural resonance in consumers' right inferior frontal gyrus predicts attitudes toward advertising. Psychology & Marketing. 38 (9), 1538-1549 (2021).
  23. Riedl, R., Fischer, T., Léger, P. M., Davis, F. D. A decade of NeuroIS research: Progress, challenges, and future directions. ACM SIGMIS Database: the DATA BASE for Advances in Information Systems. 51 (3), 13-54 (2020).
  24. Vom Brocke, J., Liang, T. P. Guidelines for Neuroscience Studies in Information Systems Research. Journal of Management Information Systems. 30 (4), 211-234 (2014).
  25. Dimoka, A., Pavlou, P. A., Davis, F. NeuroIS: The potential of cognitive neuroscience for information systems research. Information Systems Research. 22 (4), 687-702 (2011).
  26. de Guinea, A. O., Titah, R., Léger, P. M. Explicit and implicit antecedents of users' behavioral beliefs in information systems: A neuropsychological investigation. Journal of Management Information Systems. 30 (4), 179-210 (2014).
  27. Dimoka, A. How to conduct a Functional Magnetic Resonance (fmri) study in social science research. MIS Quarterly. 36 (3), 811-840 (2012).
  28. Dimoka, A., Davis, F. D. Where does TAM reside in the brain? The neural mechanisms underlying technology adoption. ICIS 2008 Proceedings. , 1-19 (2008).
  29. Moridis, C. N., Terzis, V., Economides, A. A., Karlovasitou, A., Karabatakis, V. E. Using EEG frontal asymmetry to predict IT user's perceptions regarding usefulness, ease of use and playfulness. Applied Psychophysiology and Biofeedback. 43 (1), 1-11 (2018).
  30. Pinti, P., et al. A review on the use of wearable functional near-infrared spectroscopy in naturalistic environments. Japanese Psychological Research. 60 (4), 347-373 (2018).
  31. Piper, S. K., et al. A wearable multi-channel fNIRS system for brain imaging in freely moving subjects. Neuroimage. 85, 64-71 (2014).
  32. Quaresima, V., Ferrari, M. Functional Near-Infrared Spectroscopy (fNIRS) for assessing cerebral cortex function during human behavior in natural/social situations: A concise review. Organizational Research Methods. 22 (1), 46-68 (2019).
  33. Wang, J., et al. Exploring relationships between eye tracking and traditional usability testing data. International Journal of Human-Computer Interaction. 35 (6), 483-494 (2019).
  34. Dimoka, A., et al. On the use of neurophysiological tools in IS research: Developing a research agenda for NeuroIS. MIS Quarterly. 36, 679-702 (2012).
  35. Just, M. A., Carpenter, P. A. Eye fixations and cognitive processes. Cognitive Psychology. 8 (4), 441-480 (1976).
  36. Alex, P., Ball, L. J. Eye Tracking in Human-Computer Interaction and Usability Research: Current Status and Future. Encyclopedia of Human Computer Interaction, IGI Global. , 211-219 (2006).
  37. Just, M. A., Carpenter, P. A. A theory of reading: from eye fixations to comprehension. Psychological Review. 87 (4), 329 (1980).
  38. Yang, S., Carlson, J. R., Chen, S. How augmented reality affects advertising effectiveness: The mediating effects of curiosity and attention toward the ad. Journal of Retailing and Consumer Services. 54, 102020 (2020).
  39. Debie, E., et al. Multimodal fusion for objective assessment of cognitive workload: A review. IEEE Transactions on Cybernetics. 51 (3), 1542-1555 (2021).
  40. Işbilir, E., Çakır, M. P., Acartürk, C., Tekerek, A. Ş Towards a multimodal model of cognitive workload through synchronous optical brain imaging and eye tracking measures. Frontiers in Human Neuroscience. 13, 375 (2019).
  41. Bruvold, W. H., Ongerth, H. J. Taste quality of mineralized water. Journal-American Water Works Association. 61 (4), 170-174 (1969).
  42. Marcussen, H., Holm, P. E., Hansen, H. Chr.B. Composition, flavor, chemical food safety, and consumer preferences of bottled water. Comprehensive Reviews in Food Science and Food Safety. 12 (4), 333-352 (2013).
  43. Whelton, A. J., Dietrich, A. M. Relationship between intensity, concentration, and temperature for drinking water odorants. Water Research. 38 (6), 1604-1614 (2004).
  44. (LIFESTYLE) What your choice of water says about you. FT live. , Available from: https://m.ftchinese.com/story/001006284/en?archive (2006).
  45. Pellegrini-Laplagne, M., et al. Effect of simultaneous exercise and cognitive training on executive functions, baroreflex sensitivity, and pre-frontal cortex oxygenation in healthy older adults: a pilot study. GeroScience. , (2022).
  46. Delpy, D. T., et al. Estimation of optical pathlength through tissue from direct time of flight measurement. Physics in Medicine & Biology. 33 (12), 1433-1442 (1988).
  47. Han, W., Gao, L., Wu, J., Pelowski, M., Liu, T. Assessing the brain 'on the line': An ecologically-valid assessment of the impact of repetitive assembly line work on hemodynamic response and fine motor control using fNIRS. Brain and Cognition. 136, 103613 (2019).
  48. Spiers, H. J., Maguire, E. A. Decoding human brain activity during real-world experiences. Trends in Cognitive Sciences. 11 (8), 356-365 (2007).
  49. Spence, C. Neuroscience-Inspired Design: From Academic Neuromarketing to Commercially Relevant Research. Organizational Research Methods. 22 (1), 275-298 (2019).
  50. Grasso-Cladera, A., Costa-Cordella, S., Rossi, A., Fuchs, N. F., Parada, F. J. Mobile brain/body imaging: Challenges and opportunities for the implementation of research programs based on the 4E perspective to cognition. Adaptive Behavior. 0 (0), 1-26 (2022).
  51. Krampe, C., Strelow, E., Haas, A., Kenning, P. The application of mobile fNIRS to "shopper neuroscience" - first insights from a merchandising communication study. European Journal of Marketing. 52, 244-259 (2018).
  52. Meade, A. W., Watson, A. M., Kroustalis, C. M. Assessing common methods bias in organizational research. 22nd annual meeting of the society for industrial and organizational psychology. , New York. 1-10 (2007).
  53. Liang, T. P., Lin, Y. L., Shiau, W. L., Chen, S. F. Investigating common method bias via an EEG study of the flow experience in website design. Journal of Electronic Commerce Research. 22 (4), 305-321 (2021).
  54. Kim, Y. M., Rhiu, I., Yun, M. H. A systematic review of a virtual reality system from the perspective of user experience. International Journal of Human-Computer Interaction. 36 (10), 893-910 (2020).

Tags

Deze maand in JoVE nummer 189 Neuro-Information-Systems NeuroIS Usability fNIRS Eye Tracking Augmented Reality
Usability Evaluation of Augmented Reality: een neuro-informatie-systemen studie
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Wu, J., Zhang, D., Liu, T., Yang, H. … More

Wu, J., Zhang, D., Liu, T., Yang, H. H., Wang, Y., Yao, H., Zhao, S. Usability Evaluation of Augmented Reality: A Neuro-Information-Systems Study. J. Vis. Exp. (189), e64667, doi:10.3791/64667 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter