Waiting
Procesando inicio de sesión ...

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

Behavior

Usability Evaluering af Augmented Reality: En neuro-informationssystemundersøgelse

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

Denne undersøgelse præsenterer et eksperimentelt paradigme for en brugervenlighedstest, der kombinerer subjektive og objektive evalueringer. Den objektive evaluering vedtog Neuro-Information-Systems (NeuroIS) metoder, og den subjektive evaluering vedtog et brugervenlighedsspørgeskema og en NASA-Task Load Index (NASA-TLX) skala.

Abstract

Denne undersøgelse introducerer et eksperimentelt paradigme for en brugervenlighedstest af nye teknologier i et ledelsesinformationssystem (MIS). Brugervenlighedstesten omfattede både subjektive og objektive evalueringer. Til den subjektive evaluering blev der vedtaget et brugervenlighedsspørgeskema og en NASA-TLX-skala. Til den objektive evaluering blev metoder til neuroinformationssystemer (NeuroIS) anvendt. Fra et NeuroIS-perspektiv brugte denne undersøgelse mobile fNIRS og øjensporingsbriller til multimodale målinger, hvilket løste problemet med økologisk gyldighed af kognitive neurovidenskabsværktøjer, der blev brugt i virkelige adfærdseksperimenter. Denne undersøgelse brugte Augmented Reality (AR) integreret i tingenes internet (IoT) som et eksperimentelt objekt. Sammenligning af forskellene i neuroimaging data, de fysiologiske data, brugervenlighedsspørgeskemaet og NASA-TLX-skaladataene mellem de to informationssøgningstilstande (AR versus et websted) havde informationssøgning med AR en højere effektivitet og en lavere kognitiv belastning sammenlignet med informationssøgning med et websted under processen med forbrugsbeslutningstagning. Resultaterne af brugervenlighedseksperimentet viser, at AR som en ny teknologi i detailhandlen effektivt kan forbedre forbrugeroplevelser og øge deres købsintention. Det eksperimentelle paradigme, der kombinerer både subjektive og objektive evalueringer i denne undersøgelse, kan anvendes til en brugervenlighedstest for nye teknologier, såsom augmented reality, virtual reality, kunstig intelligens, bærbar teknologi, robotik og big data. Det giver en praktisk eksperimentel løsning til brugeroplevelsen i menneske-computer-interaktioner med vedtagelsen af nye teknologier.

Introduction

Seks frontlinjeteknologier, der interagerer med forbrugerne, typisk repræsenteret af augmented reality, virtual reality, kunstig intelligens, bærbar teknologi, robotik og big data, omformer mange teoretiske modeller for forbrugeradfærd1. Augmented Reality (AR) er en ny teknologi, der kan forbedre forbrugeroplevelsen og forbedre forbrugertilfredsheden. Det overlejrer tekstinformation, billeder, videoer og andre virtuelle genstande på virkelige scenarier for at smelte virtualitet og virkelighed sammen og dermed forbedre information i den virkelige verden gennem forklaring, vejledning, evaluering og forudsigelse2. AR giver en ny form for interaktion mellem mennesker og computere, hvilket skaber en fordybende shoppingoplevelse for forbrugerne og har ført til udviklingen af mange applikationer 3,4. Forbrugernes accept af AR-tjenester er dog stadig minimal, og mange virksomheder er derfor forsigtige med at vedtage AR-teknologi 5,6. Teknologiacceptmodellen (TAM) er blevet brugt i vid udstrækning til at forklare og forudsige vedtagelsen af nye informationsteknologier 7,8. Ifølge TAM afhænger hensigten om vedtagelse af en ny teknologi stort set af dens anvendelighed9. Derfor kan en mulig forklaring på den langsomme forbrugeraccept af AR-tjenester fra TAM-perspektivet vedrøre anvendeligheden af de nye teknikker, hvilket fremhæver behovet for at evaluere anvendeligheden af AR, mens du handler10,11.

Brugervenlighed defineres som effektiviteten, effektiviteten og tilfredsheden ved at nå specificerede mål i en bestemt kontekst af specificerede brugere12. I øjeblikket er der to hovedmetoder til evaluering af brugervenlighed: subjektive og objektive evalueringer13. Subjektive evalueringer er hovedsagelig baseret på selvrapporteringsmetoder ved hjælp af spørgeskemaer og skalaer. Efter denne forskningslinje omfattede spørgeskemaet, der blev brugt i denne undersøgelse, fem funktioner forbundet med informationssøgningstilstanden for at nå et mål: (1) effektivitet, (2) brugervenlighed, (3) mindeværdighed (let at huske), (4) tilfredshed (informationssøgningstilstanden er behagelig og behagelig) og (5) generaliserbarhed til andre objekter14,15,16. Derudover er kognitiv belastning, der repræsenterer belastningen, mens du udfører en bestemt opgave på en elevs kognitive system17, en anden kerneindikator for brugervenlighed18,19. Således brugte denne undersøgelse desuden NASA Task Load Index (NASA-TLX)13,20 som en subjektiv måling til at måle den kognitive belastning, mens du handler ved hjælp af AR versus shopping ved hjælp af webstedstjenester. Det er bemærkelsesværdigt, at selvrapporteringsmetoder er afhængige af enkeltpersoners evne og vilje til nøjagtigt at rapportere deres holdninger og / eller tidligere adfærd21, hvilket efterlader muligheden for fejlrapportering, underrapportering eller bias. Objektive foranstaltninger kan således være et værdifuldt supplement til traditionelle subjektive metoder22.

Neuro-Information-Systems (NeuroIS) metoder anvendes til objektiv evaluering af AR brugervenlighed. NeuroIS, der blev opfundet af Dimoka et al. på ICIS-konferencen i 2007, tiltrækker sig stigende opmærksomhed inden for informationssystemer (IS)23. NeuroIS bruger teorier og værktøjer inden for kognitiv neurovidenskab til bedre at forstå udviklingen, vedtagelsen og virkningen af IS-teknologier24,25. Til dato er kognitive neurovidenskabsværktøjer, såsom funktionel magnetisk resonansbilleddannelse (fMRI), elektroencefalogram (EEG), positronemissionscomputertomografi, magnetoencefalografi (MEG) og funktionel nær-infrarød spektroskopi (fNIRS), almindeligt anvendt i NeuroIS-undersøgelser26,27. For eksempel brugte Dimoka og Davis fMRI til at måle forsøgspersonernes aktiveringer, når de interagerede med hjemmesiden, og afslørede, at opfattet brugervenlighed påvirkede aktivering i den præfrontale cortex (PFC)28. På samme måde fandt Moridis et al. ved hjælp af EEG, at frontal asymmetri var tæt forbundet med anvendelighed29. Disse resultater indikerer, at PFC kan spille en central rolle i brugervenligheden.

Selvom der er opnået resultater i tidligere NeuroIS-undersøgelser, havde de paradigmer, der blev anvendt i disse undersøgelser, begrænsede kropsbevægelser hos forsøgspersoner med lav økologisk validitet, hvilket begrænsede deres teoretiske og praktiske bidrag. Interaktion med teknologier som AR under shopping kræver frie kropsbevægelser, og emnebegrænsninger forringer i høj grad forbrugeroplevelsen som diskuteret i He et al.22. Således er hjernebilleddannelsesværktøjer med høj økologisk validitet nødvendige for en brugervenlighedstest af informationssystemer. I denne henseende har fNIRS unikke tekniske fordele: under fNIRS-eksperimenter kan emner bevæge sig frit30 til en vis grad. For eksempel har tidligere undersøgelser målt forsøgspersoners hjerneaktiveringer under flere udendørs aktiviteter såsom cykling ved hjælp af bærbar fNIRS31. Derudover er fNIRS billigt og muliggør måling af hjerneaktiveringer i lange perioder32. I denne undersøgelse blev fNIRS brugt til objektivt at måle forsøgspersonernes niveau af kognitiv belastning, mens de brugte shoppingtjenesterne fra AR versus et websted.

Eye tracking har været en værdifuld psykofysiologisk teknik til at detektere brugernes visuelle opmærksomhed under en usability test i de senere år33 og har også været meget udbredt i NeuroIS undersøgelser34. Teknikken er afhængig af øje-sind-hypotesen, som antager, at observatørens fokus går, hvor opmærksomheden er rettet, at visuel opmærksomhed repræsenterer den mentale proces, og at mønstre af visuel opmærksomhed afspejler menneskelige kognitive strategier35,36,37. Inden for AR-forskning brugte Yang et al. øjensporing til at finde ud af, at AR-reklame forbedrede forbrugernes holdninger til reklamen ved at øge deres nysgerrighed og opmærksomhed38. I den aktuelle undersøgelse blev øjensporing brugt til at måle forsøgspersonernes opmærksomhed, herunder parametre som total fikseringsvarighed, gennemsnitlig fikseringsvarighed, fikseringsfrekvens, saccadefrekvens, gennemsnitlig saccadevarighed og gennemsnitlig scanningsstilængde.

Sammenfattende foreslår denne undersøgelse en brugervenlighedstestmetode, der kombinerer subjektive og objektive evalueringer med AR-applikationer som et eksempel. Et brugervenlighedsspørgeskema og en NASA-TLX-skala blev brugt til subjektiv evaluering, og multimodale foranstaltninger, der kombinerer fNIRS og øjensporing, blev brugt til objektiv evaluering39,40.

Eksperimentelt design
Eksperimentelle materialer: For at simulere en virkelig shoppingkontekst blev der bygget en produkthylde i et laboratorium, og to forskellige mærker mineralvand blev placeret på hylden som eksperimentelle materialer. Som væsentlige varer blev mineralvand valgt, fordi deltagerne ikke ville have bias i subjektive evalueringer på grundlag af deres erhvervsmæssige baggrund, køn og indkøbsevne. Mærkernes pris, kapacitet og fortrolighed blev kontrolleret (se materialetabel) for at eliminere interferens af irrelevante variabler.

Brugervenlighedstesten omfattede to betingelser: en smartphone-baseret AR-applikation (supplerende figur 1) og et websted (supplerende figur 2). AR-applikationen blev programmeret baseret på en AR-motor. Hjemmesiden blev udviklet ved hjælp af Python, baseret på Bootstrap til front-end og Flask til back-end. AR-applikationen og webstedet blev kørt og gennemset på en smartphone. Blandt de to forskellige mærker af mineralvand blev det ene brugt som forsøgsmateriale i AR-tilstanden, og det andet blev brugt i webstedstilstanden.

Eksperimentelle opgaver: Deltagerne blev bedt om at udføre fire informationssøgningsopgaver, der stammer fra IoT-applikationskontekster: vandkvaliteten, opbevaringstemperaturen, den matchende diæt, og prisen pr. liter. Disse fire informationselementer er, hvad forbrugerne normalt er opmærksomme på, når de køber mineralvand. Der var ingen tidsbegrænsning for deltagerne til at udføre opgaverne.

Vandkvalitet: Kvaliteten af mineralvand omfatter almindeligvis to indikatorer: det samlede opløste faste stof (TDS) og pH-værdien. TDS afspejler mineralindholdet, og pH-værdien beskriver vandets surhedsgrad/alkalitet. Disse to indikatorer er relateret til sporstoffer indeholdt i mineralvandet og påvirker smagen. For eksempel opdelte Bruvold og Ongerth vandets sensoriske kvalitet i fem kvaliteter i henhold til dets TDS-indhold41. Marcussen et al. fandt, at vand har gode sensoriske kvaliteter i området 100-400 mg/L TDS42. TDS- og pH-værdien for de to mærker mineralvand, der blev brugt i denne undersøgelse, blev målt ved hjælp af henholdsvis TDS- og pH-målere og derefter markeret på AR-applikationen og hjemmesiden. Under udførelsen af opgaven skulle deltagerne rapportere TDS- og pH-værdierne for mineralvandet og bekræfte, om disse værdier var inden for det nominelle område. I AR-tilstand kunne deltagerne erhverve disse oplysninger ved at scanne flasken med vand. I webstedsbetingelsen skulle deltagerne udføre fire trin: (1) finde en numerisk kode på bagsiden af flasken med mineralvand, (2) indtaste den numeriske kode i et forespørgselsfelt for at få TDS- og pH-værdierne for mineralvand, (3) søge i det nominelle interval for mineralvand på webstedet og (4) mundtligt rapportere, om TDS og pH-værdi ligger inden for det nominelle interval for produktet.

Opbevaringstemperatur: Kvaliteten af mineralvand kan falde under transport og opbevaring på grund af temperaturændringer. Forsøg har vist, at den passende temperatur for mineralvand er mellem 5 °C og 25 °C under transport og opbevaring. I dette temperaturområde har vand ikke en dårlig lugt43. I det nuværende eksperiment blev opbevaringstemperaturen for de to typer mineralvand forskellige steder markeret på AR-applikationen og hjemmesiden. Under udførelsen af opgaven skulle deltagerne rapportere opbevaringsstedet og den tilsvarende temperatur på vandet. I AR-tilstand kunne deltagerne erhverve disse oplysninger ved at scanne flasken med vand. I webstedstilstanden kunne deltagerne hente disse oplysninger ved at indtaste den numeriske kode i et forespørgselsfelt.

Matchende kost: Forskellige mærker af mineralvand er velegnede til forskellige menuer på grund af deres unikke mineralsammensætning og bobleindhold44. I det nuværende eksperiment blev kostanbefalinger for de to mineralvand markeret på AR-applikationen og hjemmesiden. Under udførelsen af opgaven skulle deltagerne rapportere, hvordan mineralvandet matcher maden i menuen. I AR-tilstand kunne deltagerne erhverve disse oplysninger ved at scanne vandflasken. I webstedstilstanden kunne deltagerne søge efter disse oplysninger på webstedet.

Liter: I øjeblikket viser etiketterne på mineralvandsflaskerne i Kina ikke oplysningerne om pris pr. Liter. Dette gør det vanskeligt for forbrugerne at skelne mellem forskellen i enhedspriser på forskellige typer mineralvand. Derfor krævede dette eksperiment, at deltagerne rapporterede prisen pr. Liter. I AR-applikationen kunne deltagerne erhverve prisen pr. Liter direkte ved at scanne flasken med vand. I webstedstilstanden kan oplysningerne beregnes ud fra enhedsprisen og mængden på etiketten.

Denne undersøgelse anvendte et design inden for deltageren med deltagerinklusions- og eksklusionskriterier som beskrevet i tabel 1. I alt 40 deltagere gennemførte eksperimentet (20 mænd og 20 kvinder, gennemsnitsalder = 21,31 ± 1,16 år). Alle deltagere var studerende fra Jiangsu University of Science and Technology og blev tilfældigt arrangeret i to grupper (A og B). For at undgå ordreeffekten blev den eksperimentelle rækkefølge udlignet på tværs af de to grupper (A/B). Specifikt udførte den ene gruppe AR-betingelsen først og derefter webstedsbetingelsen, mens den anden gruppe udførte webstedet først og derefter AR-betingelsen. Deltagerne skulle gennemføre forberedelsen til eksperimentet, bære instrumenterne og udføre de eksperimentelle opgaver. Intereksperimentintervallet blev sat til 10 s for at tillade kortikal aktivering at vende tilbage til baselineniveauet og undgå krydspåvirkning i den efterfølgende opgave. I slutningen af AR / webstedseksperimentet skulle deltagerne udfylde brugervenlighedsspørgeskemaet og NASA-TLX-skalaen. Det eksperimentelle rutediagram er vist i figur 1. Et fotografi af den eksperimentelle opsætning er vist i figur 2.

Tabel 1: Inklusions- og eksklusionskriterier for undersøgelsen. Klik her for at downloade denne tabel.

Figure 1
Figur 1: Eksperimentelt rutediagram. Hvert eksperiment varede ~ 45 minutter med en hvileperiode på 10 s mellem opgaverne. Klik her for at se en større version af denne figur.

Figure 2
Figur 2: Eksempel på opsætning af forsøgsscenen. Forsøgsmaterialerne, deltageren og udstyret vises. Klik her for at se en større version af denne figur.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Denne undersøgelse blev udført i overensstemmelse med principperne i Helsingfors-erklæringen. Alle deltagere blev informeret om eksperimentets formål og sikkerhed og underskrev den informerede samtykkeformular før deltagelse. Denne undersøgelse blev godkendt af det institutionelle bedømmelsesudvalg ved Jiangsu University of Science and Technology.

1. Eksperiment procedure

  1. Forberedelse til eksperimentet
    1. Forklar informeret samtykke til deltagerne og bed dem om at underskrive samtykkeerklæringen.
    2. Udfør en farvesynstest på deltagerne for at bekræfte, at de har normal farvediskrimination.
    3. Præsenter 30 mineralvandsmærker for deltagerne og bed dem om at vælge de mærker, de er bekendt med, for at sikre, at de ikke er bekendt med de mærker af mineralvand, der bruges i eksperimentet.
    4. Indfør eksperimentets procedure for deltagerne.
    5. Udfør et præeksperiment på deltagerne ved hjælp af andre mineralvandsmærker end dem, der blev brugt i undersøgelsen, og sørg for, at de er fortrolige med AR og webstedsdriften.
    6. Bed hver deltager fra gruppe A om først at udføre AR-eksperimentet og derefter udføre webstedseksperimentet. Bed hver deltager fra gruppe B om først at udføre webstedseksperimentet og derefter udføre AR-eksperimentet.
  2. Brug af instrumenter
    1. fNIRS-sonder
      1. Rens deltagernes pandehud med hudforberedelsesgel (se materialetabel).
      2. Pak sonderne (se materialetabellen) ind i en plastfolie til svedige omstændigheder. Fastgør sonderne på FP1 og FP2 positionen i henhold til det internationale 10-20 system med et sort pandebånd45. Brug en sort bandana til at dække sonderne for at beskytte dem mod omgivende lys og forbedre signalkvaliteten.
      3. Rengør sondernes sender og modtager med en 70% isopropylalkoholpude efter afslutningen af eksperimentet.
    2. Eye tracker: Optag øjenbevægelser i virkelige miljøer ved hjælp af øjensporingsbriller (se Materialetabel). Monter receptlinser på øjensporingsbrillernes hovedenhed magnetisk (hvis nødvendigt), og sørg for, at deltagerne kan gå frit rundt med et korrigeret syn.
      BEMÆRK: Da øjensporingsbrillerne ikke er designet til at fungere sammen med standardbriller, kan deltagere, der bærer briller, stadig inkluderes i undersøgelsen ved hjælp af valgfri receptlinser til korrektion af enten nærsynethed eller langsynethed. Deltagerne kan også bruge standard kontaktlinser, fordi selvom de kan øge støjen lidt, introducerer de normalt ikke fejl i dataene. Deltagerne kan ikke bruge farvede eller andre linser, der ændrer pupillens eller irisens udseende.

2. Foranstaltninger

  1. fNIRS
    1. Åbn optagelsessoftwaren (se materialefortegnelsen). Tilslut sonderne til en bærbar computer via en Bluetooth-adapter, og registrer derefter koncentrationsændringerne af iltet hæmoglobin (O2Hb) i deltagernes præfrontale cortex gennem den bærbare computer med en prøveudtagningsfrekvens på 10 Hz.
    2. Kontroller kvaliteten af den modtagne lysintensitet og vævsmætningsindeks (TSI) for at kontrollere datakvaliteten. Sørg for, at det modtagne signal er placeret mellem 1% og 95%.
    3. Sørg for, at deltagerne sidder i en behagelig position på en stol og opretholder hviletilstanden i 2 minutter for at indsamle baseline data før det virkelige eksperiment.
    4. Klik på Start-knappen på softwaregrænsefladen for at registrere fNIRS-dataene.
  2. Sporing af øjne
    1. Konfigurer hardwaren til øjensporingsbrillerne. Tilslut USB-stikket på øjensporingsbrillerne til en USB-port på den bærbare computer. Åbn optagesoftwaren (se materialetabellen), og indstil samplingfrekvensen til 120 Hz.
    2. Kalibrering: Udfør en etpunktskalibrering. Bed deltageren om at fokusere på et klart identificerbart objekt i synsfeltet på 0,6 m. Flyt trådkorsmarkøren til objektet, hvor deltageren er fokuseret på i scenevideoen, og klik på objektet.
    3. Tryk på knappen Optag på softwaregrænsefladen for at starte optagelsen.
  3. Spørgeskema og skala: Præsenter brugervenlighedsspørgeskemaet og NASA-TLX-skalaen for deltagerne, når de har udført opgaverne på AR / webstedet.

3. Analyse af data

  1. fNIRS databehandling
    1. Konverter de optiske densitetsværdier opnået fra fNIRS-optagelsessoftwaren til koncentrationer (μmol) i henhold til den modificerede Beer-Lambert-lov46.
    2. Filtrer de rå data ved 0,5 Hz med lavt pas for at fjerne systematiske lyde som hjerteslag og åndedræt.
    3. Kontroller og ret dataene for bevægelsesartefakter ved at fjerne de datasegmenter, der overskred tre standardafvigelser over hele tidsserien47.
    4. Eksportér de gennemsnitlige og maksimale fNIRS-data i AR- og webstedsbetingelserne, og træk dem derefter fra baselinedataene.
  2. Eye tracking databehandling
    1. Eksporter deltagernes fikseringsfrekvens (antal), samlede fikseringstid (ms), gennemsnitlige fikseringstid (ms), saccadefrekvens (antal/er), gennemsnitlige saccadetid (ms) og gennemsnitlige scanningsstilængde (px/s).
  3. Statistisk analyse
    1. Udfør en tosidet test på et signifikansniveau på 0,05. Kontroller datanormaliteten ved hjælp af Shapiro-Wilk-testen, og udfør en forskelstest. Udfør flere sammenligningskorrektioner for p-værdier ved hjælp af FDR-metoden (false discovery rate).
      BEMÆRK: Under udførelsen af forskelstesten blev de data, der fulgte en normalfordeling, analyseret ved hjælp af en parret prøve t-test, og de data, der ikke fulgte en normalfordeling, blev analyseret ved hjælp af Wilcoxon-signeret rangtest.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De repræsentative resultater af denne undersøgelse inkluderer resultaterne af brugervenlighedsspørgeskemaet, øjensporingsdataanalyse, NASA-TLX-skaladata, fNIRS-dataanalyse og dynamiske kognitive belastningsændringer. For resultaterne af brugervenlighedsspørgeskemaet blev der udført øjensporingsdataanalyse, NASA-TLX-skaladata og fNIRS-dataanalyse, normalitetstest og forskelstest. For dynamiske kognitive belastningsændringer valgte denne undersøgelse fNIRS og øjensporingsdata fra en enkelt deltager for at demonstrere validiteten af den multimodale måling.

Resultater af spørgeskema om brugervenlighed
Ingen af punkterne i brugervenlighedsspørgeskemaet fulgte normalfordelingen (tabel 2). Pålideligheden af AR og hjemmesiden i brugervenlighedsspørgeskemaet blev testet, og Cronbachs alfa-score blev anset for acceptabel (Cronbachs alfa = 0,974).

Tabel 2: Normalitetstest af brugervenlighedsspørgeskemaet. Ingen af varerne i brugervenlighedsspørgeskemaet fulgte normal distribution. Dataene blev analyseret ved hjælp af Wilcoxon signeret rangtest. Klik her for at downloade denne tabel.

Medianforskelsscorerne for brugervenlighedsspørgeskemaet mellem AR og webstedet er vist i tabel 3. Datadistributionerne af AR og webstedsbetingelserne er vist i figur 3. Der blev observeret en signifikant forskel mellem AR- og webstedsbetingelserne, hvor medianscorerne for AR var højere end for webstedet. Resultaterne viste, at deltagerne havde en bedre brugeroplevelse i AR-tilstand end i webstedstilstanden.

Tabel 3: Median forskel score af brugervenlighed spørgeskema mellem AR og hjemmeside betingelser. Medianscorerne for AR var signifikant højere end for webstedet. Klik her for at downloade denne tabel.

Figure 3
Figur 3: Datadistribution af brugervenlighedsspørgeskemaet. En skematisk illustration af datafordelingen af brugervenlighedsspørgeskemaet. Klik her for at se en større version af denne figur.

Analyse af øjensporingsdata
Alle eye tracking indikatorer blev testet for normalitet, og resultaterne er vist i tabel 4. I opgave 1 og 3 fulgte kun fikseringsfrekvensen normalfordelingen, mens alle de andre indikatorer ikke fulgte normalfordelingen. I opgave 2 fulgte fikseringsfrekvens og saccadefrekvens normalfordeling, men resten af indikatorerne fulgte ikke normalfordelingen. For opgave 4 fulgte kun saccadefrekvensen normalfordelingen. Ved sammenligning af forskelle mellem AR og webstedsbetingelser blev dataene rapporteret separat baseret på normalitet / ikke-normalitet. Tabel 5 viser forskelle i eye-tracking-indikatorer mellem AR og webstedsforhold i opgave 1 (vandkvalitet). Der var betydelige forskelle i alle eye-tracking-indikatorer mellem AR og webstedsbetingelser, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR-tilstanden end i webstedstilstanden (MedianAR = 586,85, interkvartilt interval (IQR) = 482,55-714,6; Medianhjemmeside = 398,05, IQR = 362,775-445,275). De andre indikatorer var signifikant lavere i AR-tilstanden end i webstedstilstanden.

Tabel 4: Normalitetstest af eye-tracking-indikatorer. De eye-tracking-data, der følger en normalfordeling, blev analyseret ved hjælp af en parret prøve t-test, og eye-tracking-dataene, der ikke fulgte en normalfordeling, blev analyseret ved hjælp af Wilcoxon-signeret rangtest. Klik her for at downloade denne tabel.

Tabel 5: Forskelle i eye-tracking-indikatorerne mellem AR og webstedet i opgave 1. Der var betydelige forskelle i alle eye-tracking-indikatorer mellem AR og webstedsforhold, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR end i webstedets tilstand (MedianAR = 586,85,interkvartilt interval (IQR) = 482,55-714,6; Medianhjemmeside = 398.05, IQR = 362.775-445.275). De andre indikatorer var signifikant lavere i AR end i webstedets tilstand. Klik her for at downloade denne tabel.

Tabel 6 viser forskellene i eye-tracking-indikatorerne mellem AR og webstedsforholdene i opgave 2 (opbevaringstemperatur). Alle øjensporingsindikatorer viste signifikante forskelle mellem AR og webstedsforhold, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR-tilstanden end i webstedstilstanden (MedianAR = 477.2, IQR = 398.675-596.575; Medianhjemmeside = 397,1,IQR = 353,35-451,075). De andre indikatorer var signifikant lavere i AR-tilstanden end i webstedstilstanden.

Tabel 6: Forskelle i eye-tracking-indikatorerne mellem AR og webstedet i opgave 2. Der var betydelige forskelle i alle øjensporingsindikatorer mellem AR og webstedsforhold, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR end i webstedstilstanden (MedianAR = 477.2, IQR = 398.675-596.575; Medianhjemmeside = 397,1, IQR = 353,35-451,075). De andre indikatorer var signifikant lavere i AR end i webstedets tilstand. Klik her for at downloade denne tabel.

Tabel 7 viser forskellene i eye-tracking-indikatorerne mellem AR og webstedsbetingelserne i opgave 3 (matchende diæt). Der var betydelige forskelle i alle eye-tracking-indikatorer mellem AR- og webstedsbetingelserne, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR-tilstanden end i webstedstilstanden (MedianAR = 420,45,IQR = 352,275-467,8; Medianhjemmeside = 360,6, IQR = 295-399,075). De andre indikatorer var signifikant lavere i AR-tilstanden end i webstedstilstanden.

Tabel 7: Forskelle i eye-tracking-indikatorerne mellem AR og webstedet i opgave 3. Der var betydelige forskelle i alle eye-tracking-indikatorer mellem AR- og webstedsbetingelserne, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR end i webstedstilstanden (MedianAR = 420.45, IQR = 352.275-467.8; Medianhjemmeside = 360.6, IQR = 295-399.075). De andre indikatorer var signifikant lavere i AR end i webstedets tilstand. Klik her for at downloade denne tabel.

Tabel 8 viser forskelle i eye-tracking-indikatorerne mellem AR og webstedsbetingelser i opgave 4 (pris pr. Liter). Der var betydelige forskelle i alle eye-tracking-indikatorer mellem AR- og webstedsbetingelserne, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR-tilstanden end i webstedstilstanden (MedianAR = 495,25,IQR = 404,8-628,65; Medianhjemmeside = 263,1, IQR = 235,45-326,2). De andre indikatorer var dog signifikant lavere i AR-tilstanden end i webstedstilstanden.

Tabel 8: Forskelle i eye-tracking-indikatorerne mellem AR og websted i opgave 4. Der var betydelige forskelle i alle eye-tracking-indikatorer mellem AR- og webstedsbetingelserne, p < 0,001. Den gennemsnitlige fikseringsvarighed var signifikant længere i AR end i webstedstilstanden (MedianAR = 495,25,IQR = 404,8-628,65; Medianhjemmeside = 263,1,IQR = 235,45-326,2). De andre indikatorer var signifikant lavere i AR end i webstedets tilstand. Klik her for at downloade denne tabel.

For de visuelle søgeopgaver var lavere eye-tracking-indikatorer forbundet med en højere effektivitet af informationssøgning (bortset fra den gennemsnitlige fikseringsvarighed). Samlet set viste eye-tracking-dataene, at deltagerne havde højere informationssøgningseffektivitet, når de brugte AR, end når de brugte hjemmesiden.

NASA-TLX skala data
Ingen af elementerne på NASA-TLX-skalaen fulgte en normalfordeling (tabel 9). Cronbachs alfascore blev anset for acceptabel (Cronbachs alfa = 0,924).

Tabel 9: Normalitetstest af NASA-TLX-skala. Ingen af elementerne i NASA-TLX-skalaen fulgte en normal fordeling. Dataene blev analyseret ved hjælp af Wilcoxon signeret rangtest. Klik her for at downloade denne tabel.

Medianforskelsscorerne for NASA-TLX-skalaen mellem AR og webstedsbetingelser er vist i tabel 10. Datadistributioner af AR og webstedsbetingelser er vist i figur 4. Der blev observeret en signifikant forskel mellem AR og webstedsforhold. NASA-TLX-skalascorerne for AR-tilstanden var lavere end for webstedstilstanden, hvilket indikerer, at AR-teknikken førte til en lavere kognitiv belastning end hjemmesidens.

Tabel 10: Median forskel score af NASA-TLX skala mellem AR og hjemmesiden. NASA-TLX-skalascorerne for AR-tilstanden var signifikant lavere end for webstedstilstanden. Klik her for at downloade denne tabel.

Figure 4
Figur 4: Datafordeling af NASA-TLX-skalaen. En skematisk illustration af datadistribution af NASA-TLX-skalaen. Klik her for at se en større version af denne figur.

fNIRS dataanalyse
De gennemsnitligeO2Hb-værdierblev testet for normalitet, og resultaterne er vist i tabel 11. Ved sammenligning af forskelle mellem AR og webstedsbetingelser blev data rapporteret separat baseret på normalitet / ikke-normalitet. Forskelle i gennemsnit O2Hb mellem AR og webstedsbetingelser er vist i tabel 12. Der var signifikante forskelle mellem de to betingelser, når deltagerne udførte opgave 1 (justeret p = 0,002), opgave 3 (justeret p = 0,007) og opgave 4 (justeret p < 0,001). Den gennemsnitlige O2Hb af de opgaver, der blev udført i AR-tilstanden, var signifikant lavere end i webstedstilstanden (opgave 1: Gennemsnitlig AR = -1,012, SDAR = 0,472, Gennemsnitlig websted = 0,63, SD-websted = 0,529; Opgave 3: Gennemsnitlig AR = -0,386, SDAR = 0,493, Gennemsnitlighjemmeside = 1,12,SD-websted = 0,554; Opgave 4: Gennemsnitlig AR = -0,46, SDAR = 0,467, Gennemsnitlighjemmeside = 2,27,SD-websted = 0,576). Under udførelsen af opgave 2 nåede forskellene mellem AR- og webstedsbetingelserne ikke et signifikant niveau (justeret p = 0,154 > 0,05). Disse resultater indikerer, at deltagerne havde en lavere kognitiv belastning, når de brugte AR-teknikken, end når de brugte hjemmesiden.

Tabel 11: Normalitetstest af middelværdienO2Hb. De fNIRS-data, der følger en normalfordeling, blev analyseret ved hjælp af en parret prøve t-test, og de fNIRS-data, der ikke fulgte en normalfordeling, blev analyseret ved hjælp af Wilcoxon-signeret rangtest. Klik her for at downloade denne tabel.

Tabel 12: Forskelle i gennemsnit O2Hb mellem AR og websted.  Der var signifikante forskelle mellem de to betingelser, når deltagerne udførte opgave 1 (justeret p = 0,002), opgave 3 (justeret p = 0,007) og opgave 4 (justeret p < 0,001). Den gennemsnitlige O2Hb af de opgaver, der blev udført i AR-tilstanden, var signifikant lavere end i webstedstilstanden (opgave 1: Gennemsnitlig AR = -1,012, SDAR = 0,472, Gennemsnitlig websted = 0,63, SD-websted = 0,529; Opgave 3: Gennemsnitlig AR = -0,386, SDAR = 0,493, Gennemsnitlighjemmeside = 1,12,SD-websted = 0,554; Opgave 4: Gennemsnitlig AR = -0,46, SDAR = 0,467, Gennemsnitlighjemmeside = 2,27,SD-websted = 0,576). Under udførelsen af opgave 2 nåede forskellene mellem AR og webstedsbetingelser ikke et signifikant niveau (justeret p = 0,154 > 0,05). Klik her for at downloade denne tabel.

Dynamiske kognitive belastningsændringer
Figur 5 viser ændringerne iO2Hb-koncentrationen, når en deltager udførte opgave 4 i webstedstilstanden. Ved punkt 1 havde deltageren problemer med at beregne literprisen. Den intense søgeproces inducerede en stigning i O2Hb-koncentrationen, hvilket indikerede en stigning i den øjeblikkelige belastning. Når deltageren modtog et signal, faldtO2Hb-koncentrationen til punkt 2, og den øjeblikkelige belastning nåede en dalværdi i det øjeblik. Deltageren begyndte derefter at arbejde hårdt på at beregne literprisen og ønskede at afslutte opgaven så hurtigt som muligt. I denne sammenhæng fortsatteO2Hb-koncentrationenmed at stige og nåede et maksimum (punkt 3). Sammenfattende kunne den multimodale måling af øjensporing og fNIRS effektivt måle dynamiske ændringer i kognitiv belastning, mens de interagerer med informationssystemer og kan også undersøge individuelle forskelle i forbrugeradfærd.

Figure 5
Figur 5: fNIRS øjeblikkelig belastning. En skematisk illustration af de dynamiske kognitive belastningsændringer ved hjælp af fNIRS øjeblikkelig belastning. Klik her for at se en større version af denne figur.

Ved at tage de fire opgaver AR integreret i IoT som eksempler kombinerede denne undersøgelse NeuroIS-tilgange med subjektive evalueringsmetoder. De eksperimentelle resultater antydede, at: (1) for brugervenlighedsspørgeskemaet havde deltagerne en bedre subjektiv evaluering i AR-tilstanden end i webstedstilstanden (tabel 3 og figur 3); (2) for øjensporingsdataene havde deltagerne højere informationssøgningseffektivitet, når de brugte AR, end når de brugte webstedet (tabel 5, tabel 6, tabel 7 og tabel 8); (3) for NASA-TLX-skaladata og fNIRS-data førte AR-teknikken til lavere kognitiv belastning end med webstedet (tabel 10 og tabel 12); og (4) for den dynamiske kognitive belastning kunne den multimodale måling af øjensporing og fNIRS effektivt måle dynamiske ændringer af kognitiv belastning, mens de interagerer med informationssystemer, og kunne også undersøge de individuelle forskelle i forbrugeradfærd (figur 5). Ved at sammenligne forskellene i neuroimaging data, fysiologiske data og selvrapporterede data ved hjælp af usability spørgeskemaet og NASA-TLX skala mellem AR og hjemmeside betingelser, AR teknik kunne fremme effektiviteten for informationssøgning og reducere kognitiv belastning under indkøbsprocessen. Som en ny detailteknologi kan AR således effektivt forbedre forbrugernes brugeroplevelse og igen øge deres købsintention.

Supplerende figur 1: Skærmbillede af oplysninger, der vises på AR-applikationen, der blev brugt i undersøgelsen. Klik her for at downloade denne fil.

Supplerende figur 2: Skærmbillede af oplysninger, der vises på det websted, der blev brugt i undersøgelsen. Klik her for at downloade denne fil.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trin i protokollen
Under eksperimentet blev flere trin overvejet for at sikre pålideligheden af resultaterne. For det første blev deltagere, der er bekendt med mærkerne af mineralvand, der blev brugt i eksperimentet, udelukket, fordi disse deltagere ville have udført opgaven baseret på deres viden om mærket. For det andet gennemførte deltagerne et præeksperiment ved hjælp af andre mærker af mineralvand, som blev anvendt til at sikre, at deltagerne var fortrolige med AR og webstedsdrift. For det tredje, når man bar fNIRS-sonder, blev en sort bandana brugt til at dække sonderne for at beskytte sonderne mod omgivende lys og forbedre signalkvaliteten. For det fjerde måtte deltagerne, der bar kontaktlinser, ikke bruge farvede eller andre linser, der ville ændre pupillens eller irisens udseende. For det femte skulle deltagerne forud for det virkelige eksperiment sidde i en behagelig position på en stol og opretholde en hviletilstand i 2 minutter for at indsamle baselinedata, som blev brugt til baselinekorrektion for fNIRS-data47.

Ændringer og fejlfinding
Det eksperimentelle paradigme, der foreslås i denne undersøgelse, kan udvides til kommercielle anvendelser i den virkelige verden. Den største udfordring ved at anvende kognitive neurovidenskabelige metoder til forretningsproblemer er økologisk validitet48,49. Den eksperimentelle protokol, der anvender mobil hjerne/kropsbilleddannelse, har vist, at det er muligt at løse dette problem50. Krampe et al. brugte bærbare fNIRS til at studere forbrugeradfærd i et realistisk dagligvareindkøbsscenarie og præsenterede begrebet "shopper neuroscience"51. De multimodale tilgange forbedrer i høj grad den økologiske validitet. Ved at anvende bærbare fNIRS og eye tracker-briller er denne undersøgelse den første til at undersøge forbrugernes oplevelser ved hjælp af forskellige informationssøgetilstande foran en produkthylde. Gennem eksperimentet udvider denne undersøgelse forskningsområdet for NeuroIS til detail- og shoppingscenarier og gør det muligt for forskere bedre at forstå kognitive processer. Det skal bemærkes, at i den virkelige shoppingkontekst vil fNIRS-målinger sandsynligvis blive påvirket af positionsforskydning og miljølys. Derfor anbefales det at bruge bandager, bånd og / eller stropper til at fastgøre sonderne godt til deltagerne og bruge en sort klud til at dække vævet og enheden for at undgå effekten af omgivende lys.

Begrænsninger af teknikken
Der er nogle begrænsninger for eksperimentet. For det første, da en øjensporing blev brugt i eksperimentet, blev deltagere med høj nærsynethed og astigmatisme udelukket fra eksperimentet. I dette tilfælde kan protokollen ikke bruges til blinde eller synshandicappede. For det andet undersøger denne undersøgelse kun visuelle sensoriske oplevelser. De fremtidige eksperimenter kan udvides til andre sensoriske kanaler, såsom hørelse og berøring. For det tredje undersøger denne undersøgelse kun AR-teknikker, andre nye teknologier bør vurderes ved hjælp af det samme eksperimentelle paradigme i fremtidige undersøgelser.

Betydning i forhold til eksisterende metoder
Betydningen af denne undersøgelse afspejles i to aspekter. For det første blev der anvendt multimodale tilgange til objektiv evaluering af anvendeligheden. Som vist i figur 5, fordi eye trackeren samtidig optog videoer fra deltagernes perspektiv under indkøbsprocessen, var det let for forskere at matche shoppingscenariet med fNIRS-dataene. Derfor har denne eksperimentelle teknik, der bruger multimodale tilgange, ikke kun fordelen ved kontinuerlig realtidsmåling med høj økologisk validitet, men kombinerer også fordelene ved forskellige teknikker til at identificere dynamiske ændringer i indkøbsscenarier. Denne undersøgelse gav en effektiv brugervenlighedstestmetode for produktproducenter til at forbedre produktdesign, detailhandlere til at optimere layoutet af produkterne på hylden og forbrugere til at forbedre brugeroplevelsen. For det andet foreslog denne undersøgelse en brugervenlighedstestmetode, der kombinerede objektive og subjektive evalueringer. Nogle forskere har afsløret, at selvrapporteringsmetoder kan lide af en fælles metodebias (CMB)52,53. Da målinger fra kognitiv neurovidenskab normalt er mindre modtagelige for subjektiv bias, social ønskværdighedsbias og efterspørgselseffekter, kan disse objektive evalueringsdata supplere subjektive evalueringsdata og styrke robustheden af det eksperimentelle resultat25,34. Liang et al. brugte EEG og selvrapporteringsmetoder til at undersøge forholdet mellem webstedskvalitet og brugertilfredshed gennem et eksperiment om flowoplevelse. Resultaterne viste, at den kognitive neurovidenskabsmetode reducerer CMB53. I denne undersøgelse viste kombinationen af både objektive og subjektive evalueringer, at (1) forbrugerne foretrak en AR-shoppingtilstand baseret på subjektiv evaluering; (2) AR-teknik fremmede visuel søgeeffektivitet og brugervenlighed baseret på øjensporingsdata; (3) AR-teknik reducerede forbrugernes kognitive belastning og forbedrede deres brugeroplevelser baseret på fNIRS- og NASA-TLX-skaladata; og (4) kombineret med videoinformationen optaget af eye tracking muliggjorde det undersøgelse af individuelle forskelle og bedre forståelse af tilstandsforskellene i forbrugeradfærd.

Fremtidige applikationer
Denne undersøgelse foreslår et eksperimentelt paradigme for brugervenlighedstest af nye teknologier i en MIS. En brugervenlighedstest bruges til at evaluere brugeroplevelsen af nye teknologier i interaktioner mellem menneskerog computere 54. Da nye teknologier (f.eks. augmented reality, virtual reality, kunstig intelligens, bærbar teknologi, robotteknologi og big data) i stigende grad anvendes i en MIS, kan det eksperimentelle paradigme for en brugervenlighedstest bruges til at verificere de tekniske fordele ved nye teknologier på brugeroplevelsen i fremtiden.

Afslutningsvis foreslår denne undersøgelse et eksperimentelt paradigme, der kombinerer både subjektive og objektive evalueringer i en MIS, som effektivt kan evaluere anvendeligheden af nye teknologier som AR.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har intet at afsløre.

Acknowledgments

Denne undersøgelse blev støttet af filosofi og samfundsvidenskabelig forskningsprojekt fra Jiangsu Provincial Department of Education (2018SJA1089), Jiangsu Government Scholarship for Overseas Studies (JS-2018-262), Natural Science Foundation of Zhejiang Province (LY19G020018) og 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

Denne måned i JoVE udgave 189 Neuro-informationssystemer NeuroIS brugervenlighed fNIRS øjensporing augmented reality
Usability Evaluering af Augmented Reality: En neuro-informationssystemundersøgelse
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