Method Article

Avaliação da Usabilidade da Realidade Aumentada: Um Estudo de Sistemas de Neuro-Informação

DOI:

10.3791/64667

⸱

November 30th, 2022

 ,  ,  ,  ,  ,  , 
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

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudo apresenta um paradigma experimental para um teste de usabilidade combinando avaliações subjetivas e objetivas. A avaliação objetiva adotou os métodos Neuro-Information-Systems (NeuroIS) e a avaliação subjetiva adotou um questionário de usabilidade e uma escala NASA-Task Load Index (NASA-TLX).

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudo introduz um paradigma experimental para um teste de usabilidade de tecnologias emergentes em um sistema de informação gerencial (MIS). O teste de usabilidade incluiu avaliações subjetivas e objetivas. Para a avaliação subjetiva, adotou-se um questionário de usabilidade e uma escala NASA-TLX. Para a avaliação objetiva, foram utilizados métodos de Neuro-Sistemas de Informação (NeuroIS). De uma perspectiva NeuroIS, este estudo usou fNIRS móveis e óculos de rastreamento ocular para medidas multimodais, o que resolveu o problema da validade ecológica das ferramentas de neurociência cognitiva usadas em experimentos comportamentais do mundo real. Este estudo utilizou a Realidade Aumentada (RA) integrada à Internet das Coisas (IoT) como objeto experimental. Comparando-se as diferenças nos dados de neuroimagem, nos dados fisiológicos, no questionário de usabilidade e nos dados da escala NASA-TLX entre os dois modos de busca de informação (RA versus um website), a busca de informação com RA apresentou maior eficiência e menor carga cognitiva quando comparada à busca de informação com um website durante o processo de tomada de decisão de consumo. Os resultados do experimento de usabilidade demonstram que a RA, como uma tecnologia emergente no varejo, pode efetivamente melhorar as experiências do consumidor e aumentar sua intenção de compra. O paradigma experimental, combinando avaliações subjetivas e objetivas neste estudo, poderia ser aplicado a um teste de usabilidade para tecnologias emergentes, como realidade aumentada, realidade virtual, inteligência artificial, tecnologia vestível, robótica e big data. Ele fornece uma solução experimental prática para a experiência do usuário em interações humano-computador com a adoção de tecnologias emergentes.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Seis tecnologias de fronteira que interagem com os consumidores, tipicamente representadas por realidade aumentada, realidade virtual, inteligência artificial, tecnologia vestível, robótica e big data, estão remodelando muitos modelos teóricos de comportamento do consumidor1. A Realidade Aumentada (RA) é uma nova tecnologia que pode melhorar a experiência do consumidor e melhorar a satisfação do consumidor. Ele sobrepõe informações textuais, imagens, vídeos e outros itens virtuais a cenários reais para fundir virtualidade e realidade, aprimorando assim a informação no mundo real por meio de explicação, orientação, avaliação e previsão2. A RA proporciona um novo tipo de interação humano-computador, criando uma experiência de compra imersiva para os consumidores, e tem levado ao desenvolvimento de muitas aplicações 3,4. No entanto, a aceitação dos serviços de RA pelos consumidores ainda é mínima, e muitas empresas são cautelosas quanto à adoção da tecnologia de RA 5,6. O modelo de aceitação de tecnologia (TAM) tem sido amplamente utilizado para explicar e predizer o comportamento de adoção de novas tecnologias de informação 7,8. Segundo a TAM, a intenção de adoção de uma nova tecnologia depende, em grande parte, de sua usabilidade9. Portanto, uma possível explicação para a lenta aceitação dos serviços de RA pelos consumidores na perspectiva da TAM pode estar relacionada à usabilidade das novas técnicas, o que evidencia a necessidade de avaliar a usabilidade da RA durante as compras10,11.

A usabilidade é definida como a eficácia, eficiência e satisfação de atingir objetivos especificados em um contexto especificado por usuários especificados12. Atualmente, existem dois métodos principais para avaliar a usabilidade: a avaliação subjetiva e aobjetiva13. As avaliações subjetivas baseiam-se principalmente em métodos de autorrelato por meio de questionários e escalas. Seguindo essa linha de pesquisa, o questionário utilizado neste estudo incluiu cinco características associadas ao modo de busca da informação para atingir um objetivo: (1) eficiência, (2) facilidade de uso, (3) memorabilidade (fácil de lembrar), (4) satisfação (o modo de busca da informação é confortável e agradável) e (5) generalizabilidade para outros objetos14,15,16. Além disso, a carga cognitiva, que representa a carga durante a execução de uma determinada tarefa no sistema cognitivo de um aprendiz17, é outro indicador central de usabilidade18,19. Assim, este estudo também utilizou o NASA Task Load Index (NASA-TLX)13,20 como uma métrica subjetiva para medir a carga cognitiva durante as compras usando RA versus compras usando serviços de sites. Vale ressaltar que os métodos de autorrelato dependem da capacidade e da disposição dos indivíduos em relatar com precisão suas atitudes e/ou comportamentos prévios21, deixando aberta a possibilidade de notificação incorreta, subnotificação ou viés. Assim, medidas objetivas poderiam ser um valioso complemento aos métodos subjetivos tradicionais22.

Métodos de Neuro-Sistemas de Informação (NeuroIS) são utilizados para avaliação objetiva da usabilidade da RA. O NeuroIS, cunhado por Dimoka e col. na conferência ICIS de 2007, está atraindo atenção crescente no campo dos sistemas de informação (SI)23. A NeuroIS utiliza teorias e ferramentas da neurociência cognitiva para melhor compreender o desenvolvimento, a adoção e o impacto das tecnologias de SI24,25. Até o momento, ferramentas da neurociência cognitiva, como ressonância magnética funcional (RMf), eletroencefalograma (EEG), tomografia computadorizada por emissão de pósitrons, magnetoencefalografia (MEG) e espectroscopia funcional no infravermelho próximo (fNIRS), são comumente utilizadas em estudos deNeuroSI26,27. Por exemplo, Dimoka e Davis usaram a RMf para medir as ativações dos sujeitos quando interagiam com o website e revelaram que a facilidade de uso percebida influenciava a ativação no córtex pré-frontal (PFC)28. Da mesma forma, utilizando o EEG, Moridis e col. verificaram que a assimetria frontal estava intimamente associada à utilidade29. Esses resultados indicam que o PFC pode desempenhar um papel fundamental na usabilidade.

Embora tenham sido alcançados em estudos anteriores de NeuroSI, os paradigmas utilizados nesses estudos limitaram os movimentos corporais de sujeitos com baixa validade ecológica, limitando suas contribuições teóricas e práticas. Interagir com tecnologias como a RA durante as compras requer movimentos corporais livres, e as restrições do sujeito prejudicam em grande parte a experiência do consumidor, como discutido em He et al.22. Assim, ferramentas de imagem cerebral com alta validade ecológica são necessárias para um teste de usabilidade de sistemas de informação. A este respeito, o fNIRS tem vantagens técnicas únicas: durante os experimentos do fNIRS, os sujeitos podem se mover livremente30 até certo ponto. Por exemplo, estudos anteriores mediram as ativações cerebrais dos indivíduos durante várias atividades ao ar livre, como andar de bicicleta usando fNIRS portátil31. Além disso, a fNIRS é de baixo custo e permite a mensuração de ativações cerebrais por longos períodos de tempo32. Neste estudo, a fNIRS foi usada para medir objetivamente o nível de carga cognitiva dos sujeitos durante o uso dos serviços de compras de RA versus um site.

O rastreamento ocular tem sido uma técnica psicofisiológica valiosa para detectar a atenção visual dos usuários durante um teste de usabilidade nos últimos anos33 e também tem sido amplamente utilizado em estudos de NeuroSI34. A técnica baseia-se na hipótese olho-mente, que pressupõe que o foco do observador vai para onde a atenção é direcionada, que a atenção visual representa o processo mental e que os padrões de atenção visual refletem estratégias cognitivas humanas35,36,37. Na área de pesquisa em RA, Yang et al., utilizando o rastreamento ocular, descobriram que a propaganda de RA melhorava as atitudes dos consumidores em relação à propaganda, aumentando sua curiosidade e atenção38. No presente estudo, o rastreamento ocular foi utilizado para medir a atenção dos sujeitos, incluindo parâmetros como duração total da fixação, duração média da fixação, frequência de fixação, frequência de sácade, duração média da sácade e comprimento médio do trajeto do exame.

Em síntese, este estudo propõe um método de teste de usabilidade que combina avaliações subjetivas e objetivas com aplicações de RA como exemplo. Um questionário de usabilidade e uma escala NASA-TLX foram utilizados para avaliação subjetiva, e medidas multimodais combinando fNIRS e rastreamento ocular foram utilizadas para avaliação objetiva 39,40.

Delineamento experimental
Materiais experimentais: Para simular um contexto de compras da vida real, uma prateleira de produtos foi construída em laboratório, e duas marcas diferentes de água mineral foram colocadas na prateleira como materiais experimentais. Como bens essenciais, a água mineral foi selecionada porque os participantes não teriam viés nas avaliações subjetivas com base em sua formação ocupacional, gênero e capacidade de compra. O preço, a capacidade e a familiaridade das marcas foram controlados (ver Tabela de Materiais) para eliminar a interferência de variáveis irrelevantes.

O teste de usabilidade incluiu duas condições: um aplicativo de RA baseado em smartphone (Figura 1 Suplementar) e um website (Figura 2 Suplementar). A aplicação de RA foi programada com base em um mecanismo de RA. O site foi desenvolvido em Python, baseado em Bootstrap para o front-end e Flask para o back-end. O aplicativo de RA e o site foram executados e navegados em um smartphone. Dentre as duas diferentes marcas de água mineral, uma foi utilizada como material experimental na condição RA, e a outra na condição website.

Tarefas experimentais: Os participantes foram solicitados a realizar quatro tarefas de busca de informações derivadas de contextos de aplicação de IoT: a qualidade da água, a temperatura de armazenamento, a dieta correspondente e o preço por litro. Essas quatro informações são o que os consumidores normalmente prestam atenção quando compram água mineral. Não houve restrição de tempo para que os participantes concluíssem as tarefas.

Qualidade da água: A qualidade da água mineral geralmente inclui dois indicadores: o total de sólidos dissolvidos (TDS) e o valor de pH. O TDS reflete o conteúdo mineral, e o valor de pH descreve a acidez/alcalinidade da água. Esses dois indicadores estão relacionados aos oligoelementos contidos na água mineral e influenciam o sabor. Por exemplo, Bruvold e Ongerth dividiram a qualidade sensorial da água em cinco graus, de acordo com seu teor de TDS41. Marcussen e col. verificaram que a água tem boas qualidades sensoriais na faixa de 100-400 mg/L TDS42. O TDS e o valor de pH das duas marcas de água mineral utilizadas neste estudo foram medidos usando TDS e pHmetricômetros, respectivamente, e então marcados no aplicativo de RA e no site. Durante a realização da tarefa, os participantes foram solicitados a relatar os valores de TDS e pH da água mineral e confirmar se esses valores estavam dentro da faixa nominal. Na condição RA, os participantes podiam adquirir essas informações escaneando a garrafa de água. Na condição de site, os participantes foram solicitados a realizar quatro etapas: (1) encontrar um código numérico no verso da garrafa de água mineral, (2) inserir o código numérico em uma caixa de consulta para obter os valores de TDS e pH para água mineral, (3) pesquisar a faixa nominal de água mineral no site e (4) informar verbalmente se o TDS e o valor de pH estão dentro da faixa nominal para o produto.

Temperatura de armazenamento: A qualidade da água mineral pode diminuir durante o transporte e armazenamento devido a mudanças de temperatura. Experimentos mostraram que a temperatura adequada para a água mineral está entre 5 °C e 25 °C durante o transporte e armazenamento. Nessa faixa de temperatura, a água não apresenta mau odor43. No presente experimento, a temperatura de armazenamento dos dois tipos de água mineral em locais diferentes foi marcada no aplicativo de RA e no website. Durante a execução da tarefa, os participantes foram solicitados a informar o local de armazenamento e a temperatura correspondente da água. Na condição RA, os participantes podiam adquirir essas informações escaneando a garrafa de água. Na condição do site, os participantes podiam adquirir essas informações inserindo o código numérico em uma caixa de consulta.

Dieta correspondente: Diferentes marcas de água mineral são adequadas para diferentes cardápios devido à sua composição mineral única e conteúdo de bolhas44. No presente experimento, as recomendações dietéticas para as duas águas minerais foram marcadas no aplicativo e no site da RA. Durante a realização da tarefa, os participantes foram solicitados a relatar como a água mineral combina com os alimentos do cardápio. Na condição RA, os participantes poderiam adquirir essas informações escaneando a garrafa de água. Na condição de site, os participantes poderiam buscar essas informações no site.

Preço por litro: Atualmente, os rótulos das garrafas de água mineral na China não exibem a informação de preço por litro. Isso torna difícil para os consumidores distinguir a diferença de preços unitários de diferentes tipos de água mineral. Portanto, o presente experimento exigiu que os participantes informassem o preço por litro. No aplicativo de RA, os participantes podiam adquirir o preço por litro diretamente escaneando a garrafa de água. Na condição do site, as informações poderiam ser calculadas a partir do preço unitário e do volume no rótulo.

Este estudo utilizou um delineamento intraparticipante, com critérios de inclusão e exclusão dos participantes, conforme descrito na Tabela 1. Um total de 40 participantes completou o experimento (20 homens e 20 mulheres, idade média = 21,31 ± 1,16 anos). Todos os participantes eram estudantes de graduação da Universidade de Ciência e Tecnologia de Jiangsu e foram organizados aleatoriamente em dois grupos (A e B). Para evitar o efeito de ordem, a ordem experimental foi contrabalançada entre os dois grupos (A/B). Especificamente, um grupo realizou primeiro a condição de RA e, em seguida, a condição de site, enquanto o outro grupo realizou primeiro a condição de RA e, em seguida, a condição de RA. Os participantes foram solicitados a completar a preparação para o experimento, usar os instrumentos e executar as tarefas experimentais. O intervalo interexperimento foi ajustado para 10 s para permitir que a ativação cortical retornasse ao nível basal, evitando a influência cruzada na tarefa subsequente. Ao final do experimento AR/website, os participantes foram solicitados a preencher o questionário de usabilidade e a escala NASA-TLX. O fluxograma experimental é mostrado na Figura 1. Uma fotografia do arranjo experimental é apresentada na Figura 2.

Tabela 1: Critérios de inclusão e exclusão do estudo. Clique aqui para baixar esta tabela.

Fluxograma mostrando experimentos, tarefas e questionários de AR e usabilidade do site para os Grupos A e B.
Figura 1: Fluxograma experimental. Cada experimento teve duração de ~45 min, com um período de descanso de 10 s entre as tarefas. Clique aqui para ver uma versão maior desta figura.

Teste de aplicativos de realidade aumentada, o usuário analisa as informações do produto no celular enquanto está no corredor de uma loja.
Figura 2: Exemplo de configuração da cena experimental. Os materiais experimentais, o participante e os equipamentos são mostrados. Clique aqui para ver uma versão maior desta figura.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudo foi conduzido de acordo com os princípios da Declaração de Helsinque. Todos os participantes foram informados sobre o objetivo e a segurança do experimento e assinaram o termo de consentimento livre e esclarecido antes da participação. Este estudo foi aprovado pelo comitê de revisão institucional da Universidade de Ciência e Tecnologia de Jiangsu.

1. Procedimento experimental

  1. Preparação para o experimento
    1. Explicar o consentimento informado aos participantes e solicitar que assinem o termo de consentimento livre e esclarecido.
    2. Realize um teste de visão de cores nos participantes para confirmar que eles têm discriminação de cores normal.
    3. Apresente 30 marcas de água mineral aos participantes e peça-lhes que escolham as marcas com as quais estão familiarizados, para garantir que não estão familiarizados com as marcas de água mineral usadas no experimento.
    4. Apresentar o procedimento do experimento aos participantes.
    5. Realizar um pré-experimento com os participantes usando marcas de água mineral diferentes das usadas no estudo e garantir que eles estejam familiarizados com as operações de RA e site.
    6. Direcione cada participante do Grupo A para realizar o experimento de RA primeiro e, em seguida, para realizar o experimento do site. Direcione cada participante do Grupo B para realizar o experimento do website primeiro e, em seguida, para realizar o experimento de RA.
  2. Uso de instrumentos
    1. Sondas fNIRS
      1. Limpe a pele da testa dos participantes com gel de preparação da pele (ver Tabela de Materiais).
      2. Embrulhe as sondas (consulte Tabela de Materiais) em um filme plástico para circunstâncias suadas. Fixe as sondas na posição FP1 e FP2 de acordo com o sistema internacional 10-20 com uma faixa de cabeça preta45. Use uma bandana preta para cobrir as sondas para protegê-las contra a luz ambiente e melhorar a qualidade do sinal.
      3. Limpar o transmissor e o receptor das sondas usando uma almofada de álcool isopropílico a 70% após terminar o experimento.
    2. Rastreador ocular: capture o movimento dos olhos em ambientes do mundo real usando óculos de rastreamento ocular (consulte a Tabela de Materiais). Encaixe lentes de grau na unidade da cabeça dos óculos de rastreamento ocular magneticamente (se necessário) e garanta que os participantes possam andar livremente com uma visão corrigida.
      NOTA: Como os óculos de rastreamento ocular não são projetados para funcionar em conjunto com os óculos padrão, os participantes que usam óculos ainda podem ser incluídos no estudo usando lentes de prescrição opcionais para correção de miopia ou miopia. Os participantes também podem usar lentes de contato padrão porque, embora possam aumentar ligeiramente o ruído, normalmente não introduzem erros nos dados. Os participantes não podem usar lentes coloridas ou outras que alterem a aparência da pupila ou da íris.

2. Medidas

  1. fNIRS
    1. Abra o software de gravação (consulte Tabela de Materiais). Conecte as sondas a um laptop por meio de um adaptador Bluetooth e, em seguida, registre as mudanças de concentração de hemoglobina oxigenada (HbO2) no córtex pré-frontal dos participantes através do laptop, com uma frequência de amostragem de 10 Hz.
    2. Verificar a intensidade de luz recebida e a qualidade do índice de saturação tecidual (IST) para controlar a qualidade dos dados. Certifique-se de que o sinal recebido esteja localizado entre 1% e 95%.
    3. Certifique-se de que os participantes se sentem em uma posição confortável em uma cadeira e mantenham o estado de repouso por 2 minutos para coletar dados basais antes do experimento real.
    4. Clique no botão Iniciar na interface do software para gravar os dados do fNIRS.
  2. Rastreamento ocular
    1. Configure o hardware para os óculos de rastreamento ocular. Conecte o plugue USB dos óculos de rastreamento ocular a uma porta USB no laptop. Abra o software de gravação (consulte Tabela de Materiais) e defina a frequência de amostragem para 120 Hz.
    2. Calibração: Execute uma calibração de um ponto. Peça ao participante que se concentre em um objeto claramente identificável em seu campo de visão a 0,6 m. Mova o cursor da mira para o objeto, onde o participante está focado no vídeo da cena e clique no objeto.
    3. Pressione o botão Gravar na interface do software para iniciar a gravação.
  3. Questionário e escala: Apresentar o questionário de usabilidade e a escala NASA-TLX aos participantes após concluírem as tarefas do RA/website.

3. Análise dos dados

  1. Processamento de dados fNIRS
    1. Converter os valores de densidade óptica obtidos do software de gravação fNIRS em concentrações (μmol) de acordo com a Lei de Beer-Lambert modificada46.
    2. Filtre os dados brutos em passa-baixa de 0,5 Hz para remover ruídos sistemáticos, como batimentos cardíacos e respiração.
    3. Verifique e corrija os dados para artefatos de movimento removendo os segmentos de dados que excederam três desvios padrão acima de toda a série temporal47.
    4. Exporte os dados fNIRS médios e máximos nas condições de RA e do site e, em seguida, subtraia-os dos dados de linha de base.
  2. Processamento de dados de rastreamento ocular
    1. Exportar a frequência de fixação (contagem/s), tempo total de fixação (ms), tempo médio de fixação (ms), frequência de sacádea (contagem/s), tempo médio de sacada (ms) e comprimento médio do trajeto de varredura (px/s) dos participantes.
  3. Análise estatística
    1. Realizar um teste bicaudal com nível de significância de 0,05. Verificar a normalidade dos dados por meio do teste de Shapiro-Wilk e realizar o teste de diferença. Execute correções de comparação múltipla para valores de p usando o método de taxa de descoberta falsa (FDR).
      OBS: Durante a realização do teste de diferenças, os dados que seguiram uma distribuição normal foram analisados por meio do teste t para amostras pareadas, e os dados que não seguiram uma distribuição normal foram analisados pelo teste dos postos sinalizados de Wilcoxon.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os resultados representativos deste estudo incluem os resultados do questionário de usabilidade, análise de dados de rastreamento ocular, dados da escala NASA-TLX, análise de dados do fNIRS e mudanças dinâmicas na carga cognitiva. Para os resultados do questionário de usabilidade, foram realizados análise de dados de rastreamento ocular, dados da escala NASA-TLX e análise de dados do fNIRS, testes de normalidade e testes de diferenças. Para alterações dinâmicas da carga cognitiva, este estudo selecionou dados de fNIRS e ...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Etapas críticas dentro do protocolo
Durante o experimento, várias etapas foram consideradas para garantir a confiabilidade dos resultados. Primeiramente, foram excluídos os participantes familiarizados com as marcas de água mineral utilizadas no experimento, pois esses participantes teriam realizado a tarefa com base em seu conhecimento da marca. Em segundo lugar, os participantes completaram um pré-experimento usando outras marcas de água mineral, que foi empregado para garantir que os participantes ...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os autores não têm nada a revelar.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudo foi apoiado pelo Projeto de Pesquisa em Filosofia e Ciências Sociais do Departamento Provincial de Educação de Jiangsu (2018SJA1089), pela Bolsa do Governo de Jiangsu para Estudos Ultramarinos (JS-2018-262), pela Fundação de Ciências Naturais da Província de Zhejiang (LY19G020018) e pela Fundação Nacional de Ciências Naturais da China (NSFC) (72001096).

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
AREngine Unity Technologies2020.3.1Plataforma de desenvolvimento de AR
SDKAR PTCVuforia Engine 9.8.5Kit de desenvolvimento de
AR Eye Tracker (óculos de rastreamento ocular)SMI, AlemanhaSMI ETGSistema de rastreamento ocular
montado na cabeça
Software de gravação de rastreadorSMI, AlemanhaSoftware iViewETGRastreador ocular Software de gravação
Sondas fNIRSArtinis Medical Systems BV, Países BaixosArtinis PortaLiteFonte de luz: Diodos emissores de luz
Comprimentos de onda: Nominal padrão 760 e 850 nm
software fNIRSArtinis Medical Systems BV, Países BaixosOxySoft 3.2.70fNIRS software de gravação e análise de dados
Mineral WaterGroupe DanoneBadoit Material experimental na condição AR    Capacidade: 330ml
Preço: figure-materials-16
Água MineralNestléAcqua PannaMaterial experimental na condição do site Capacidade: 250ml
Preço: figure-materials-25.4
Gel de Preparação de Pele Weaverand CompanyNuprepLimpe a pele da testa dos participantes
SmartphoneXiaomiRedmi K30 UltraAplicativo e site de RA baseado em smartphone
ocular

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Augmented Reality UsabilityNeuro Information SystemsUsability EvaluationMobile fNIRSEye Tracking GlassesCognitive LoadUsability QuestionnaireNASA TLX ScaleInformation Search EfficiencyHuman Computer Interaction

Related Articles