Методическая статья

Юзабилити-оценка дополненной реальности: исследование нейроинформационных систем

DOI:

10.3791/64667

⸱

30 ноября 2022 г.

 ,  ,  ,  ,  ,  , 
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

В этой статье

Краткое содержание

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

В этом исследовании представлена экспериментальная парадигма юзабилити-теста, сочетающая субъективные и объективные оценки. При объективной оценке использовались методы нейроинформационных систем (NeuroIS), а при субъективной оценке — анкета юзабилити и шкала NASA-Task Load Index (NASA-TLX).

Аннотация

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

В этом исследовании представлена экспериментальная парадигма для тестирования удобства использования новых технологий в информационной системе управления (MIS). Юзабилити-тест включал в себя как субъективные, так и объективные оценки. Для субъективной оценки были приняты анкета юзабилити и шкала NASA-TLX. Для объективной оценки использовались методы нейроинформационных систем (НейроИС). С точки зрения NeuroIS, в этом исследовании использовались мобильные fNIRS и очки слежения за глазами для мультимодальных измерений, что решило проблему экологической обоснованности инструментов когнитивной нейробиологии, используемых в реальных поведенческих экспериментах. В этом исследовании в качестве экспериментального объекта использовалась дополненная реальность (AR), интегрированная в Интернет вещей (IoT). Сравнивая различия в данных нейровизуализации, физиологических данных, опроснике юзабилити и данных шкалы NASA-TLX между двумя режимами поиска информации (AR против веб-сайта), поиск информации с помощью AR имел более высокую эффективность и меньшую когнитивную нагрузку по сравнению с поиском информации с помощью веб-сайта в процессе принятия решений о потреблении. Результаты юзабилити-эксперимента показывают, что AR, как новая технология в розничной торговле, может эффективно улучшить потребительский опыт и повысить их покупательское намерение. Экспериментальная парадигма, сочетающая как субъективные, так и объективные оценки в этом исследовании, может быть применена к тесту юзабилити для новых технологий, таких как дополненная реальность, виртуальная реальность, искусственный интеллект, носимые технологии, робототехника и большие данные. Он обеспечивает практическое экспериментальное решение для пользовательского опыта в человеко-компьютерных взаимодействиях с внедрением новых технологий.

Введение

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

Шесть передовых технологий, которые взаимодействуют с потребителями, обычно представленные дополненной реальностью, виртуальной реальностью, искусственным интеллектом, носимыми технологиями, робототехникой и большими данными, меняют многие теоретические модели потребительского поведения1. Дополненная реальность (AR) — это новая технология, которая может улучшить потребительский опыт и повысить их удовлетворенность. Он накладывает текстовую информацию, изображения, видео и другие виртуальные элементы на реальные сценарии, чтобы объединить виртуальность и реальность, тем самым улучшая информацию в реальном мире посредством объяснения, руководства, оценки и прогнозирования2. AR обеспечивает новый вид взаимодействия человека с компьютером, создавая для потребителей захватывающий опыт покупок, и привел к разработке множества приложений 3,4. Тем не менее, потребительское принятие услуг дополненной реальности по-прежнему минимально, и поэтому многие компании с осторожностью относятся к внедрению технологии дополненной реальности 5,6. Модель принятия технологий (TAM) широко используется для объяснения и прогнозирования поведения внедрения новых информационных технологий 7,8. Согласно TAM, намерение внедрить новую технологию во многом зависит от ее удобства использования9. Таким образом, возможное объяснение медленного принятия потребителями услуг AR с точки зрения TAM может быть связано с удобством использования новых методов, что подчеркивает необходимость оценки удобства использования AR при совершении покупок10,11.

Юзабилити определяется как эффективность, результативность и удовлетворенность достижением определенных целей в определенном контексте указанными пользователями12. В настоящее время существует два основных метода оценки юзабилити: субъективные и объективные оценки13. Субъективные оценки основываются главным образом на методах самоотчета с использованием вопросников и шкал. Следуя этому направлению исследования, опросник, использованный в данном исследовании, включал пять признаков, связанных с режимом поиска информации для достижения цели: (1) эффективность, (2) простота использования, (3) запоминаемость (легко запоминается), (4) удовлетворенность (режим поиска информации удобен и приятен) и (5) обобщаемость на другие объекты14,15,16. Кроме того, когнитивная нагрузка, представляющая собой нагрузку при выполнении конкретной задачи на когнитивную систему учащегося17, является еще одним основным показателем юзабилити18,19. Таким образом, в этом исследовании дополнительно использовался индекс нагрузки задач НАСА (NASA-TLX)13,20 в качестве субъективной метрики для измерения когнитивной нагрузки при совершении покупок с использованием дополненной реальности по сравнению с покупками с использованием сервисов веб-сайтов. Следует отметить, что методы самоотчета основаны на способности и готовности людей точно сообщать о своем отношении и/или предыдущем поведении21, оставляя открытой возможность для неправильного сообщения, занижения или предвзятости. Таким образом, объективные показатели могут стать ценным дополнением к традиционным субъективным методам22.

Для объективной оценки юзабилити AR используются методы нейроинформационных систем (NeuroIS). NeuroIS, придуманный Димокой и др. на конференции ICIS 2007 года, привлекает все большее внимание в области информационных систем (ИС)23. NeuroIS использует теории и инструменты когнитивной нейробиологии, чтобы лучше понять разработку, внедрение и влияние технологий ИБ24,25. На сегодняшний день инструменты когнитивной нейробиологии, такие как функциональная магнитно-резонансная томография (МРТ), электроэнцефалограмма (ЭЭГ), позитронно-эмиссионная компьютерная томография, магнитоэнцефалография (МЭГ) и функциональная ближняя инфракрасная спектроскопия (fNIRS), широко используются в исследованиях NeuroIS26,27. Например, Димока и Дэвис использовали фМРТ для измерения активаций испытуемых, когда они взаимодействовали с веб-сайтом, и показали, что воспринимаемая простота использования влияет на активацию в префронтальной коре (ПФК)28. Аналогичным образом, используя ЭЭГ, Moridis et al. обнаружили, что лобная асимметрия тесно связана с полезностью29. Эти результаты указывают на то, что PFC может играть ключевую роль в удобстве использования.

Несмотря на то, что в предыдущих исследованиях NeuroIS были достигнуты успехи, парадигмы, используемые в этих исследованиях, ограничивали движения тела субъектов с низкой экологической достоверностью, ограничивая их теоретический и практический вклад. Взаимодействие с такими технологиями, как дополненная реальность, во время покупок требует свободных движений тела, а предметные ограничения в значительной степени ухудшают потребительский опыт, как обсуждалось в He et al.22. Таким образом, инструменты визуализации мозга с высокой экологической достоверностью необходимы для юзабилити-теста информационных систем. В этом отношении fNIRS обладает уникальными техническими преимуществами: во время экспериментов fNIRS испытуемые могут в некоторой степени свободно перемещаться30 . Например, в предыдущих исследованиях измерялась активация мозга испытуемых во время нескольких мероприятий на свежем воздухе, таких как езда на велосипеде с использованием портативного fNIRS31. Кроме того, fNIRS является недорогим и позволяет измерять активацию мозга в течение длительных периодов времени32. В этом исследовании fNIRS использовался для объективного измерения уровня когнитивной нагрузки испытуемых при использовании торговых сервисов AR по сравнению с веб-сайтом.

Отслеживание взгляда было ценным психофизиологическим методом для определения зрительного внимания пользователей во время юзабилити-теста в последние годы33, а также широко использовалось в исследованиях NeuroIS34. Этот метод опирается на гипотезу «глаз-разум», которая предполагает, что фокус наблюдателя направлен туда, куда направлено внимание, что визуальное внимание представляет собой умственный процесс и что паттерны визуального внимания отражают когнитивные стратегии человека35,36,37. В области исследований дополненной реальности Янг и др. использовали отслеживание взгляда, чтобы обнаружить, что реклама дополненной реальности улучшает отношение потребителей к рекламе, повышая их любопытство и внимание38. В текущем исследовании отслеживание глаз использовалось для измерения внимания испытуемых, включая такие параметры, как общая продолжительность фиксации, средняя продолжительность фиксации, частота фиксации, частота саккады, средняя продолжительность саккады и средняя длина пути сканирования.

Таким образом, в этом исследовании предлагается метод юзабилити-теста, который сочетает в себе субъективные и объективные оценки с приложениями AR в качестве примера. Для субъективной оценки использовались анкета юзабилити и шкала NASA-TLX, а для объективной оценки использовались мультимодальные показатели, сочетающие fNIRS и айтрекинг39,40.

Экспериментальный дизайн
Экспериментальные материалы: Чтобы имитировать реальный торговый контекст, в лаборатории была построена полка с продуктами, а две разные марки минеральной воды были размещены на полке в качестве экспериментальных материалов. В качестве товаров первой необходимости минеральная вода была выбрана потому, что у участников не было бы предвзятости в субъективных оценках на основе их профессионального происхождения, пола и покупательской способности. Цена, емкость и узнаваемость брендов контролировались (см. Таблицу материалов), чтобы исключить вмешательство нерелевантных переменных.

Юзабилити-тест включал в себя два условия: приложение дополненной реальности на базе смартфона (дополнительный рисунок 1) и веб-сайт (дополнительный рисунок 2). Приложение AR было запрограммировано на основе движка AR. Веб-сайт был разработан с использованием Python на основе Bootstrap для внешнего интерфейса и Flask для серверной части. Приложение AR и веб-сайт запускались и просматривались на смартфоне. Среди двух разных марок минеральной воды одна использовалась в качестве экспериментального материала в условиях AR, а другая использовалась в условиях веб-сайта.

Экспериментальные задачи: Участникам было предложено выполнить четыре задачи по поиску информации, которые были получены из контекстов приложений IoT: качество воды, температура хранения, соответствующая диета и цена за литр. Эти четыре элемента информации - это то, на что потребители обычно обращают внимание, когда покупают минеральную воду. У участников не было ограничений по времени для выполнения заданий.

Качество воды: Качество минеральной воды обычно включает в себя два показателя: общее количество растворенных твердых веществ (TDS) и значение pH. TDS отражает содержание минералов, а значение pH описывает кислотность/щелочность воды. Эти два показателя связаны с микроэлементами, содержащимися в минеральной воде, и влияют на вкусовые качества. Например, Брувольд и Онгерт разделили органолептическое качество воды на пять классов в соответствии с содержанием TDS41. Marcussen et al. обнаружили, что вода обладает хорошими органолептическими качествами в диапазоне 100-400 мг/л TDS42. Значения TDS и pH двух марок минеральной воды, использованных в этом исследовании, были измерены с помощью TDS и pH-метров соответственно, а затем отмечены в приложении AR и на веб-сайте. При выполнении задания участники должны были сообщить значения TDS и pH минеральной воды и подтвердить, находятся ли эти значения в пределах номинального диапазона. В состоянии дополненной реальности участники могли получить эту информацию, сканируя бутылку с водой. В условиях веб-сайта участники должны были выполнить четыре шага: (1) найти числовой код на обратной стороне бутылки минеральной воды, (2) ввести числовой код в поле запроса для получения значений TDS и pH для минеральной воды, (3) поиск номинального диапазона минеральной воды на веб-сайте и (4) устное сообщение о том, находятся ли TDS и значение pH в пределах номинального диапазона для продукта.

Температура хранения: Качество минеральной воды может снизиться при транспортировке и хранении из-за изменения температуры. Эксперименты показали, что подходящая температура минеральной воды составляет от 5 ° C до 25 ° C во время транспортировки и хранения. В этом диапазоне температур вода не имеет неприятного запаха43. В настоящем эксперименте температура хранения двух типов минеральной воды в разных местах была отмечена в приложении AR и на веб-сайте. При выполнении задания участники должны были сообщить место хранения и соответствующую температуру воды. В состоянии дополненной реальности участники могли получить эту информацию, сканируя бутылку с водой. В условиях веб-сайта участники могли получить эту информацию, введя числовой код в поле запроса.

Подходящая диета: Минеральная вода разных марок подходит для разных меню благодаря своему уникальному минеральному составу и содержанию пузырьков44. В настоящем эксперименте диетические рекомендации для двух минеральных вод были отмечены в приложении AR и на веб-сайте. Во время выполнения задания участники должны были сообщить, насколько минеральная вода сочетается с едой в меню. В состоянии дополненной реальности участники могли получить эту информацию, сканируя бутылку с водой. В условиях веб-сайта участники могли искать эту информацию на веб-сайте.

Цена за литр: В настоящее время этикетки на бутылках с минеральной водой в Китае не отображают информацию о цене за литр. Из-за этого потребителям трудно различать разницу в удельных ценах на разные виды минеральной воды. Поэтому настоящий эксперимент требовал от участников сообщать цену за литр. В приложении дополненной реальности участники могли узнать цену за литр напрямую, отсканировав бутылку с водой. В состоянии веб-сайта информация может быть рассчитана по цене за единицу и объему на этикетке.

В этом исследовании использовался дизайн внутри участников с критериями включения и исключения участников, как описано в таблице 1. Всего в эксперименте приняли участие 40 человек (20 мужчин и 20 женщин, средний возраст = 21,31 ± 1,16 года). Все участники были студентами Цзянсуского университета науки и технологий и были случайным образом разделены на две группы (A и B). Чтобы избежать эффекта порядка, экспериментальный порядок был уравновешен между двумя группами (A / B). В частности, одна группа сначала выполнила условие AR, а затем условие веб-сайта, в то время как другая группа сначала выполнила условие веб-сайта, а затем условие AR. Участники должны были завершить подготовку к эксперименту, надеть приборы и выполнить экспериментальные задания. Интервал между экспериментами был установлен на 10 с, чтобы позволить активации коры вернуться к исходному уровню, избегая перекрестного влияния в последующей задаче. В конце эксперимента с AR/веб-сайтом участники должны были заполнить анкету юзабилити и шкалу NASA-TLX. Экспериментальная блок-схема показана на рисунке 1. Фотография экспериментальной установки представлена на рисунке 2.

Таблица 1: Критерии включения и исключения из исследования. Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.

Блок-схема, показывающая эксперименты с дополненной реальностью и юзабилити веб-сайта, задания и анкеты для групп А и Б.
Рисунок 1: Экспериментальная блок-схема. Каждый эксперимент длился ~45 мин, с периодом отдыха 10 с между заданиями. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Тестирование приложения дополненной реальности, пользователь анализирует информацию о продукте на мобильном телефоне, находясь в проходе магазина.
Рисунок 2: Пример настройки экспериментальной сцены. Показаны экспериментальные материалы, участник и оборудование. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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

Это исследование было проведено в соответствии с принципами Хельсинкской декларации. Все участники были проинформированы о цели и безопасности эксперимента и подписали форму информированного согласия перед участием. Это исследование было одобрено институциональным наблюдательным советом Цзянсуского университета науки и технологий.

1. Порядок проведения эксперимента

  1. Подготовка к эксперименту
    1. Объясните участникам информированное согласие и попросите их подписать форму согласия.
    2. Проведите тест цветового зрения участников, чтобы подтвердить, что у них нормальное различение цвета.
    3. Представьте участникам 30 марок минеральной воды и попросите их выбрать марки, с которыми они знакомы, чтобы убедиться, что они не знакомы с марками минеральной воды, используемой в эксперименте.
    4. Ознакомьте участников с процедурой эксперимента.
    5. Проведите предварительный эксперимент на участниках, использующих марки минеральной воды, отличные от тех, которые использовались в исследовании, и убедитесь, что они знакомы с AR и работой веб-сайта.
    6. Поручите каждому участнику из группы А сначала провести эксперимент с дополненной реальностью, а затем провести эксперимент с веб-сайтом. Попросите каждого участника из группы B сначала провести эксперимент с веб-сайтом, а затем провести эксперимент с дополненной реальностью.
  2. Ношение инструментов
    1. Зонды fNIRS
      1. Очистите кожу лба участников гелем для подготовки кожи (см. Таблицу материалов).
      2. Заверните зонды (см. Таблицу материалов) в пищевую пленку на случай потоотделения. Зафиксируйте щупы в положении FP1 и FP2 по международной системе 10-20 с помощью черного оголовья45. Используйте черную бандану, чтобы закрыть зонды, чтобы защитить их от окружающего света и улучшить качество сигнала.
      3. Очистите передатчик и приемник зондов с помощью прокладки из 70% изопропилового спирта после завершения эксперимента.
    2. Айтрекер: фиксируйте движение глаз в реальных условиях с помощью очков слежения за глазами (см. Таблицу материалов). Установите линзы по рецепту на головное устройство очков слежения за глазами с помощью магнита (при необходимости) и убедитесь, что участники могут свободно ходить с исправленным зрением.
      ПРИМЕЧАНИЕ: Поскольку очки для слежения за движением глаз не предназначены для работы в сочетании со стандартными очками, участники, которые носят очки, все равно могут быть включены в исследование с использованием дополнительных рецептурных линз для коррекции близорукости или дальнозоркости. Участники также могут носить стандартные контактные линзы, потому что, хотя они могут немного увеличить шум, они обычно не вносят ошибки в данные. Участники не могут использовать цветные или другие линзы, которые изменяют внешний вид зрачка или радужной оболочки.

2. Меры

  1. fNIRS
    1. Откройте программное обеспечение для записи (см. Таблицу материалов). Подключите зонды к ноутбуку через адаптер Bluetooth, а затем запишите изменения концентрации оксигенированного гемоглобина (O2Hb) в префронтальной коре участников через ноутбук с частотой дискретизации 10 Гц.
    2. Проверьте полученную интенсивность света и качество индекса насыщения тканей (TSI) для контроля качества данных. Убедитесь, что принимаемый сигнал находится в диапазоне от 1% до 95%.
    3. Убедитесь, что участники сидят в удобном положении на стуле и поддерживают состояние покоя в течение 2 минут, чтобы собрать исходные данные перед реальным экспериментом.
    4. Нажмите кнопку «Пуск » в программном интерфейсе, чтобы записать данные fNIRS.
  2. Отслеживание взгляда
    1. Настройте аппаратное обеспечение для очков слежения за глазами. Подключите USB-штекер очков для отслеживания глаз к USB-порту ноутбука. Откройте программное обеспечение для записи (см. Таблицу материалов) и установите частоту дискретизации на 120 Гц.
    2. Калибровка: Выполните калибровку по одной точке. Попросите участника сфокусироваться на четко идентифицируемом объекте в поле зрения на расстоянии 0,6 м. Наведите курсор перекрестия на объект, на котором сфокусирован участник видео сцены и нажмите на объект.
    3. Нажмите кнопку «Запись » в программном интерфейсе, чтобы начать запись.
  3. Анкета и шкала: Представьте участникам анкету юзабилити и шкалу NASA-TLX после того, как они выполнят задания AR/веб-сайта.

3. Анализ данных

  1. Обработка данных fNIRS
    1. Преобразуйте значения оптической плотности, полученные с помощью программного обеспечения для записи fNIRS, в концентрации (мкмоль) в соответствии с модифицированным законом Бера-Ламберта46.
    2. Фильтруйте необработанные данные на низких частотах 0,5 Гц, чтобы удалить систематические шумы, такие как сердцебиение и дыхание.
    3. Проверьте и исправьте данные на наличие артефактов движения, удалив сегменты данных, которые превысили три стандартных отклонения над всем временным рядом47.
    4. Экспортируйте средние и максимальные данные fNIRS в условиях AR и веб-сайта, а затем вычтите их из базовых данных.
  2. Обработка данных айтрекинга
    1. Экспортируйте частоту фиксации (количество/с), общее время фиксации (мс), среднее время фиксации (мс), частоту саккады (количество/с), среднее время саккады (мс) и среднюю длину пути сканирования (px/s) участников.
  3. Статистический анализ
    1. Выполните двусторонний тест на уровне значимости 0,05. Проверьте нормальность данных с помощью теста Шапиро-Уилка и выполните разностный тест. Выполните несколько поправок сравнения для p-значений, используя метод частоты ложных обнаружений (FDR).
      ПРИМЕЧАНИЕ: При выполнении разностного теста данные, которые следовали нормальному распределению, анализировались с использованием t-критерия парных выборок, а данные, которые не соответствовали нормальному распределению, анализировались с использованием критерия ранга знака Уилкоксона.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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

Репрезентативные результаты этого исследования включают результаты анкеты юзабилити, анализ данных отслеживания взгляда, данные шкалы NASA-TLX, анализ данных fNIRS и динамические изменения когнитивной нагрузки. Для получения результатов анкеты юзабилити был проведен анализ данных айтрекинга, данные шкалы NASA-TLX и анализ данных fNIRS, тесты на нормальность и тесты различий. Для динамических изменений когнитивной нагрузки в этом исследовании были выбраны данные fNIRS и отслеживания глаз от одного участника, чтобы продемо...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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

Критические шаги в протоколе
В ходе эксперимента было рассмотрено несколько этапов для обеспечения достоверности результатов. Во-первых, участники, которые знакомы с марками минеральной воды, используемой в эксперименте, были исключены, потому что эти участники выполнили бы задание, основываясь на своих знаниях о марке. Во-вторых, участники завершили предварительный эксперимент с использованием минеральной воды других марок, который был использован для того, чтобы участники были знакомы с AR и работой...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

Авторам раскрывать нечего.

Благодарности

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

Это исследование было поддержано Исследовательским проектом по философии и социальным наукам Департамента образования провинции Цзянсу (2018SJA1089), Стипендией правительства Цзянсу для зарубежных исследований (JS-2018-262), Фондом естественных наук провинции Чжэцзян (LY19G020018) и Национальным фондом естественных наук Китая (NSFC) (72001096).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
AR EngineUnity Technologies2020.3.1Платформа разработки
AR SDKPTCVuforia Engine 9.8.5Комплект для разработки AR
Eye Tracker (очки для слежения за движением глаз)SMI, ГерманияSMI ETGСистема отслеживания глаз на голове
Программное
обеспечение для отслеживания глазSMI, ГерманияПрограммное обеспечение iViewETG Программное обеспечениедля записи Eye Tracker
fNIRS зондыArtinis Medical Systems BV, НидерландыArtinis PortaLiteИсточник света: Светоизлучающие диоды
Длины волн: Стандартные номинальные 760 и 850 нм
программное обеспечение fNIRSArtinis Medical Systems BV, НидерландыOxySoft 3.2.70fNIRS программное обеспечение для записи и анализа данных
Mineral Water GroupeDanoneBadoit Экспериментальный материал в условиях AR    Емкость: 330ml
Цена: figure-materials-16
Минеральная вода NestléAcqua PannaЭкспериментальный материал в состоянии сайта Емкость: 250ml
Цена: figure-materials-25.4
Подготовка кожи Гель Weaverи компанияNuprepОчистите кожу лба участников
СмартфонXiaomiRedmi K30 UltraПриложение и веб-сайт дополненной реальности на базе смартфона

Ссылки

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

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

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

Похожие статьи