Waiting
Login processing...

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

Behavior

증강 현실의 사용성 평가 : 신경 정보 시스템 연구

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

본 연구는 주관적 평가와 객관적 평가를 결합한 사용성 테스트의 실험적 패러다임을 제시한다. 객관적 평가는 NeuroIS(Neuro-Information-Systems) 방법을 채택했으며 주관적 평가는 사용성 설문지와 NASA-Task Load Index(NASA-TLX) 척도를 채택했습니다.

Abstract

본 연구에서는 경영정보시스템(MIS)에서 신기술의 사용성 테스트를 위한 실험적 패러다임을 소개한다. 사용성 테스트에는 주관적 평가와 객관적 평가가 모두 포함되었습니다. 주관적인 평가를 위해 사용성 설문지와 NASA-TLX 척도를 채택했습니다. 객관적인 평가를 위해 NeuroIS(Neuro-Information-Systems) 방법을 사용했습니다. NeuroIS 관점에서 이 연구는 다중 모드 측정을 위해 모바일 fNIRS와 시선 추적 안경을 사용하여 실제 행동 실험에 사용되는 인지 신경과학 도구의 생태학적 타당성 문제를 해결했습니다. 본 연구에서는 사물인터넷(IoT)에 통합된 증강현실(AR)을 실험 대상으로 활용했다. 두 가지 정보 검색 모드(AR 대 웹사이트) 간의 신경 영상 데이터, 생리학적 데이터, 사용성 설문지 및 NASA-TLX 척도 데이터의 차이를 비교한 결과, AR을 사용한 정보 검색은 소비 의사 결정 과정에서 웹사이트를 통한 정보 검색에 비해 효율성이 높고 인지 부하가 낮았습니다. 사용성 실험 결과는 소매업의 신흥 기술인 AR이 소비자 경험을 효과적으로 향상시키고 구매 의도를 높일 수 있음을 보여줍니다. 본 연구의 주관적 평가와 객관적 평가를 결합한 실험 패러다임은 증강현실, 가상현실, 인공지능, 웨어러블 기술, 로봇공학, 빅데이터 등 신기술의 사용성 테스트에 적용될 수 있다. 그것은 신흥 기술의 채택과 인간-컴퓨터 상호 작용에서 사용자 경험을 위한 실용적인 실험 솔루션을 제공합니다.

Introduction

일반적으로 증강 현실, 가상 현실, 인공 지능, 웨어러블 기술, 로봇 공학 및 빅 데이터로 대표되는 소비자와 상호 작용하는 6가지 프론티어 기술은 소비자 행동의 많은 이론적 모델을 재구성하고 있습니다1. 증강 현실(AR)은 소비자 경험을 향상시키고 소비자 만족도를 향상시킬 수 있는 새로운 기술입니다. 텍스트 정보, 이미지, 비디오 및 기타 가상 항목을 실제 시나리오에 겹쳐서 가상과 현실을 융합하여 설명, 안내, 평가 및 예측을 통해 현실 세계의 정보를 향상시킵니다2. AR은 새로운 종류의 인간-컴퓨터 상호 작용을 제공하여 소비자에게 몰입형 쇼핑 경험을 제공하고 많은 응용 프로그램의 개발로 이어졌습니다3,4. 그러나 AR 서비스에 대한 소비자의 수용은 여전히 미미하므로 많은 기업들이 AR 기술 5,6을 채택하는 것에 대해 신중합니다. 기술 수용 모델(TAM)은 새로운 정보 기술의 채택 행동을 설명하고 예측하는 데 널리 사용되어 왔다 7,8. TAM에 따르면, 새로운 기술의 채택 의도는 주로 유용성에 달려 있습니다9. 그러므로, TAM 관점에서 AR 서비스의 느린 소비자 수용에 대한 가능한 설명은 새로운 기술들의 유용성과 관련될 수 있으며, 이는 쇼핑하는 동안 AR의 유용성을 평가할 필요성을 강조한다(10,11).

사용성(usability)은 특정 사용자(12)에 의해 특정 맥락에서 특정 목표를 달성하는 효과성, 효율성 및 만족으로 정의된다. 현재 사용성을 평가하는 데는 주관적 평가와 객관적 평가의 두 가지 주요 방법이 있다13. 주관적 평가는 주로 설문지와 척도를 사용한 자기보고 방법에 의존합니다. 이러한 연구 라인에 이어, 이 연구에서 사용된 설문지는 목표를 달성하기 위한 정보 검색 모드와 관련된 5가지 특징을 포함했다: (1) 효율성, (2) 사용 용이성, (3) 기억력(기억하기 쉬움), (4) 만족도(정보 검색 모드가 편안하고 쾌적함), (5) 다른 대상에 대한 일반화 가능성14,15,16. 또한, 학습자(17)의 인지 시스템에 대한 특정 작업을 수행하는 동안의 부하를 나타내는 인지 부하는 유용성(18, 19)의 또 다른 핵심 지표이다. 따라서 본 연구에서는 NASA 작업 부하 지수(NASA-TLX)13,20을 주관적인 지표로 사용하여 AR을 사용하여 쇼핑하는 것과 웹사이트 서비스를 사용하여 쇼핑하는 동안 인지 부하를 측정했습니다. 자기보고 방법은 개인이 자신의 태도 및/또는 이전 행동을 정확하게 보고할 수 있는 능력과 의지에 의존한다는 점은 주목할 만하다.21 잘못된 보고, 과소 보고 또는 편견의 가능성을 열어둔다. 따라서 객관적인 측정은 전통적인 주관적 방법(22)을 보완하는 귀중한 수단이 될 수 있다.

NeuroIS(Neuro-Information-Systems) 방법은 AR 사용성을 객관적으로 평가하는 데 사용됩니다. 2007년 ICIS 컨퍼런스에서 Dimoka et al.이 만든 NeuroIS는 정보 시스템(IS)23 분야에서 점점 더 많은 관심을 받고 있습니다. NeuroIS는 인지 신경과학의 이론과 도구를 사용하여 IS 기술의 개발, 채택 및 영향을 더 잘 이해합니다24,25. 현재까지 기능적 자기 공명 영상 (fMRI), 뇌파 검사 (EEG), 양전자 방출 컴퓨터 단층 촬영, 자기 뇌파 검사 (MEG) 및 기능적 근적외선 분광법 (fNIRS)과 같은인지 신경 과학 도구가 NeuroIS 연구26,27에서 일반적으로 사용됩니다. 예를 들어, Dimoka와 Davis는 fMRI를 사용하여 웹 사이트와 상호 작용할 때 피험자의 활성화를 측정했으며, 사용 편의성이 전두엽 피질 (PFC) 28의 활성화에 영향을 미친다는 사실을 밝혔습니다. 유사하게, EEG를 사용하여, Moridis et al. 정면 비대칭이 유용성과 밀접한 관련이 있음을 발견했다29. 이러한 결과는 PFC가 유용성에 중요한 역할을 할 수 있음을 나타냅니다.

이전의 NeuroIS 연구에서 성과가 있었지만, 이 연구에 사용된 패러다임은 생태학적 타당성이 낮은 피험자의 신체 움직임을 제한하여 이론적, 실제적 기여를 제한했습니다. 쇼핑하는 동안 AR과 같은 기술과 상호 작용하려면 자유로운 신체 움직임이 필요하며 주제 제약은 He et al.22에서 논의된 바와 같이 소비자 경험을 크게 손상시킵니다. 따라서 정보 시스템의 유용성 테스트를 위해서는 생태 학적 타당성이 높은 뇌 영상 도구가 필요합니다. 이와 관련하여, fNIRS는 독특한 기술적 이점을 가지고 있다: fNIRS 실험 동안, 피험자들은 어느 정도 자유롭게 움직일 수 있다(30 ). 예를 들어, 이전 연구에서는 휴대용 fNIRS31을 사용하여 사이클링과 같은 여러 야외 활동 중에 피험자의 뇌 활성화를 측정했습니다. 또한, fNIRS는 비용이 저렴하고 오랜 기간 동안 뇌 활성화를 측정할 수 있다32. 본 연구에서는 웹사이트 대비 AR의 쇼핑 서비스를 이용하면서 피험자의 인지 부하 수준을 객관적으로 측정하기 위해 fNIRS를 사용하였다.

아이트래킹은 최근 몇 년 동안 사용성 테스트에서 사용자의 시각적 주의를 감지하는 데 유용한 정신생리학적 기술이었으며33 NeuroIS 연구에서도 널리 사용되었습니다34. 이 기술은 관찰자의 초점이 주의가 향하는 곳으로 이동하고, 시각적 주의가 정신적 과정을 나타내며, 시각적 주의의 패턴이 인간의 인지 전략을 반영한다고 가정하는 눈-마음 가설에 의존합니다(35,36,37). AR 연구 분야에서 Yang 등은 시선추적을 사용하여 AR 광고가 소비자의 호기심과 관심을 증가시켜 광고에 대한 태도를 개선한다는 것을 발견했다38. 현재 연구에서는 시선추적을 사용하여 총 고정 기간, 평균 고정 기간, 고정 빈도, 단속 빈도, 평균 단속 기간 및 평균 스캔 경로 길이와 같은 매개변수를 포함하여 피험자의 주의력을 측정했습니다.

요약하면, 본 연구에서는 AR 어플리케이션을 예로 들어 주관적 평가와 객관적 평가를 결합한 사용성 테스트 방법을 제안한다. 주관적 평가에는 사용성 설문지와 NASA-TLX 척도를 사용하였고, 객관적 평가에는 fNIRS와 시선추적을 결합한 멀티모달 척도를 사용하였다39,40.

실험 설계
실험 재료: 실제 쇼핑 상황을 시뮬레이션하기 위해 실험실에 제품 선반을 만들고 두 가지 브랜드의 미네랄 워터를 실험 재료로 선반에 배치했습니다. 필수품으로 미네랄 워터를 선택한 이유는 참가자들이 직업적 배경, 성별 및 구매 능력에 근거한 주관적인 평가에 편견이 없기 때문입니다. 브랜드의 가격, 용량 및 친숙도는 관련 없는 변수의 간섭을 제거하기 위해 통제되었습니다( 재료 표 참조).

사용성 테스트에는 스마트폰 기반 AR 애플리케이션(보충 그림 1)과 웹사이트(보충 그림 2)의 두 가지 조건이 포함되었습니다. AR 애플리케이션은 AR 엔진을 기반으로 프로그래밍되었습니다. 이 웹 사이트는 프론트 엔드의 경우 Bootstrap을, 백엔드의 경우 Flask를 기반으로 Python을 사용하여 개발되었습니다. AR 애플리케이션과 웹사이트는 스마트폰에서 실행 및 탐색되었습니다. 두 가지 브랜드의 미네랄 워터 중 하나는 AR 조건에서 실험 재료로 사용되었고 다른 하나는 웹 사이트 조건에서 사용되었습니다.

실험 작업: 참가자들은 IoT 애플리케이션 컨텍스트에서 파생된 4가지 정보 검색 작업(수질, 저장 온도, 일치하는 식단 및 리터당 가격)을 수행하도록 요청받았습니다. 이 네 가지 정보 항목은 소비자가 미네랄 워터를 구입할 때 일반적으로주의를 기울이는 것입니다. 참가자가 작업을 완료하는 데 시간 제약이 없었습니다.

수질: 미네랄 워터의 품질에는 일반적으로 총 용존 고형물(TDS)과 pH 값의 두 가지 지표가 포함됩니다. TDS는 미네랄 함량을 반영하고 pH 값은 물의 산도/알칼리도를 나타냅니다. 이 두 지표는 미네랄 워터에 함유 된 미량 원소와 관련이 있으며 맛에 영향을 미칩니다. 예를 들어, Bruvold와 Ongerth는 TDS 함량41에 따라 물의 감각 품질을 5 가지 등급으로 나눴습니다. Marcussen et al. 물은 100-400 mg/L TDS42 범위에서 우수한 감각적 특성을 가지고 있음을 발견했습니다. 본 연구에 사용된 두 브랜드의 미네랄 워터의 TDS와 pH 값은 각각 TDS와 pH 측정기를 사용하여 측정한 후 AR 애플리케이션과 웹사이트에 표시했습니다. 작업을 수행하는 동안 참가자는 미네랄 워터의 TDS 및 pH 값을 보고하고 이 값이 공칭 범위 내에 있는지 확인해야 했습니다. AR 조건에서 참가자는 물병을 스캔하여 이 정보를 얻을 수 있습니다. 웹사이트 조건에서 참가자는 (1) 생수 병 뒷면의 숫자 코드 찾기, (2) 생수의 TDS 및 pH 값을 얻기 위해 쿼리 상자에 숫자 코드 입력, (3) 웹사이트에서 생수의 공칭 범위 검색, (4) TDS 및 pH 값이 제품의 공칭 범위 내에 있는지 구두로 보고합니다.

보관 온도: 광천수의 품질은 온도 변화로 인해 운송 및 보관 중에 저하될 수 있습니다. 실험에 따르면 미네랄 워터의 적절한 온도는 운송 및 보관 중에 5 °C에서 25 °C 사이입니다. 이 온도 범위에서, 물에는 나쁜 냄새가 나지 않는다(43). 본 실험에서는 두 종류의 미네랄 워터를 서로 다른 장소에 보관하는 온도를 AR 어플리케이션 및 웹사이트에 표시하였다. 작업을 수행하는 동안 참가자는 저장 위치와 해당 수온을 보고해야 했습니다. AR 조건에서 참가자는 물병을 스캔하여 이 정보를 얻을 수 있습니다. 웹 사이트 조건에서 참가자는 쿼리 상자에 숫자 코드를 입력하여이 정보를 얻을 수 있습니다.

어울리는 식단: 다양한 브랜드의 미네랄 워터는 독특한 미네랄 성분과 기포 함량으로 인해 다양한 메뉴에 적합합니다44. 본 실험에서, 두 가지 미네랄 워터에 대한 식이 권장 사항을 AR 애플리케이션 및 웹사이트에 표시하였다. 작업을 수행하는 동안 참가자들은 미네랄 워터가 메뉴의 음식과 어떻게 일치하는지 보고해야 했습니다. AR 조건에서 참가자는 물병을 스캔하여 이 정보를 얻을 수 있습니다. 웹 사이트 조건에서 참가자는 웹 사이트에서이 정보를 검색 할 수 있습니다.

리터당 가격: 현재 중국의 생수병 라벨에는 리터당 가격 정보가 표시되지 않습니다. 이것은 소비자가 다른 종류의 미네랄 워터의 단가 차이를 구별하기 어렵게 만듭니다. 따라서 본 실험에서는 참가자들에게 리터당 가격을보고해야했습니다. AR 애플리케이션에서 참가자는 물병을 스캔하여 리터당 가격을 직접 얻을 수 있습니다. 웹 사이트 조건에서 정보는 라벨의 단가와 부피에서 계산할 수 있습니다.

이 연구는 표 1에 설명된 대로 참가자 포함 및 제외 기준과 함께 참가자 내 설계를 사용했습니다. 총 40명의 참가자가 실험을 완료했습니다(남성 20명, 여성 20명, 평균 연령 = 21.31± 1.16세). 모든 참가자는 Jiangsu University of Science and Technology의 학부생이었고 무작위로 두 그룹(A와 B)으로 배정되었습니다. 순서 효과를 피하기 위해 실험 순서는 두 그룹(A/B)에서 균형을 이루었습니다. 구체적으로 한 그룹은 AR 조건을 먼저 수행한 다음 웹 사이트 조건을 수행했고, 다른 그룹은 웹 사이트를 먼저 수행한 다음 AR 조건을 수행했습니다. 참가자들은 실험 준비를 완료하고, 기구를 착용하고, 실험 작업을 수행해야 했습니다. 실험 간 간격은 피질 활성화가 기준선 수준으로 돌아갈 수 있도록 10초로 설정되었으며, 후속 작업에서 교차 영향을 피했습니다. AR/웹사이트 실험이 끝나면 참가자들은 사용성 설문지와 NASA-TLX 척도를 작성해야 했습니다. 실험 순서도는 그림 1에 나와 있습니다. 실험 설정의 사진은 그림 2에 나와 있습니다.

표 1: 연구에 대한 포함 및 제외 기준. 이 표를 다운로드하려면 여기를 클릭하십시오.

Figure 1
그림 1: 실험 순서도. 각 실험은 ~45분 동안 지속되었으며 작업 사이에 10초의 휴식 시간이 있었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 2
그림 2: 실험 장면의 설정 예. 실험 재료, 참가자 및 장비가 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

이 연구는 헬싱키 선언의 원칙에 따라 수행되었습니다. 모든 참가자는 실험의 목적과 안전성에 대해 통보 받았고 참여 전에 정보에 입각 한 동의서에 서명했습니다. 이 연구는 Jiangsu University of Science and Technology의 기관 검토 위원회의 승인을 받았습니다.

1. 실험 절차

  1. 실험 준비
    1. 참가자에게 정보에 입각한 동의를 설명하고 동의서에 서명하도록 요청합니다.
    2. 참가자에게 색각 테스트를 수행하여 정상적인 색별 효과가 있는지 확인합니다.
    3. 참가자들에게 30개의 미네랄 워터 브랜드를 제시하고 실험에 사용된 미네랄 워터 브랜드에 익숙하지 않은지 확인하기 위해 친숙한 브랜드를 선택하도록 요청합니다.
    4. 참가자들에게 실험 절차를 소개합니다.
    5. 연구에 사용된 브랜드가 아닌 다른 미네랄 워터 브랜드를 사용하여 참가자에 대한 사전 실험을 수행하고 AR 및 웹사이트 운영에 익숙한지 확인합니다.
    6. 그룹 A의 각 참가자에게 AR 실험을 먼저 수행한 다음 웹사이트 실험을 수행하도록 지시합니다. 그룹 B의 각 참가자에게 먼저 웹 사이트 실험을 수행한 다음 AR 실험을 수행하도록 지시합니다.
  2. 악기 착용
    1. fNIRS 프로브
      1. 피부 준비 젤로 참가자의 이마 피부를 청소하십시오( 재료 표 참조).
      2. 땀이 나는 상황을 위해 프로브( 재료 표 참조)를 플라스틱 랩으로 감싸십시오. 검은색 헤드밴드 10을 사용하여 국제2-10 시스템에 따라 FP2 및 FP45 위치에 프로브를 고정합니다. 검은색 두건을 사용하여 프로브를 덮어 주변광으로부터 보호하고 신호 품질을 개선합니다.
      3. 실험을 마친 후 70% 이소프로필 알코올 패드를 사용하여 프로브의 송신기와 수신기를 청소합니다.
    2. 아이트래커: 아이트래킹 안경을 사용하여 실제 환경에서 아이 트래킹을 캡처합니다( 재료 표 참조). 시선 추적 안경의 헤드 유닛에 처방 렌즈를 자석으로 장착하고(필요한 경우) 참가자가 교정된 시력으로 자유롭게 돌아다닐 수 있도록 합니다.
      참고: 시선 추적 안경은 표준 안경과 함께 작동하도록 설계되지 않았기 때문에 안경을 착용하는 참가자는 근시 또는 근시 교정을 위해 선택적 처방 렌즈를 사용하여 연구에 포함될 수 있습니다. 참가자는 표준 콘택트 렌즈를 착용 할 수도 있는데, 이는 소음이 약간 증가 할 수 있지만 일반적으로 데이터에 오류가 발생하지 않기 때문입니다. 참가자는 동공 또는 홍채의 모양을 변경하는 컬러 또는 기타 렌즈를 사용할 수 없습니다.

2. 조치

  1. 증권 시세 표시기
    1. 녹음 소프트웨어를 엽니다( 재료 표 참조). Bluetooth 어댑터를 통해 프로브를 노트북에 연결한 다음 10Hz의 샘플링 주파수로 노트북을 통해 참가자의 전두엽 피질에 있는 산소화 헤모글로빈(O2Hb) 농도 변화를 기록합니다.
    2. 수신된 광도와 조직 포화도 지수(TSI) 품질을 확인하여 데이터 품질을 제어합니다. 수신된 신호가 1%에서 95% 사이에 있는지 확인합니다.
    3. 참가자가 의자에 편안한 자세로 앉고 2분 동안 휴식 상태를 유지하여 실제 실험 전에 기준 데이터를 수집하도록 합니다.
    4. 소프트웨어 인터페이스에서 시작 버튼을 클릭하여 fNIRS 데이터를 기록합니다.
  2. 시선 추적
    1. 시선 추적 안경의 하드웨어를 설정합니다. 시선 추적 안경의 USB 플러그를 노트북의 USB 포트에 연결합니다. 녹음 소프트웨어( 재료 표 참조)를 열고 샘플링 주파수를 120Hz로 설정합니다.
    2. 보정: 1점 보정을 수행합니다. 참가자에게 0.6m에서 시야에서 명확하게 식별 가능한 물체에 초점을 맞추도록 요청하십시오. 십자형 커서를 장면 비디오에서 참가자가 초점을 맞추고 있는 개체로 이동하고 개체를 클릭합니다.
    3. 소프트웨어 인터페이스의 녹음 버튼을 눌러 녹음 을 시작합니다.
  3. 설문지 및 척도: AR/웹사이트의 작업을 완료한 참가자에게 사용성 설문지 및 NASA-TLX 척도를 제시합니다.

3. 데이터 분석

  1. fNIRS 데이터 처리
    1. fNIRS 기록 소프트웨어로부터 얻어진 광학 밀도 값을 수정된 Beer-Lambert 법칙46에 따라 농도(μmol)로 변환한다.
    2. 로우 패스 0.5Hz에서 원시 데이터를 필터링하여 심장 박동 및 호흡과 같은 체계적인 노이즈를 제거합니다.
    3. 전체 시계열47 위에서 3 표준 편차를 초과한 데이터 세그먼트를 제거하여 모션 아티팩트에 대한 데이터를 확인하고 수정합니다.
    4. AR 및 웹 사이트 조건에서 평균 및 최대 fNIRS 데이터를 내보낸 다음 기준 데이터에서 뺍니다.
  2. 시선 추적 데이터 처리
    1. 참가자의 고정 빈도(count/s), 총 고정 시간(ms), 평균 고정 시간(ms), 단속 빈도(count/s), 평균 단속 시간(ms) 및 평균 스캔 경로 길이(px/s)를 내보냅니다.
  3. 통계 분석
    1. 0.05의 유의 수준에서 양측 검정을 수행합니다. Shapiro-Wilk 검정을 사용하여 데이터 정규성을 확인하고 차이 검정을 수행합니다. FDR(false discovery rate) 방법을 사용하여 p-값에 대해 여러 비교 수정을 수행합니다.
      참고: 차이 검정을 수행하는 동안 정규 분포를 따르는 데이터는 쌍체 표본 t-검정을 사용하여 분석하고, 정규 분포를 따르지 않는 데이터는 Wilcoxon 부호 순위 검정을 사용하여 분석했습니다.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

본 연구의 대표적인 결과로는 사용성 설문지 결과, 시선추적 데이터 분석, NASA-TLX 스케일 데이터, fNIRS 데이터 분석, 동적 인지 부하 변화 등이 있다. 사용성 설문지 결과로는 아이트래킹 데이터 분석, NASA-TLX 스케일 데이터 및 fNIRS 데이터 분석, 정규성 테스트, 차이 테스트를 수행하였다. 동적 인지 부하 변화를 위해 이 연구는 다중 모드 측정의 타당성을 입증하기 위해 단일 참가자의 fNIRS 및 시선 추적 데이터를 선택했습니다.

사용성 앙케이트 결과
사용성 설문지의 항목 중 어느 것도 정규 분포를 따르지 않았습니다(표 2). 사용성 설문지에서 AR과 웹 사이트의 신뢰성을 테스트했으며 Cronbach의 알파 점수는 허용 가능한 것으로 간주되었습니다 (Cronbach의 알파 = 0.974).

표 2: 사용성 설문지의 정규성 테스트. 사용성 설문지의 항목 중 정규 분포를 따르는 항목은 없습니다. 데이터는 Wilcoxon 부호 순위 테스트를 사용하여 분석되었습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

AR과 웹사이트 간의 사용성 설문지의 차이 점수 중앙값은 표 3과 같습니다. AR 및 웹 사이트 조건의 데이터 분포는 그림 3에 나와 있습니다. AR과 웹 사이트 조건 간에 상당한 차이가 관찰되었으며, AR의 중간 점수는 웹 사이트의 중앙값보다 높았습니다. 그 결과 참가자들은 웹 사이트 조건보다 AR 조건에서 더 나은 사용자 경험을 보였습니다.

표 3: AR과 웹사이트 조건 간의 사용성 설문지 차이 점수 중앙값. AR의 중간 점수는 웹 사이트의 평균 점수보다 훨씬 높았습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

Figure 3
그림 3: 유용성 설문지의 데이터 분포. 사용성 설문지의 데이터 분포에 대한 개략도입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

아이트래킹 데이터 분석
모든 아이트래킹 지표를 정상으로 테스트하였고, 그 결과를 표 4에 나타내었다. 작업 1과 3에서는 고정 빈도만 정규 분포를 따랐고 다른 모든 지표는 정규 분포를 따르지 않았습니다. Task 2에서는 고정 빈도와 단속 빈도가 정규분포를 따랐으나 나머지 지표는 정규분포를 따르지 않았다. Task 4의 경우 단속 빈도만 정규 분포를 따랐습니다. AR과 웹사이트 조건의 차이를 비교할 때 데이터는 정규성/비정규성을 기준으로 별도로 보고되었습니다. 표 5 는 작업 1(수질)에서 AR과 웹사이트 조건 간의 시선 추적 지표의 차이를 보여줍니다. AR과 웹사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 조건보다 AR 조건에서 유의하게 더 길었습니다(중앙값AR = 586.85, 사분위수 범위(IQR) = 482.55-714.6; 중앙값웹 사이트 = 398.05, IQR = 362.775-445.275). 다른 지표는 웹 사이트 조건보다 AR 조건에서 유의하게 낮았습니다.

표 4: 시선 추적 표시기의 정규성 테스트. 정규 분포를 따르는 시선 추적 데이터는 쌍체 표본 t-test를 사용하여 분석하고, 정규 분포를 따르지 않는 시선 추적 데이터는 Wilcoxon 부호 순위 테스트를 사용하여 분석했습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 5: 작업 1에서 AR과 웹사이트 간의 시선 추적 지표의 차이점. AR과 웹 사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 상태보다 AR에서 유의하게 더 길었습니다(중앙값 AR = 586.85, 사분위수 범위(IQR) = 482.55-714.6; 중앙값웹 사이트 = 398.05, IQR = 362.775-445.275). 다른 지표는 웹 사이트 상태보다 AR에서 현저히 낮았습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 6 은 작업 2(보관 온도)에서 AR과 웹사이트 조건 간의 시선 추적 지표의 차이를 보여줍니다. 모든 시선추적 지표는 AR과 웹사이트 조건 간에 유의한 차이를 보였으며, p < 0.001이었다. 평균 고정 기간은 웹사이트 상태보다 AR 조건에서 유의하게 더 길었습니다(중앙값 AR = 477.2, IQR = 398.675-596.575; 중앙값웹 사이트 = 397.1, IQR = 353.35-451.075). 다른 지표는 웹 사이트 조건보다 AR 조건에서 유의하게 낮았습니다.

표 6: 작업 2에서 AR과 웹사이트 간의 시선 추적 지표의 차이점. AR과 웹사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 상태보다 AR에서 유의하게 더 길었습니다(중앙값 AR = 477.2, IQR = 398.675-596.575; 중앙값웹 사이트 = 397.1, IQR = 353.35-451.075). 다른 지표는 웹 사이트 상태보다 AR에서 현저히 낮았습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 7 은 Task 3(매칭 다이어트)에서 AR과 웹사이트 조건 간의 시선 추적 지표의 차이를 보여줍니다. AR과 웹사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 상태보다 AR 조건에서 유의하게 더 길었습니다(중앙값 AR = 420.45,IQR = 352.275-467.8; 중앙값웹 사이트 = 360.6, IQR = 295-399.075). 다른 지표는 웹 사이트 조건보다 AR 조건에서 유의하게 낮았습니다.

표 7: 작업 3에서 AR과 웹사이트 간의 시선 추적 지표의 차이점. AR과 웹사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 상태보다 AR에서 유의하게 더 길었습니다(중앙값 AR = 420.45, IQR = 352.275-467.8; 중앙값웹 사이트 = 360.6, IQR = 295-399.075). 다른 지표는 웹 사이트 상태보다 AR에서 현저히 낮았습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 8 은 작업 4(리터당 가격)에서 AR과 웹사이트 조건 간의 시선 추적 지표의 차이를 보여줍니다. AR과 웹사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 상태보다 AR 조건에서 유의하게 더 길었습니다(중앙값 AR = 495.25,IQR = 404.8-628.65; 중앙값웹 사이트 = 263.1, IQR = 235.45-326.2). 그러나 다른 지표는 웹 사이트 조건보다 AR 조건에서 유의하게 낮았습니다.

표 8: 작업 4에서 AR과 웹사이트 간의 시선 추적 지표의 차이점. AR과 웹사이트 조건 사이의 모든 시선 추적 지표에서 유의한 차이가 있었습니다( p < 0.001). 평균 고정 기간은 웹사이트 상태보다 AR에서 유의하게 더 길었습니다(중앙값 AR = 495.25,IQR = 404.8-628.65; 중앙값웹 사이트 = 263.1, IQR = 235.45-326.2). 다른 지표는 웹 사이트 상태보다 AR에서 현저히 낮았습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

시각적 검색 작업의 경우 시선 추적 지표가 낮을수록 정보 검색의 효율성이 높아집니다(평균 고정 기간 제외). 종합하면, 시선 추적 데이터는 참가자들이 웹 사이트를 사용할 때보다 AR을 사용할 때 정보 검색 효율성이 더 높다는 것을 보여주었습니다.

NASA-TLX 스케일 데이터
NASA-TLX 척도의 항목 중 어느 것도 정규 분포를 따르지 않았습니다(표 9). Cronbach의 알파 점수는 허용 가능한 것으로 간주되었습니다(Cronbach의 알파 = 0.924).

표 9: NASA-TLX 스케일의 정규성 테스트. NASA-TLX 척도의 어떤 항목도 정규 분포를 따르지 않았습니다. 데이터는 Wilcoxon 부호 순위 테스트를 사용하여 분석되었습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

AR과 웹사이트 조건 간의 NASA-TLX 척도의 차이 점수 중앙값은 표 10에 나와 있습니다. AR 및 웹 사이트 조건의 데이터 분포는 그림 4에 나와 있습니다. AR과 웹 사이트 조건 간에 상당한 차이가 관찰되었습니다. AR 조건의 NASA-TLX 척도 점수는 웹사이트 조건의 점수보다 낮았으며, 이는 AR 기술이 웹사이트보다 인지 부하가 낮았음을 나타냅니다.

표 10: AR과 웹사이트 간 NASA-TLX 척도의 중간 차이 점수. AR 조건의 NASA-TLX 척도 점수는 웹사이트 조건의 점수보다 현저히 낮았습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

Figure 4
그림 4: NASA-TLX 스케일의 데이터 분포. NASA-TLX 스케일의 데이터 분포에 대한 개략도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

fNIRS 데이터 분석
평균O2Hb값을 정규성에 대해 시험하고, 그 결과를 표 11에 제시하였다. AR과 웹사이트 조건의 차이를 비교할 때 데이터는 정규성/비정규성을 기준으로 별도로 보고되었습니다. AR과 웹사이트 조건 사이의 평균O2Hb의 차이는 표 12에 제시되어 있다. 참가자가 작업 1(조정된 p = 0.002), 작업 3(조정된 p = 0.007) 및 작업 4(조정된 p < 0.001)를 수행했을 때 두 조건 간에 유의미한 차이가 있었습니다. AR 조건에서 수행된 작업의 평균 O2Hb는 웹사이트 조건에서보다 유의하게 낮았다(작업 1: 평균 AR = -1.012, SDAR = 0.472, 평균 웹사이트 = 0.63, SD웹사이트 = 0.529; 작업 3: 평균 AR = -0.386, SDAR = 0.493, 평균 웹사이트 = 1.12, SD웹사이트 = 0.554; 작업 4: 평균 AR = -0.46, SDAR = 0.467, 평균 웹사이트 = 2.27, SD웹사이트 = 0.576). 작업 2를 수행하는 동안 AR과 웹 사이트 조건 간의 차이는 유의한 수준에 도달하지 못했습니다(조정된 p = 0.154 > 0.05). 이러한 결과는 참가자가 웹 사이트를 사용할 때보다 AR 기술을 사용할 때 인지 부하가 더 낮았음을 나타냅니다.

표 11: 평균 O2Hb의 정규성 검정. 정규 분포를 따르는 fNIRS 데이터는 쌍체 표본 t-검정을 사용하여 분석하고, 정규 분포를 따르지 않는 fNIRS 데이터는 Wilcoxon 부호 순위 검정을 사용하여 분석했습니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

표 12: AR과 웹사이트 간의 평균 O2Hb의 차이.  참가자가 작업 1(조정된 p = 0.002), 작업 3(조정된 p = 0.007) 및 작업 4(조정된 p < 0.001)를 수행했을 때 두 조건 간에 유의미한 차이가 있었습니다. AR 조건에서 수행된 작업의 평균 O2Hb는 웹사이트 조건에서보다 유의하게 낮았다(작업 1: 평균 AR = -1.012, SDAR = 0.472, 평균 웹사이트 = 0.63, SD웹사이트 = 0.529; 작업 3: 평균 AR = -0.386, SDAR = 0.493, 평균 웹사이트 = 1.12, SD웹사이트 = 0.554; 작업 4: 평균 AR = -0.46, SDAR = 0.467, 평균 웹사이트 = 2.27, SD웹사이트 = 0.576). 작업 2를 수행하는 동안 AR과 웹 사이트 조건 간의 차이는 유의미한 수준에 도달하지 못했습니다(조정된 p = 0.154 > 0.05). 이 표를 다운로드하려면 여기를 클릭하십시오.

동적 인지 부하 변화
도 5는 참가자가 웹사이트 조건에서 과제 4를 수행하였을 때의O2Hb농도의 변화를 나타낸다. 포인트 1에서 참가자는 리터당 가격을 계산하는 데 어려움을 겪었습니다. 강렬한 탐색 과정은O2Hb농도의 증가를 유도했으며, 이는 순간 부하의 증가를 나타냅니다. 참가자가 신호를 받았을 때 O 2 Hb 농도는 지점 2로 떨어졌고 순간 하중은 그 순간 계곡 값에 도달했습니다. 그런 다음 참가자는 리터당 가격을 계산하기 위해 열심히 일하기 시작했고 가능한 한 빨리 작업을 완료하기를 원했습니다. 이러한 맥락에서, O2Hb 농도는 계속 증가하여 최대 (포인트 3)에 도달했다. 요약하면, 시선추적 및 fNIRS의 다중 모드 측정은 정보 시스템과 상호 작용하면서 인지 부하의 동적 변화를 효과적으로 측정할 수 있으며 소비자 행동의 개인차도 조사할 수 있습니다.

Figure 5
그림 5: fNIRS 순간 부하. fNIRS 순간 부하를 사용한 동적 인지 부하 변화의 개략도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

본 연구에서는 IoT에 통합된 AR의 4가지 과제를 예로 들어 NeuroIS 접근법과 주관적 평가 방법을 결합했습니다. 실험 결과는 다음과 같이 제안했습니다 : (1) 사용성 설문지의 경우 참가자는 웹 사이트 조건보다 AR 조건에서 더 나은 주관적 평가를 받았습니다(표 3 및 그림 3). (2) 시선추적 데이터의 경우 참가자는 웹사이트를 사용할 때보다 AR을 사용할 때 정보 검색 효율성이 더 높았다(표 5, 표 6, 표 7, 표 8). (3) NASA-TLX 스케일 데이터 및 fNIRS 데이터의 경우 AR 기술은 웹사이트보다 인지 부하를 낮췄습니다(표 10 및 표 12). (4) 동적 인지 부하의 경우 시선 추적 및 fNIRS의 다중 모드 측정은 정보 시스템과 상호 작용하면서 인지 부하의 동적 변화를 효과적으로 측정할 수 있으며 소비자 행동의 개인차도 조사할 수 있습니다(그림 5). AR 기술은 AR과 웹사이트 조건 간의 사용성 설문지와 NASA-TLX 척도를 사용하여 신경 영상 데이터, 생리학적 데이터 및 자가 보고 데이터의 차이를 비교함으로써 정보 검색의 효율성을 높이고 쇼핑 과정에서 인지 부하를 줄일 수 있습니다. 따라서 신흥 소매 기술로서 AR은 소비자의 사용자 경험을 효과적으로 향상시킬 수 있으며 구매 의도를 높일 수 있습니다.

보충 그림 1: 연구에 사용된 AR 애플리케이션에 표시된 정보의 스크린샷. 이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 그림 2: 연구에 사용된 웹사이트에 표시된 정보의 스크린샷. 이 파일을 다운로드하려면 여기를 클릭하십시오.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

프로토콜 내의 중요한 단계
실험 중에 결과의 신뢰성을 보장하기 위해 몇 가지 단계가 고려되었습니다. 첫째, 실험에 사용된 미네랄 워터의 브랜드에 익숙한 참가자는 브랜드에 대한 지식을 바탕으로 작업을 수행했을 것이기 때문에 제외되었습니다. 둘째, 참가자들은 참가자들이 AR 및 웹 사이트 운영에 익숙해 지도록 다른 브랜드의 미네랄 워터를 사용하여 사전 실험을 완료했습니다. 셋째, fNIRS 프로브를 착용할 때 주변광으로부터 프로브를 보호하고 신호 품질을 개선하기 위해 프로브를 덮기 위해 검은색 두건을 사용했습니다. 넷째, 콘택트렌즈를 착용한 참가자들은 동공이나 홍채의 모양을 변화시킬 수 있는 유색 렌즈나 다른 렌즈를 사용할 수 없었다. 다섯째, 실제 실험에 앞서, 참가자들은 fNIRS 데이터47에 대한 기준선 보정에 사용된 기준선 데이터를 수집하기 위해 의자에 편안한 자세로 앉고 2분 동안 휴식 상태를 유지해야 했습니다.

수정 및 문제 해결
본 연구에서 제안한 실험 패러다임은 실제 상용 응용 분야로 확장될 수 있습니다. 인지 신경 과학 방법을 비즈니스 문제에 적용 할 때 가장 큰 도전은 생태 학적 타당성입니다48,49. 모바일 뇌/신체 영상을 이용한 실험 프로토콜은 이 문제를 해결할 수 있는 가능성을 입증했다(50). Krampe et al. 휴대용 fNIRS를 사용하여 현실적인 식료품 쇼핑 시나리오에서 소비자 행동을 연구하고 "쇼핑객 신경 과학"의 개념을 제시했습니다51. 다중 모드 접근 방식은 생태학적 타당성을 크게 향상시킵니다. 휴대용 fNIRS와 아이트래커 안경을 적용한 이 연구는 제품 선반 앞에서 다양한 정보 검색 모드를 사용하여 소비자 경험을 조사한 최초의 연구입니다. 실험을 통해 이 연구는 NeuroIS의 연구 범위를 소매 및 쇼핑 시나리오로 확장하고 연구자가 인지 과정을 더 잘 이해할 수 있도록 합니다. 실제 쇼핑 맥락에서 fNIRS 측정은 위치 오프셋 및 환경 조명의 영향을 받을 가능성이 높다는 점에 유의해야 합니다. 따라서 붕대, 테이프 및/또는 스트랩을 사용하여 프로브를 참가자에게 잘 부착하고 검은색 천을 사용하여 조직과 장치를 덮어 환경광의 영향을 피하는 것이 좋습니다.

기술의 한계
실험에는 몇 가지 제한 사항이 있습니다. 첫째, 실험에 아이트래커를 사용했기 때문에 근시가 높고 난시가 있는 참가자는 실험에서 제외되었습니다. 이 경우 맹인 또는 시각 장애인에게는 프로토콜을 사용할 수 없습니다. 둘째, 본 연구는 시각 감각 경험만을 조사한다. 미래의 실험은 청각 및 촉각과 같은 다른 감각 채널로 확장 될 수 있습니다. 셋째, 본 연구는 AR 기술만을 검토하며, 다른 신흥 기술은 향후 연구에서 동일한 실험 패러다임을 사용하여 평가되어야 합니다.

기존 방법에 대한 의의
본 연구의 의의는 두 가지 측면에서 나타난다. 첫째, 사용성을 객관적으로 평가하기 위해 다중 모드 접근 방식을 사용했습니다. 그림 5에서 볼 수 있듯이 아이트래커는 쇼핑 과정에서 참가자의 관점에서 비디오를 동시에 녹화했기 때문에 연구원이 쇼핑 시나리오를 fNIRS 데이터와 쉽게 일치시킬 수 있었습니다. 따라서 멀티모달 접근법을 이용한 이 실험 기법은 생태학적 타당도가 높은 지속적인 실시간 측정의 장점을 가질 뿐만 아니라 다양한 기법의 장점을 결합하여 쇼핑 시나리오의 동적 변화를 파악합니다. 이 연구는 제품 제조업체가 제품 디자인을 개선하고, 소매업체가 선반에 있는 제품의 레이아웃을 최적화하고, 소비자가 사용자 경험을 개선할 수 있는 효과적인 사용성 테스트 방법을 제공했습니다. 둘째, 본 연구에서는 객관적 평가와 주관적 평가를 결합한 사용성 테스트 방법을 제안하였다. 일부 연구자들은 자기보고 방법이 공통 방법 편향 (CMB)52,53으로 고통받을 수 있음을 밝혔습니다. 인지 신경 과학의 측정은 일반적으로 주관적 편향, 사회적 바람직성 편향 및 수요 효과에 덜 민감하기 때문에 이러한 객관적인 평가 데이터는 주관적 평가 데이터를 보완하고 실험 결과의 견고성을 강화할 수 있습니다25,34. Liang et al. EEG 및 자기보고 방법을 사용하여 흐름 경험에 대한 실험을 통해 웹 사이트 품질과 사용자 만족도 간의 관계를 조사했습니다. 그 결과, 인지신경과학적 방법이 CMB53을 감소시킨다는 것을 알 수 있었습니다. 이 연구에서 객관적 평가와 주관적 평가의 조합은 (1) 소비자가 주관적 평가에 기반한 AR 쇼핑 조건을 선호한다는 것을 보여주었습니다. (2) 시선 추적 데이터를 기반으로 시각적 검색 효율성과 사용성을 촉진하는 AR 기술; (3) AR 기술은 fNIRS 및 NASA-TLX 척도 데이터를 기반으로 소비자의 인지 부하를 줄이고 사용자 경험을 개선했습니다. (4) 시선추적으로 녹화된 영상 정보와 결합하여 개인차를 조사하고 소비자 행동의 상태 차이를 더 잘 이해할 수 있었습니다.

향후 적용 분야
본 연구는 MIS에서 신흥 기술의 사용성 테스트를 위한 실험적 패러다임을 제안한다. 사용성 테스트는 인간-컴퓨터 상호 작용에서 새로운 기술의 사용자 경험을 평가하는 데 사용됩니다(54). MIS에서 신흥 기술(예: 증강 현실, 가상 현실, 인공 지능, 웨어러블 기술, 로봇 공학 및 빅 데이터)이 점점 더 많이 사용됨에 따라 사용성 테스트의 실험적 패러다임을 사용하여 향후 사용자 경험에 대한 신흥 기술의 기술적 이점을 검증할 수 있습니다.

결론적으로 본 연구는 AR과 같은 신기술의 사용성을 효과적으로 평가할 수 있는 MIS에서 주관적 평가와 객관적 평가를 결합한 실험 패러다임을 제안한다.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

저자는 공개 할 것이 없습니다.

Acknowledgments

이 연구는 장쑤성 교육부 철학 및 사회 과학 연구 프로젝트(2018SJA1089), 장쑤성 해외 연구 장학금(JS-2018-262), 저장성 자연과학 재단(LY19G020018) 및 중국 국립 자연 과학 재단(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

이번 달 JoVE Neuro-Information-Systems NeuroIS Usability fNIRS Eye Tracking Augmented Reality
증강 현실의 사용성 평가 : 신경 정보 시스템 연구
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