Waiting
Login processing...

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

Behavior

Usability Evaluering av Augmented Reality: En Neuro-Information-Systems Study

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

Summary

Denne studien presenterer et eksperimentelt paradigme for en brukbarhetstest som kombinerer subjektive og objektive evalueringer. Den objektive evalueringen vedtok Neuro-Information-Systems (NeuroIS) metoder, og den subjektive evalueringen vedtok et brukervennlighetsspørreskjema og en NASA-Task Load Index (NASA-TLX) skala.

Abstract

Denne studien introduserer et eksperimentelt paradigme for en brukbarhetstest av nye teknologier i et ledelsesinformasjonssystem (MIS). Brukbarhetstesten inkluderte både subjektive og objektive vurderinger. For den subjektive evalueringen ble et brukbarhetsspørreskjema og en NASA-TLX-skala vedtatt. For den objektive evalueringen ble metoder for Neuro-Information-Systems (NeuroIS) brukt. Fra et NeuroIS-perspektiv brukte denne studien mobile fNIRS og øyesporingsbriller for multimodale målinger, som løste problemet med økologisk gyldighet av kognitive nevrovitenskapsverktøy som brukes i virkelige atferdseksperimenter. Denne studien brukte Augmented Reality (AR) integrert i Internet of Things (IoT) som et eksperimentelt objekt. Sammenligning av forskjellene i neuroimaging-dataene, de fysiologiske dataene, brukervennlighetsspørreskjemaet og NASA-TLX-skaladataene mellom de to informasjonssøkemodusene (AR versus et nettsted), hadde informasjonssøk med AR en høyere effektivitet og en lavere kognitiv belastning sammenlignet med informasjonssøk med et nettsted under prosessen med forbruksbeslutninger. Resultatene fra brukervennlighetseksperimentet viser at AR, som en fremvoksende teknologi i detaljhandelen, effektivt kan forbedre forbrukeropplevelsene og øke kjøpsintensjonen. Det eksperimentelle paradigmet, som kombinerer både subjektive og objektive evalueringer i denne studien, kan brukes på en brukbarhetstest for nye teknologier, for eksempel forstørret virkelighet, virtuell virkelighet, kunstig intelligens, bærbar teknologi, robotikk og store data. Det gir en praktisk eksperimentell løsning for brukeropplevelsen i menneskelig-datamaskin-interaksjoner med vedtak av nye teknologier.

Introduction

Seks grenseteknologier som samhandler med forbrukere, vanligvis representert av utvidet virkelighet, virtuell virkelighet, kunstig intelligens, bærbar teknologi, robotikk og store data, omformer mange teoretiske modeller for forbrukeradferd1. Augmented Reality (AR) er en ny teknologi som kan forbedre forbrukeropplevelsen og forbedre forbrukertilfredsheten. Den legger tekstinformasjon, bilder, videoer og andre virtuelle elementer over virkelige scenarier for å smelte sammen virtualitet og virkelighet, og dermed forbedre informasjon i den virkelige verden gjennom forklaring, veiledning, evaluering og prediksjon2. AR gir en ny type menneske-datamaskin-interaksjon, skaper en oppslukende shoppingopplevelse for forbrukerne, og har ført til utviklingen av mange applikasjoner 3,4. Imidlertid er forbrukernes aksept av AR-tjenester fortsatt minimal, og mange selskaper er derfor forsiktige med å ta i bruk AR-teknologi 5,6. Teknologiakseptmodellen (TAM) har blitt mye brukt til å forklare og forutsi adopsjonsatferden til ny informasjonsteknologi 7,8. Ifølge TAM avhenger adopsjonsintensjonen for en ny teknologi i stor grad av brukervennligheten9. Derfor kan en mulig forklaring på den langsomme forbrukeraksepten av AR-tjenester fra TAM-perspektivet forholde seg til brukervennligheten til de nye teknikkene, noe som fremhever behovet for å evaluere brukervennligheten til AR mens du handler10,11.

Brukervennlighet er definert som effektiviteten, effektiviteten og tilfredsstillelsen av å oppnå spesifiserte mål i en spesifisert kontekst av spesifiserte brukere12. For tiden er det to hovedmetoder for å evaluere brukervennlighet: subjektive og objektive evalueringer13. Subjektive evalueringer er hovedsakelig avhengige av selvrapporteringsmetoder ved hjelp av spørreskjemaer og skalaer. Etter denne forskningen inkluderte spørreskjemaet som ble brukt i denne studien fem funksjoner knyttet til informasjonssøkemodus for å oppnå et mål: (1) effektivitet, (2) brukervennlighet, (3) minneverdighet (lett å huske), (4) tilfredshet (informasjonssøkemodus er behagelig og behagelig) og (5) generaliserbarhet til andre objekter14,15,16. I tillegg er kognitiv belastning, som representerer belastningen mens du utfører en bestemt oppgave på det kognitive systemet til en elev17, en annen kjerneindikator for brukervennlighet18,19. Dermed brukte denne studien i tillegg NASA Task Load Index (NASA-TLX) 13,20 som en subjektiv beregning for å måle den kognitive belastningen mens du handler med AR versus shopping ved hjelp av nettstedstjenester. Det er bemerkelsesverdig at selvrapporteringsmetoder er avhengige av individers evne og vilje til nøyaktig å rapportere sine holdninger og / eller tidligere atferd21, noe som åpner muligheten for feilrapportering, underrapportering eller skjevhet. Dermed kan objektive mål være et verdifullt supplement til tradisjonelle subjektive metoder22.

Neuro-Information-Systems (NeuroIS) metoder brukes til objektiv evaluering av AR-brukervennlighet. NeuroIS, myntet av Dimoka et al. på ICIS-konferansen i 2007, tiltrekker seg økende oppmerksomhet innen informasjonssystemer (IS)23. NeuroIS bruker teorier og verktøy for kognitiv nevrovitenskap for bedre å forstå utviklingen, adopsjonen og virkningen av IS-teknologier24,25. Til dags dato er kognitive nevrovitenskapsverktøy, som funksjonell magnetisk resonansavbildning (fMRI), elektroencefalogram (EEG), positronemisjonscomputertomografi, magnetoencefalografi (MEG) og funksjonell nær-infrarød spektroskopi (fNIRS), ofte brukt i NeuroIS-studier26,27. For eksempel brukte Dimoka og Davis fMRI for å måle forsøkspersonenes aktiveringer når de interagerte med nettstedet, og avslørte at opplevd brukervennlighet påvirket aktivering i prefrontal cortex (PFC)28. Tilsvarende fant Moridis og medarbeidere ved hjelp av EEG at frontal asymmetri var nært assosiert med nytteverdi29. Disse resultatene indikerer at PFC kan spille en nøkkelrolle i brukervennlighet.

Selv om prestasjoner har blitt gjort i tidligere NeuroIS-studier, hadde paradigmene som ble brukt i disse studiene begrensede kroppsbevegelser av med lav økologisk gyldighet, noe som begrenset deres teoretiske og praktiske bidrag. Samspill med teknologier som AR mens du handler krever frie kroppsbevegelser, og emnebegrensninger svekker i stor grad forbrukeropplevelsen som diskutert i He et al.22. Dermed er hjerneavbildningsverktøy med høy økologisk validitet nødvendig for en brukbarhetstest av informasjonssystemer. I denne forbindelse har fNIRS unike tekniske fordeler: under fNIRS-eksperimenter kan forsøkspersoner bevege seg fritt30 til en viss grad. For eksempel har tidligere studier målt forsøkspersoners hjerneaktivering under flere utendørsaktiviteter som sykling ved hjelp av bærbare fNIRS31. I tillegg er fNIRS billig og muliggjør måling av hjerneaktiveringer i lange perioder32. I denne studien ble fNIRS brukt til objektivt å måle fagets nivå av kognitiv belastning mens de brukte shoppingtjenestene til AR versus et nettsted.

Øyesporing har vært en verdifull psykofysiologisk teknikk for å oppdage brukernes visuelle oppmerksomhet under en brukervennlighetstest de siste årene33 og har også blitt mye brukt i NeuroIS-studier34. Teknikken er avhengig av øye-sinn-hypotesen, som antar at observatørens fokus går der oppmerksomheten er rettet, at visuell oppmerksomhet representerer den mentale prosessen, og at mønstre av visuell oppmerksomhet reflekterer menneskelige kognitive strategier35,36,37. På området AR-forskning brukte Yang et al. øyesporing for å finne at AR-reklame forbedret forbrukernes holdninger til reklamen ved å øke nysgjerrigheten og oppmerksomheten38. I den nåværende studien ble øyesporing brukt til å måle forsøkspersonenes oppmerksomhet, inkludert parametere som total fikseringsvarighet, gjennomsnittlig fikseringsvarighet, fikseringsfrekvens, sakkadefrekvens, gjennomsnittlig sakkadevarighet og gjennomsnittlig skanningsbanelengde.

Oppsummert foreslår denne studien en brukbarhetstestmetode som kombinerer subjektive og objektive evalueringer med AR-applikasjoner som et eksempel. Et usability questionnaire og en NASA-TLX skala ble brukt for subjektiv evaluering, og multimodale mål som kombinerer fNIRS og eye tracking ble brukt for objektiv evaluering39,40.

Eksperimentelt design
Eksperimentelle materialer: For å simulere en virkelig shoppingkontekst ble en produkthylle bygget i et laboratorium, og to forskjellige merker mineralvann ble plassert på hyllen som eksperimentelle materialer. Som essensielle varer ble mineralvann valgt fordi deltakerne ikke ville ha skjevhet i subjektive vurderinger på grunnlag av yrkesbakgrunn, kjønn og kjøpsevne. Prisen, kapasiteten og kjennskapen til merkene ble kontrollert (se materialfortegnelse) for å eliminere interferens fra irrelevante variabler.

Brukervennlighetstesten inkluderte to forhold: en smarttelefonbasert AR-applikasjon (tilleggsfigur 1) og en nettside (tilleggsfigur 2). AR-applikasjonen ble programmert basert på en AR-motor. Nettstedet ble utviklet ved hjelp av Python, basert på Bootstrap for front-end og Flask for back-end. AR-applikasjonen og nettstedet ble kjørt og bladd på en smarttelefon. Blant de to forskjellige merkene av mineralvann ble det ene brukt som eksperimentelt materiale i AR-tilstand, og det andre ble brukt i nettstedets tilstand.

Eksperimentelle oppgaver: Deltakerne ble bedt om å utføre fire informasjonssøkeoppgaver som stammer fra IoT-applikasjonskontekster: kvaliteten på vann, lagringstemperaturen, matchende diett, og prisen per liter. Disse fire informasjonselementene er hva forbrukerne normalt tar hensyn til når de kjøper mineralvann. Det var ingen tidsbegrensning for deltakerne å fullføre oppgavene.

Vannkvalitet: Kvaliteten på mineralvann inneholder vanligvis to indikatorer: de totale oppløste faste stoffene (TDS) og pH-verdien. TDS reflekterer mineralinnholdet, og pH-verdien beskriver vannets surhet/alkalitet. Disse to indikatorene er relatert til sporstoffer som finnes i mineralvannet og påvirker smaken. For eksempel delte Bruvold og Ongerth vannets sensoriske kvalitet inn i fem grader etter TDS-innholdet41. Marcussen et al. fant at vann har gode sensoriske egenskaper i området 100-400 mg / L TDS42. TDS- og pH-verdien til de to merkene mineralvann som ble brukt i denne studien, ble målt ved hjelp av henholdsvis TDS- og pH-målere, og deretter merket på AR-applikasjonen og nettstedet. Mens de utførte oppgaven, ble deltakerne pålagt å rapportere TDS- og pH-verdiene til mineralvannet og bekrefte om disse verdiene var innenfor det nominelle området. I AR-tilstanden kunne deltakerne skaffe seg denne informasjonen ved å skanne flasken med vann. I nettstedets tilstand ble deltakerne pålagt å utføre fire trinn: (1) å finne en numerisk kode på baksiden av flasken mineralvann, (2) å skrive inn den numeriske koden i en spørringsboks for å få TDS- og pH-verdiene for mineralvann, (3) søke i det nominelle området for mineralvann på nettstedet, og (4) muntlig rapportere om TDS- og pH-verdien er innenfor det nominelle området for produktet.

Lagringstemperatur: Kvaliteten på mineralvann kan reduseres under transport og lagring på grunn av temperaturendringer. Forsøk har vist at riktig temperatur for mineralvann er mellom 5 °C og 25 °C under transport og lagring. I dette temperaturområdet har vann ikke dårlig lukt43. I det nåværende eksperimentet ble lagringstemperaturen til de to typer mineralvann på forskjellige steder merket på AR-applikasjonen og nettstedet. Mens de utførte oppgaven, ble deltakerne pålagt å rapportere lagringsstedet og tilsvarende temperatur på vannet. I AR-tilstanden kunne deltakerne skaffe seg denne informasjonen ved å skanne flasken med vann. I nettstedstilstanden kunne deltakerne skaffe seg denne informasjonen ved å skrive inn den numeriske koden i en spørringsboks.

Matchende diett: Ulike merker av mineralvann er egnet for forskjellige menyer på grunn av deres unike mineralsammensetning og bobleinnhold44. I dette eksperimentet ble kostholdsanbefalinger for de to mineralvannene merket på AR-applikasjonen og nettstedet. Mens de utførte oppgaven, ble deltakerne pålagt å rapportere hvordan mineralvannet samsvarer med maten i menyen. I AR-tilstanden kunne deltakerne skaffe seg denne informasjonen ved å skanne vannflasken. I tilstanden på nettstedet kunne deltakerne søke etter denne informasjonen på nettstedet.

Pris per liter: For tiden viser etikettene på mineralvannflasker i Kina ikke prisen per liter informasjon. Dette gjør det vanskelig for forbrukerne å skille forskjellen i enhetspriser på ulike typer mineralvann. Derfor krevde det nåværende eksperimentet at deltakerne skulle rapportere prisen per liter. I AR-applikasjonen kunne deltakerne skaffe seg prisen per liter direkte ved å skanne flasken med vann. I nettstedets tilstand kunne informasjonen beregnes ut fra enhetsprisen og volumet på etiketten.

Denne studien benyttet et innen-deltaker-design, med deltakernes inklusjons- og eksklusjonskriterier som beskrevet i tabell 1. Totalt 40 deltakere fullførte forsøket (20 menn og 20 kvinner, gjennomsnittsalder = 21,31 ± 1,16 år). Alle deltakerne var studenter fra Jiangsu University of Science and Technology og ble tilfeldig arrangert i to grupper (A og B). For å unngå ordenseffekten ble den eksperimentelle rekkefølgen oppveid på tvers av de to gruppene (A/B). Spesielt utførte en gruppe AR-tilstanden først og deretter nettstedets tilstand, mens den andre gruppen utførte nettstedet først og deretter AR-tilstanden. Deltakerne ble pålagt å fullføre forberedelsene til eksperimentet, bære instrumentene og utføre eksperimentelle oppgaver. Intereksperimentintervallet ble satt til 10 s for å tillate kortikal aktivering å gå tilbake til baseline-nivået, og unngå krysspåvirkning i den påfølgende oppgaven. På slutten av AR / nettstedseksperimentet ble deltakerne pålagt å fylle ut brukervennlighetsspørreskjemaet og NASA-TLX-skalaen. Det eksperimentelle flytskjemaet er vist i figur 1. Et fotografi av det eksperimentelle oppsettet er presentert i figur 2.

Tabell 1: Inklusjons- og eksklusjonskriterier for studien. Klikk her for å laste ned denne tabellen.

Figure 1
Figur 1: Eksperimentelt flytskjema. Hvert eksperiment varte ~ 45 min, med en hvileperiode på 10 s mellom oppgavene. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Eksempel på oppsett av eksperimentscenen. De eksperimentelle materialene, deltakeren og utstyret vises. Klikk her for å se en større versjon av denne figuren.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Denne studien ble gjennomført i samsvar med prinsippene i Helsinkideklarasjonen. Alle deltakerne ble informert om eksperimentets formål og sikkerhet og signerte skjemaet for informert samtykke før deltakelse. Denne studien ble godkjent av det institusjonelle gjennomgangsstyret ved Jiangsu University of Science and Technology.

1. Eksperiment prosedyre

  1. Forberedelse for forsøket
    1. Forklar informert samtykke til deltakerne og be dem om å signere samtykkeskjemaet.
    2. Utfør en fargesyntest på deltakerne for å bekrefte at de har normal fargediskriminering.
    3. Presenter 30 mineralvann merker til deltakerne og be dem om å velge merkene de er kjent med, for å sikre at de ikke er kjent med merkene av mineralvann som brukes i eksperimentet.
    4. Introduser prosedyren for eksperimentet til deltakerne.
    5. Gjennomfør et foreksperiment på deltakerne ved hjelp av andre mineralvannmerker enn de som ble brukt i studien, og sørg for at de er kjent med AR og nettstedoperasjoner.
    6. Be hver deltaker fra gruppe A om å utføre AR-eksperimentet først, og deretter utføre nettstedeksperimentet. Be hver deltaker fra gruppe B om å utføre nettstedeksperimentet først, og deretter utføre AR-eksperimentet.
  2. Bruk av instrumenter
    1. fNIRS sonder
      1. Rengjør pannehuden til deltakerne med hudpreparasjonsgel (se materialtabell).
      2. Pakk sondene (se materialfortegnelse) inn i en plastfolie for svette omstendigheter. Fest sondene på FP1- og FP2-posisjonen i henhold til det internasjonale 10-20-systemet med et svart hodebånd45. Bruk en svart bandana til å dekke sondene for å beskytte dem mot omgivelseslys og forbedre signalkvaliteten.
      3. Rengjør senderen og mottakeren av sondene med en 70% isopropylalkoholpute etter at forsøket er fullført.
    2. Eye tracker: Fang øyebevegelser i virkelige miljøer ved hjelp av øyesporingsbriller (se Materialfortegnelse). Monter reseptbelagte linser på hodeenheten til øyesporingsbrillene magnetisk (om nødvendig) og sørg for at deltakerne kan gå fritt rundt med et korrigert syn.
      MERK: Fordi øyesporingsbrillene ikke er designet for å fungere sammen med standard briller, kan deltakere som bruker briller fortsatt bli inkludert i studien ved å bruke valgfrie reseptbelagte linser for korreksjon av enten nærsynthet eller langsynthet. Deltakerne kan også bruke standard kontaktlinser fordi selv om de kan øke støyen litt, introduserer de normalt ikke feil i dataene. Deltakerne kan ikke bruke fargede eller andre linser som endrer utseendet til eleven eller iris.

2. Tiltak

  1. fNIRS
    1. Åpne innspillingsprogramvaren (se Materialfortegnelse). Koble sonderne til en bærbar PC via en Bluetooth-adapter, og registrer deretter endringene i konsentrasjonen av oksygenert hemoglobin (O2Hb) i deltakernes prefrontale cortex gjennom den bærbare datamaskinen, med en samplingsfrekvens på 10 Hz.
    2. Kontroller kvaliteten på mottatt lysintensitet og vevsmetningsindeks (TSI) for å kontrollere datakvaliteten. Forsikre deg om at det mottatte signalet ligger mellom 1% og 95%.
    3. Sørg for at deltakerne sitter i en komfortabel stilling på en stol og opprettholder hviletilstanden i 2 minutter for å samle grunnlinjedata før det virkelige eksperimentet.
    4. Klikk på Start-knappen på programvaregrensesnittet for å registrere fNIRS-dataene.
  2. Øyesporing
    1. Sett opp maskinvaren for øyesporingsbrillene. Koble USB-kontakten til øyesporingsbrillene til en USB-port på den bærbare datamaskinen. Åpne opptaksprogramvaren (se Materialfortegnelse) og sett samplingsfrekvensen til 120 Hz.
    2. Kalibrering: Utfør en ettpunktskalibrering. Be deltakeren om å fokusere på et tydelig identifiserbart objekt i synsfeltet på 0,6 m. Flytt trådkorsmarkøren til objektet, der deltakeren er fokusert på i scenevideoen, og klikk på objektet.
    3. trykk Record -knappen på programvaregrensesnittet for å starte opptaket.
  3. Spørreskjema og skala: Presenter spørreskjemaet for brukervennlighet og NASA-TLX-skala for deltakerne etter at de har fullført oppgavene til AR / nettstedet.

3. Dataanalyse

  1. fNIRS databehandling
    1. Konverter de optiske tetthetsverdiene oppnådd fra fNIRS-opptaksprogramvaren til konsentrasjoner (μmol) i henhold til den modifiserte Beer-Lambert Law46.
    2. Filtrer rådataene ved lavpass 0,5 Hz for å fjerne systematiske lyder som hjerteslag og respirasjon.
    3. Kontroller og korriger dataene for bevegelsesartefakter ved å fjerne datasegmentene som overskred tre standardavvik over hele tidsserien47.
    4. Eksporter gjennomsnittlige og maksimale fNIRS-data i AR- og nettstedsforholdene, og trekk dem deretter fra grunnlinjedataene.
  2. Behandling av øyesporingsdata
    1. Eksporter fikseringsfrekvens (antall / s), total fikseringstid (ms), gjennomsnittlig fikseringstid (ms), sakkadefrekvens (antall / s), gjennomsnittlig sakkadetid (ms) og gjennomsnittlig skannebanelengde (px / s) av deltakerne.
  3. Statistisk analyse
    1. Utfør en tosidig test ved et signifikansnivå på 0,05. Kontroller datanormaliteten ved hjelp av Shapiro-Wilk-testen og utfør en forskjellstest. Utfør flere korrigeringer for sammenligninger for p-verdier ved hjelp av metoden FDR (false discovery rate).
      MERK: Under utføring av differansetesten ble dataene som fulgte en normalfordeling analysert ved hjelp av en parret prøve-t-test, og dataene som ikke fulgte en normalfordeling ble analysert ved hjelp av Wilcoxon-signert rangtest.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De representative resultatene av denne studien inkluderer resultatene fra spørreskjemaet for brukbarhet, analyse av øyesporingsdata, NASA-TLX-skaladata, fNIRS-dataanalyse og dynamiske kognitive belastningsendringer. For resultatene fra spørreskjemaet om brukervennlighet ble det utført øyesporingsdataanalyse, NASA-TLX-skaladata og fNIRS-dataanalyse, normalitetstester og forskjellstester. For dynamiske kognitive belastningsendringer valgte denne studien fNIRS og øyesporingsdata fra en enkelt deltaker for å demonstrere gyldigheten av den multimodale målingen.

Resultater av spørreskjema for brukervennlighet
Ingen av elementene i usability-spørreskjemaet var normalfordelt (tab 2). Reliabiliteten til AR og nettstedet i usability-spørreskjemaet ble testet, og Cronbachs alfaskår ble vurdert som akseptabel (Cronbachs alfa = 0,974).

Tabell 2: Normalitetstest av usabilitetsspørreskjemaet. Ingen av elementene i usability-spørreskjemaet fulgte normalfordeling. Dataene ble analysert ved hjelp av Wilcoxon signert rangtest. Klikk her for å laste ned denne tabellen.

Median differansescore for usability questionnaire mellom AR og nettstedet er vist i tabell 3. Datafordelingene av AR og nettstedsforholdene er vist i figur 3. En signifikant forskjell ble observert mellom AR- og nettstedsforholdene, med medianpoengene for AR høyere enn for nettstedet. Resultatene viste at deltakerne hadde en bedre brukeropplevelse i AR-tilstanden enn i nettstedets tilstand.

Tabell 3: Median differansescore for spørreskjemaet om brukervennlighet mellom AR- og nettstedsbetingelsene. Medianpoengene for AR var betydelig høyere enn for nettstedet. Klikk her for å laste ned denne tabellen.

Figure 3
Figur 3: Datadistribusjon av usability questionnaire. En skjematisk illustrasjon av datadistribusjonen i spørreskjemaet for brukbarhet. Klikk her for å se en større versjon av denne figuren.

Analyse av øyesporingsdata
Alle øyesporingsindikatorer ble normalitetstestet, og resultatene er presentert i tabell 4. I oppgave 1 og 3 var det kun fiksasjonsfrekvens som fulgte normalfordelingen, mens alle de andre indikatorene ikke fulgte normalfordelingen. I oppgave 2 fulgte fiksasjonsfrekvens og sakkadefrekvens normalfordeling, men resten av indikatorene fulgte ikke normalfordelingen. For oppgave 4 fulgte bare sakkadefrekvensen normalfordelingen. Ved sammenligning av forskjeller mellom AR og nettsideforhold ble dataene rapportert separat basert på normalitet/ikke-normalitet. Tabell 5 viser forskjeller i øyesporingsindikatorer mellom AR- og nettstedsforholdene i oppgave 1 (vannkvalitet). Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR- og nettstedsforholdene, p < 0,001. Gjennomsnittlig fikseringsvarighet var signifikant lengre i AR-tilstanden enn i nettstedstilstanden (MedianAR = 586,85, interkvartilområde (IQR) = 482,55-714,6; Mediannettsted = 398.05, IQR = 362.775-445.275). De andre indikatorene var betydelig lavere i AR-tilstanden enn i nettstedets tilstand.

Tabell 4: Normalitetstest av øyesporingsindikatorer. Eye-tracking data som følger en normalfordeling ble analysert ved hjelp av en paret samples t-test, og eye-tracking data som ikke fulgte en normalfordeling ble analysert ved hjelp av Wilcoxon signert rang test. Klikk her for å laste ned denne tabellen.

Tabell 5: Forskjeller i øyesporingsindikatorene mellom AR og nettstedet i oppgave 1. Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR og nettstedsforhold, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var signifikant lengre i AR enn i nettstedets tilstand (MedianAR = 586,85, interkvartilområde (IQR) = 482,55-714,6; Mediannettsted = 398,05,IQR = 362.775-445.275). De andre indikatorene var betydelig lavere i AR enn i nettstedets tilstand. Klikk her for å laste ned denne tabellen.

Tabell 6 viser forskjellene i øyesporingsindikatorene mellom AR- og nettstedsforholdene i oppgave 2 (lagringstemperatur). Alle øyesporingsindikatorer viste signifikante forskjeller mellom AR og nettstedsforhold, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var betydelig lengre i AR-tilstanden enn i nettstedets tilstand (MedianAR = 477.2, IQR = 398.675-596.575; Mediannettsted = 397,1,IQR = 353,35-451,075). De andre indikatorene var betydelig lavere i AR-tilstanden enn i nettstedets tilstand.

Tabell 6: Forskjeller i øyesporingsindikatorene mellom AR og nettstedet i oppgave 2. Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR- og nettstedsforholdene, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var betydelig lengre i AR enn i nettstedets tilstand (MedianAR = 477.2, IQR = 398.675-596.575; Mediannettsted = 397,1, IQR = 353,35-451,075). De andre indikatorene var betydelig lavere i AR enn i nettstedets tilstand. Klikk her for å laste ned denne tabellen.

Tabell 7 viser forskjellene i øyesporingsindikatorene mellom AR- og nettstedsforholdene i oppgave 3 (matchende diett). Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR- og nettstedsforholdene, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var betydelig lengre i AR-tilstanden enn i nettstedets tilstand (MedianAR = 420.45, IQR = 352.275-467.8; Mediannettsted = 360.6, IQR = 295-399.075). De andre indikatorene var betydelig lavere i AR-tilstanden enn i nettstedets tilstand.

Tabell 7: Forskjeller i øyesporingsindikatorene mellom AR og nettstedet i oppgave 3. Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR- og nettstedsforholdene, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var betydelig lengre i AR enn i nettstedets tilstand (MedianAR = 420,45, IQR = 352,275-467,8; Mediannettsted = 360,6,IQR = 295-399.075). De andre indikatorene var betydelig lavere i AR enn i nettstedets tilstand. Klikk her for å laste ned denne tabellen.

Tabell 8 viser forskjeller i øyesporingsindikatorene mellom AR- og nettstedsforholdene i oppgave 4 (pris per liter). Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR- og nettstedsforholdene, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var betydelig lengre i AR-tilstanden enn i nettstedets tilstand (MedianAR = 495.25, IQR = 404.8-628.65; Mediannettsted = 263,1, IQR = 235,45-326,2). Imidlertid var de andre indikatorene betydelig lavere i AR-tilstanden enn i nettstedets tilstand.

Tabell 8: Forskjeller i øyesporingsindikatorene mellom AR og nettsted i oppgave 4. Det var signifikante forskjeller i alle øyesporingsindikatorer mellom AR- og nettstedsforholdene, p < 0,001. Den gjennomsnittlige fikseringsvarigheten var betydelig lengre i AR enn i nettstedets tilstand (MedianAR = 495,25, IQR = 404,8-628,65; Mediannettsted = 263,1,IQR = 235,45-326,2). De andre indikatorene var betydelig lavere i AR enn i nettstedets tilstand. Klikk her for å laste ned denne tabellen.

For de visuelle søkeoppgavene var lavere øyesporingsindikatorer forbundet med en høyere effektivitet av informasjonssøk (unntatt gjennomsnittlig fikseringsvarighet). Samlet sett viste øyesporingsdataene at deltakerne hadde høyere informasjonssøkeeffektivitet når de brukte AR enn ved bruk av nettstedet.

NASA-TLX-skaleringsdata
Ingen av elementene i NASA-TLX-skalaen fulgte en normalfordeling (tabell 9). Cronbachs alfaskår ble ansett som akseptabel (Cronbachs alfa = 0,924).

Tabell 9: Normalitetstest av NASA-TLX-skala. Ingen av elementene i NASA-TLX-skalaen fulgte en normalfordeling. Dataene ble analysert ved hjelp av Wilcoxon signert rangtest. Klikk her for å laste ned denne tabellen.

Median differansescore for NASA-TLX-skalaen mellom AR og nettstedsforhold er presentert i tabell 10. Datafordelinger av AR og nettstedsforhold er vist i figur 4. En signifikant forskjell ble observert mellom AR og nettstedsforhold. NASA-TLX-skalapoengene for AR-tilstanden var lavere enn nettstedets tilstand, noe som indikerer at AR-teknikken førte til en lavere kognitiv belastning enn nettstedet.

Tabell 10: Median differansescore for NASA-TLX-skala mellom AR og nettstedet. NASA-TLX-skalaen score på AR-tilstanden var betydelig lavere enn for nettstedets tilstand. Klikk her for å laste ned denne tabellen.

Figure 4
Figur 4: Datafordeling av NASA-TLX-skalaen. En skjematisk illustrasjon av datadistribusjon av NASA-TLX-skalaen. Klikk her for å se en større versjon av denne figuren.

fNIRS dataanalyse
GjennomsnittligeO2Hb-verdier ble normalitetstestet, og resultatene er presentert i tabell 11. Ved sammenligning av forskjeller mellom AR og nettsideforhold ble data rapportert separat basert på normalitet/ikke-normalitet. Forskjeller i gjennomsnittlig O2Hb mellom AR og nettstedsforholdene er presentert i tabell 12. Det var signifikante forskjeller mellom de to forholdene når deltakerne utførte oppgave 1 (justert p = 0,002), oppgave 3 (justert p = 0,007) og oppgave 4 (justert p < 0,001). Gjennomsnittlig O2Hb av oppgavene som ble utført i AR-tilstanden var signifikant lavere enn i nettstedets tilstand (Oppgave 1: Gjennomsnittlig AR = -1.012, SDAR = 0.472, Gjennomsnittlig nettsted = 0.63,SD-nettsted = 0.529; Oppgave 3: Gjennomsnittlig AR = -0,386, SDAR = 0,493, gjennomsnittlig nettsted = 1,12,SD-nettsted = 0,554; Oppgave 4: Gjennomsnittlig AR = -0,46, SDAR = 0,467, gjennomsnittlig nettsted = 2,27,SD-nettsted = 0,576). Mens du utførte oppgave 2, nådde forskjellene mellom AR- og nettstedforholdene ikke et signifikant nivå (justert p = 0,154 > 0,05). Disse resultatene indikerer at deltakerne hadde en lavere kognitiv belastning ved bruk av AR-teknikken enn ved bruk av nettstedet.

Tabell 11: Normalitetstest av gjennomsnitt O2Hb. FNIRS-dataene som følger en normalfordeling ble analysert med paret t-test, og fNIRS-dataene som ikke fulgte en normalfordeling ble analysert med Wilcoxon-signert rangtest. Klikk her for å laste ned denne tabellen.

Tabell 12: Forskjeller i gjennomsnitt O2Hb mellom AR og nettsted.  Det var signifikante forskjeller mellom de to forholdene når deltakerne utførte oppgave 1 (justert p = 0,002), oppgave 3 (justert p = 0,007) og oppgave 4 (justert p < 0,001). Gjennomsnittlig O2Hb av oppgavene som ble utført i AR-tilstanden var signifikant lavere enn i nettstedets tilstand (Oppgave 1: Gjennomsnittlig AR = -1.012, SDAR = 0.472, Gjennomsnittlig nettsted = 0.63,SD-nettsted = 0.529; Oppgave 3: Gjennomsnittlig AR = -0,386, SDAR = 0,493, gjennomsnittlig nettsted = 1,12,SD-nettsted = 0,554; Oppgave 4: Gjennomsnittlig AR = -0,46, SDAR = 0,467, gjennomsnittlig nettsted = 2,27,SD-nettsted = 0,576). Mens du utførte oppgave 2, nådde forskjellene mellom AR og nettstedsforhold ikke et signifikant nivå (justert p = 0,154 > 0,05). Klikk her for å laste ned denne tabellen.

Dynamiske kognitive belastningsendringer
Figur 5 viser endringene iO2Hb-konsentrasjon når en deltaker utførte oppgave 4 i nettstedstilstanden. På punkt 1 hadde deltakeren problemer med å beregne prisen per liter. Den intense søkeprosessen induserte en økning i O2Hb-konsentrasjonen, noe som indikerte en økning i øyeblikkelig belastning. Når deltakeren mottok et signal, falt O 2 Hb-konsentrasjonen til punkt2, og den øyeblikkelige belastningen nådde en dalverdi i det øyeblikket. Deltakeren begynte da å jobbe hardt for å beregne prisen per liter og ønsket å fullføre oppgaven så snart som mulig. I denne sammenheng fortsatteO2Hb-konsentrasjonenå øke og nådde et maksimum (punkt 3). Oppsummert kan den multimodale målingen av øyesporing og fNIRS effektivt måle dynamiske endringer i kognitiv belastning mens den samhandler med informasjonssystemer, og kan også undersøke individuelle forskjeller i forbrukeratferd.

Figure 5
Figur 5: fNIRS øyeblikkelig belastning. En skjematisk illustrasjon av den dynamiske kognitive belastningen endres ved hjelp av fNIRS øyeblikkelig belastning. Klikk her for å se en større versjon av denne figuren.

Ved å ta de fire oppgavene til AR integrert i IoT som eksempler, kombinerte denne studien NeuroIS-tilnærminger med subjektive evalueringsmetoder. De eksperimentelle resultatene antydet at: (1) for brukervennlighetsspørreskjemaet hadde deltakerne en bedre subjektiv evaluering i AR-tilstanden enn i nettstedstilstanden (tabell 3 og figur 3); (2) for øyesporingsdataene hadde deltakerne høyere informasjonssøkeeffektivitet når de brukte AR enn når de brukte nettstedet (tabell 5, tabell 6, tabell 7 og tabell 8); (3) for NASA-TLX-skaladata og fNIRS-data førte AR-teknikken til lavere kognitiv belastning enn den med nettstedet (tabell 10 og tabell 12); og (4) for den dynamiske kognitive belastningen kunne den multimodale målingen av øyesporing og fNIRS effektivt måle dynamiske endringer av kognitiv belastning mens den interagerte med informasjonssystemer, og kunne også undersøke de individuelle forskjellene i forbrukeratferd (figur 5). Ved å sammenligne forskjellene i neuroimaging data, fysiologiske data og selvrapporterte data ved hjelp av brukervennlighetsspørreskjemaet og NASA-TLX-skalaen mellom AR- og nettstedforholdene, kan AR-teknikken fremme effektivitet for informasjonssøk og redusere kognitiv belastning under shoppingprosessen. Således, som en fremvoksende detaljhandelsteknologi, kan AR effektivt forbedre brukeropplevelsen til forbrukerne og i sin tur øke kjøpsintensjonen.

Tilleggsfigur 1: Skjermbilde av informasjonen som vises i AR-programmet som ble brukt i studien. Klikk her for å laste ned denne filen.

Tilleggsfigur 2: Skjermbilde av informasjon som vises på nettstedet som ble brukt i studien. Klikk her for å laste ned denne filen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trinn i protokollen
Under forsøket ble flere trinn vurdert for å sikre pålitelighet av resultatene. For det første ble deltakere som er kjent med merkene av mineralvann som ble brukt i forsøket ekskludert, fordi disse deltakerne ville ha utført oppgaven basert på deres kunnskap om merkevaren. For det andre fullførte deltakerne et pre-eksperiment ved hjelp av andre merker av mineralvann, som ble ansatt for å sikre at deltakerne var kjent med AR og nettstedoperasjoner. For det tredje, ved bruk av fNIRS-sonder, ble en svart bandana brukt til å dekke sondene for å beskytte sondene mot omgivelseslys og forbedre signalkvaliteten. For det fjerde hadde deltakerne som hadde kontaktlinser ikke lov til å bruke fargede eller andre linser som ville endre utseendet til eleven eller iris. For det femte, før det virkelige eksperimentet, ble deltakerne pålagt å sitte i en komfortabel stilling på en stol og opprettholde en hviletilstand i 2 minutter for å samle grunnlinjedata, som ble brukt til baselinekorreksjon for fNIRS-dataene47.

Endringer og feilsøking
Det eksperimentelle paradigmet som foreslås i denne studien, kan utvides til virkelige kommersielle applikasjoner. Den største utfordringen ved å anvende kognitive nevrovitenskapsmetoder på forretningsproblemer er økologisk gyldighet48,49. Den eksperimentelle protokollen ved hjelp av mobil hjerne / kroppsavbildning har vist muligheten for å løse dette problemet50. Krampe et al. brukte bærbare fNIRS til å studere forbrukeratferd i et realistisk dagligvarehandelsscenario og presenterte begrepet "shopper neuroscience"51. De multimodale tilnærmingene forbedrer økologisk validitet sterkt. Ved å bruke bærbare fNIRS og eye tracker-briller, er denne studien den første som undersøker forbrukererfaringer ved hjelp av ulike informasjonssøkemoduser foran en produkthylle. Gjennom eksperimentet utvider denne studien forskningsambisjonen til NeuroIS til detaljhandel og shoppingscenarier og gjør det mulig for forskere å bedre forstå kognitive prosesser. Det skal bemerkes at i den virkelige shoppingkonteksten vil fNIRS-målinger sannsynligvis bli påvirket av posisjonsforskyvning og miljølys. Derfor anbefales det å bruke bandasjer, bånd og / eller stropper for å feste sondene godt til deltakerne og bruke en svart klut for å dekke vevet og enheten for å unngå effekten av miljølys.

Begrensninger av teknikken
Det er noen begrensninger for eksperimentet. For det første, siden en eye tracker ble brukt i forsøket, ble deltakere med høy nærsynthet og astigmatisme ekskludert fra forsøket. I dette tilfellet kan protokollen ikke brukes til blinde eller svaksynte personer. For det andre undersøker denne studien bare visuelle sanseopplevelser. De fremtidige forsøkene kan strekke seg til andre sensoriske kanaler, som hørsel og berøring. For det tredje undersøker denne studien bare AR-teknikker, andre nye teknologier bør vurderes ved hjelp av det samme eksperimentelle paradigmet i fremtidige studier.

Betydning i forhold til eksisterende metoder
Betydningen av denne studien gjenspeiles i to aspekter. For det første ble multimodale tilnærminger brukt til objektiv evaluering av brukervennlighet. Som vist i figur 5, fordi eye trackeren samtidig tok opp videoer fra deltakernes perspektiv under handleprosessen, var det enkelt for forskerne å matche shoppingscenariet med fNIRS-dataene. Derfor har denne eksperimentelle teknikken ved hjelp av multimodale tilnærminger ikke bare fordelen av kontinuerlig sanntidsmåling med høy økologisk validitet, men kombinerer også fordelene ved ulike teknikker for å identifisere dynamiske endringer i shoppingscenarier. Denne studien ga en effektiv brukervennlighetstestmetode for produktprodusenter for å forbedre produktdesign, forhandlere for å optimalisere utformingen av produktene i hyllene og forbrukere for å forbedre brukeropplevelsen. For det andre foreslo denne studien en brukbarhetstestmetode som kombinerte objektive og subjektive evalueringer. Noen forskere har avslørt at selvrapporteringsmetoder kan lide av en felles metodeskjevhet (CMB)52,53. Siden målinger fra kognitiv nevrovitenskap vanligvis er mindre utsatt for subjektiv bias, sosial ønskelighetsskjevhet og etterspørselseffekter, kan disse objektive evalueringsdataene utfylle subjektive evalueringsdata og styrke robustheten til det eksperimentelle resultatet25,34. Liang et al. brukte EEG og selvrapporteringsmetoder for å undersøke forholdet mellom nettstedskvalitet og brukertilfredshet gjennom et eksperiment på flytopplevelse. Resultatene indikerte at den kognitive nevrovitenskapsmetoden reduserer CMB53. I denne studien viste kombinasjonen av både objektive og subjektive evalueringer at (1) forbrukere foretrakk en AR-shoppingtilstand basert på subjektiv evaluering; (2) AR-teknikk fremmet visuell søkeeffektivitet og brukervennlighet basert på øyesporingsdataene; (3) AR-teknikk reduserte forbrukernes kognitive belastning og forbedret brukeropplevelsene deres basert på fNIRS og NASA-TLX-skaladata; og (4) kombinert med videoinformasjonen som ble registrert ved øyesporing, muliggjorde det undersøkelse av individuelle forskjeller og bedre forståelse av tilstandsforskjellene i forbrukeratferd.

Fremtidige applikasjoner
Denne studien foreslår et eksperimentelt paradigme for brukbarhetstesting av nye teknologier i en MIS. En brukervennlighetstest brukes til å evaluere brukeropplevelsen av nye teknologier i menneske-datamaskin-interaksjoner54. Etter hvert som nye teknologier (f.eks. Augmented reality, virtual reality, kunstig intelligens, bærbar teknologi, robotikk og store data) i økende grad brukes i en MIS, kan det eksperimentelle paradigmet til en brukervennlighetstest brukes til å verifisere de tekniske fordelene med nye teknologier på brukeropplevelse i fremtiden.

Avslutningsvis foreslår denne studien et eksperimentelt paradigme som kombinerer både subjektive og objektive evalueringer i en MIS, som effektivt kan evaluere brukbarheten til nye teknologier som AR.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Denne studien ble støttet av filosofi- og samfunnsvitenskapelig forskningsprosjekt fra Jiangsu Provincial Department of Education (2018SJA1089), Jiangsu Government Scholarship for Overseas Studies (JS-2018-262), Natural Science Foundation of Zhejiang-provinsen (LY19G020018) og National Natural Science Foundation of China (NSFC) (72001096).

Materials

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

DOWNLOAD MATERIALS LIST

References

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

Tags

Denne måneden i JoVE utgave 189 Neuro-Information-Systems NeuroIS Usability fNIRS Eye Tracking Augmented Reality
Usability Evaluering av Augmented Reality: En Neuro-Information-Systems Study
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