Summary
Questo studio presenta un paradigma sperimentale per un test di usabilità che combina valutazioni soggettive e oggettive. La valutazione oggettiva ha adottato metodi Neuro-Information-Systems (NeuroIS) e la valutazione soggettiva ha adottato un questionario di usabilità e una scala NASA-Task Load Index (NASA-TLX).
Abstract
Questo studio introduce un paradigma sperimentale per un test di usabilità delle tecnologie emergenti in un sistema informativo gestionale (MIS). Il test di usabilità ha incluso valutazioni sia soggettive che oggettive. Per la valutazione soggettiva sono stati adottati un questionario di usabilità e una scala NASA-TLX. Per la valutazione oggettiva sono stati utilizzati metodi di Neuro-Information-Systems (NeuroIS). Dal punto di vista di NeuroIS, questo studio ha utilizzato fNIRS mobili e occhiali di tracciamento oculare per misurazioni multimodali, che hanno risolto il problema della validità ecologica degli strumenti di neuroscienza cognitiva utilizzati negli esperimenti comportamentali del mondo reale. Questo studio ha utilizzato la realtà aumentata (AR) integrata nell'Internet of Things (IoT) come oggetto sperimentale. Confrontando le differenze nei dati di neuroimaging, i dati fisiologici, il questionario di usabilità e i dati di scala NASA-TLX tra le due modalità di ricerca delle informazioni (AR rispetto a un sito Web), la ricerca di informazioni con AR ha avuto una maggiore efficienza e un carico cognitivo inferiore rispetto alla ricerca di informazioni con un sito Web durante il processo decisionale di consumo. I risultati dell'esperimento di usabilità dimostrano che l'AR, come tecnologia emergente nella vendita al dettaglio, può migliorare efficacemente le esperienze dei consumatori e aumentare la loro intenzione di acquisto. Il paradigma sperimentale, che combina valutazioni soggettive e oggettive in questo studio, potrebbe essere applicato a un test di usabilità per tecnologie emergenti, come la realtà aumentata, la realtà virtuale, l'intelligenza artificiale, la tecnologia indossabile, la robotica e i big data. Fornisce una soluzione sperimentale pratica per l'esperienza dell'utente nelle interazioni uomo-computer con l'adozione di tecnologie emergenti.
Introduction
Sei tecnologie di frontiera che interagiscono con i consumatori, tipicamente rappresentate da realtà aumentata, realtà virtuale, intelligenza artificiale, tecnologia indossabile, robotica e big data, stanno rimodellando molti modelli teorici del comportamento dei consumatori1. La realtà aumentata (AR) è una nuova tecnologia che potrebbe migliorare l'esperienza del consumatore e migliorare la soddisfazione dei consumatori. Sovrappone informazioni testuali, immagini, video e altri oggetti virtuali a scenari reali per fondere virtualità e realtà, migliorando così le informazioni nel mondo reale attraverso spiegazioni, guida, valutazione e previsione2. L'AR fornisce un nuovo tipo di interazione uomo-computer, creando un'esperienza di acquisto immersiva per i consumatori e ha portato allo sviluppo di molte applicazioni 3,4. Tuttavia, l'accettazione dei servizi AR da parte dei consumatori è ancora minima e molte aziende sono quindi caute nell'adottare la tecnologia AR 5,6. Il modello di accettazione della tecnologia (TAM) è stato ampiamente utilizzato per spiegare e prevedere il comportamento di adozione delle nuove tecnologie dell'informazione 7,8. Secondo il TAM, l'intenzione di adottare una nuova tecnologia dipende in gran parte dalla sua usabilità9. Pertanto, una possibile spiegazione per la lenta accettazione da parte dei consumatori dei servizi AR dal punto di vista TAM può riguardare l'usabilità delle nuove tecniche, che evidenzia la necessità di valutare l'usabilità dell'AR durante lo shopping10,11.
L'usabilità è definita come l'efficacia, l'efficienza e la soddisfazione del raggiungimento di obiettivi specifici in un contesto specifico da parte di utenti specificati12. Attualmente, esistono due metodi principali per valutare l'usabilità: valutazioni soggettive e oggettive13. Le valutazioni soggettive si basano principalmente su metodi self-report che utilizzano questionari e scale. Seguendo questa linea di ricerca, il questionario utilizzato in questo studio includeva cinque caratteristiche associate alla modalità di ricerca delle informazioni per raggiungere un obiettivo: (1) efficienza, (2) facilità d'uso, (3) memorabilità (facile da ricordare), (4) soddisfazione (la modalità di ricerca delle informazioni è comoda e piacevole) e (5) generalizzabilità ad altri oggetti14,15,16. Inoltre, il carico cognitivo, che rappresenta il carico durante l'esecuzione di un particolare compito sul sistema cognitivo di uno studente17, è un altro indicatore fondamentale dell'usabilità18,19. Pertanto, questo studio ha utilizzato anche il NASA Task Load Index (NASA-TLX)13,20 come metrica soggettiva per misurare il carico cognitivo durante lo shopping utilizzando AR rispetto allo shopping utilizzando i servizi del sito web. È interessante notare che i metodi di auto-segnalazione si basano sulla capacità e la volontà degli individui di riferire accuratamente i loro atteggiamenti e / o comportamenti precedenti21, lasciando aperta la possibilità di segnalazioni errate, sottosegnalazioni o pregiudizi. Pertanto, le misure oggettive potrebbero costituire un valido complemento ai metodi soggettivi tradizionali22.
I metodi Neuro-Information-Systems (NeuroIS) sono utilizzati per la valutazione oggettiva dell'usabilità AR. NeuroIS, coniato da Dimoka et al. alla conferenza ICIS del 2007, sta attirando una crescente attenzione nel campo dei sistemi informativi (IS)23. NeuroIS utilizza teorie e strumenti di neuroscienze cognitive per comprendere meglio lo sviluppo, l'adozione e l'impatto delle tecnologie IS24,25. Ad oggi, gli strumenti di neuroscienza cognitiva, come la risonanza magnetica funzionale (fMRI), l'elettroencefalogramma (EEG), la tomografia computerizzata ad emissione di positroni, la magnetoencefalografia (MEG) e la spettroscopia funzionale nel vicino infrarosso (fNIRS), sono comunemente usati negli studi NeuroIS26,27. Ad esempio, Dimoka e Davis hanno utilizzato la fMRI per misurare le attivazioni dei soggetti quando hanno interagito con il sito Web e hanno rivelato che la facilità d'uso percepita influenzava l'attivazione nella corteccia prefrontale (PFC)28. Allo stesso modo, utilizzando l'EEG, Moridis et al. hanno scoperto che l'asimmetria frontale era strettamente associata all'utilità29. Questi risultati indicano che il PFC può svolgere un ruolo chiave nell'usabilità.
Sebbene siano stati ottenuti risultati in precedenti studi NeuroIS, i paradigmi utilizzati in questi studi avevano limitato i movimenti corporei di soggetti con bassa validità ecologica, limitando i loro contributi teorici e pratici. L'interazione con tecnologie come l'AR durante lo shopping richiede movimenti del corpo libero e i vincoli del soggetto compromettono in gran parte l'esperienza del consumatore, come discusso in He et al.22. Pertanto, sono necessari strumenti di imaging cerebrale con elevata validità ecologica per un test di usabilità dei sistemi informativi. A questo proposito, fNIRS ha vantaggi tecnici unici: durante gli esperimenti fNIRS, i soggetti possono muoversi liberamente30 in una certa misura. Ad esempio, studi precedenti hanno misurato le attivazioni cerebrali dei soggetti durante diverse attività all'aperto come il ciclismo utilizzando fNIRS31 portatile. Inoltre, fNIRS è a basso costo e consente la misurazione delle attivazioni cerebrali per lunghi periodi di tempo32. In questo studio, fNIRS è stato utilizzato per misurare oggettivamente il livello di carico cognitivo dei soggetti durante l'utilizzo dei servizi di shopping di AR rispetto a un sito web.
L'eye tracking è stata una preziosa tecnica psicofisiologica per rilevare l'attenzione visiva degli utenti durante un test di usabilità negli ultimi anni33 ed è stata anche ampiamente utilizzata negli studi NeuroIS34. La tecnica si basa sull'ipotesi occhio-mente, che presuppone che l'attenzione dell'osservatore vada dove l'attenzione è diretta, che l'attenzione visiva rappresenti il processo mentale e che i modelli di attenzione visiva riflettano le strategie cognitive umane35,36,37. Nell'area della ricerca AR, Yang et al. hanno utilizzato il tracciamento oculare per scoprire che la pubblicità AR ha migliorato l'atteggiamento dei consumatori nei confronti della pubblicità aumentando la loro curiosità e attenzione38. Nel presente studio, il tracciamento oculare è stato utilizzato per misurare l'attenzione dei soggetti, inclusi parametri come la durata totale della fissazione, la durata media della fissazione, la frequenza di fissazione, la frequenza di saccade, la durata media della saccade e la lunghezza media del percorso di scansione.
In sintesi, questo studio propone un metodo di test di usabilità che combina valutazioni soggettive e oggettive con applicazioni AR come esempio. Per la valutazione soggettiva sono stati utilizzati un questionario di usabilità e una scala NASA-TLX e perla valutazione oggettiva sono state utilizzate misure multimodali che combinano fNIRS e eye tracking.
Progettazione sperimentale
Materiali sperimentali: per simulare un contesto di acquisto reale, è stato costruito uno scaffale di prodotto in un laboratorio e due diverse marche di acqua minerale sono state posizionate sullo scaffale come materiali sperimentali. Come beni essenziali, l'acqua minerale è stata selezionata perché i partecipanti non avrebbero avuto pregiudizi nelle valutazioni soggettive sulla base del loro background professionale, genere e capacità di acquisto. Il prezzo, la capacità e la familiarità dei marchi sono stati controllati (vedi Tabella dei materiali) per eliminare l'interferenza di variabili irrilevanti.
Il test di usabilità includeva due condizioni: un'applicazione AR basata su smartphone (Figura supplementare 1) e un sito Web (Figura supplementare 2). L'applicazione AR è stata programmata sulla base di un motore AR. Il sito web è stato sviluppato utilizzando Python, basato su Bootstrap per il front-end e Flask per il back-end. L'applicazione AR e il sito Web sono stati eseguiti e sfogliati su uno smartphone. Tra le due diverse marche di acqua minerale, una è stata utilizzata come materiale sperimentale nella condizione AR e l'altra è stata utilizzata nella condizione del sito web.
Attività sperimentali: ai partecipanti è stato chiesto di eseguire quattro attività di ricerca di informazioni derivate da contesti applicativi IoT: la qualità dell'acqua, la temperatura di conservazione, la dieta corrispondente e il prezzo al litro. Queste quattro informazioni sono ciò a cui i consumatori normalmente prestano attenzione quando acquistano acqua minerale. Non c'era alcun vincolo di tempo per i partecipanti per completare le attività.
Qualità dell'acqua: La qualità dell'acqua minerale comprende comunemente due indicatori: i solidi totali disciolti (TDS) e il valore del pH. Il TDS riflette il contenuto minerale e il valore del pH descrive l'acidità / alcalinità dell'acqua. Questi due indicatori sono legati agli oligoelementi contenuti nell'acqua minerale e influenzano il gusto. Ad esempio, Bruvold e Ongerth hanno diviso la qualità sensoriale dell'acqua in cinque gradi in base al suo contenuto TDS41. Marcussen et al. hanno scoperto che l'acqua ha buone qualità sensoriali nell'intervallo di 100-400 mg / L TDS42. Il valore TDS e pH delle due marche di acqua minerale utilizzate in questo studio sono stati misurati utilizzando rispettivamente TDS e pHmetri e quindi contrassegnati sull'applicazione AR e sul sito web. Durante l'esecuzione del compito, i partecipanti sono stati tenuti a segnalare i valori TDS e pH dell'acqua minerale e confermare se questi valori rientravano nell'intervallo nominale. Nella condizione AR, i partecipanti potevano acquisire queste informazioni scansionando la bottiglia d'acqua. Nelle condizioni del sito Web, ai partecipanti è stato richiesto di eseguire quattro passaggi: (1) trovare un codice numerico sul retro della bottiglia di acqua minerale, (2) inserire il codice numerico in una casella di query per ottenere i valori TDS e pH per l'acqua minerale, (3) cercare l'intervallo nominale per l'acqua minerale sul sito Web e (4) segnalare verbalmente se il valore TDS e pH rientrano nell'intervallo nominale per il prodotto.
Temperatura di stoccaggio: la qualità dell'acqua minerale può diminuire durante il trasporto e lo stoccaggio a causa di variazioni di temperatura. Gli esperimenti hanno dimostrato che la temperatura appropriata per l'acqua minerale è compresa tra 5 °C e 25 °C durante il trasporto e lo stoccaggio. In questo intervallo di temperatura, l'acqua non ha un cattivo odore43. Nel presente esperimento, la temperatura di conservazione dei due tipi di acqua minerale in luoghi diversi è stata contrassegnata sull'applicazione AR e sul sito web. Durante l'esecuzione del compito, ai partecipanti è stato richiesto di segnalare il luogo di stoccaggio e la temperatura corrispondente dell'acqua. Nella condizione AR, i partecipanti potevano acquisire queste informazioni scansionando la bottiglia d'acqua. Nelle condizioni del sito Web, i partecipanti potevano acquisire queste informazioni inserendo il codice numerico in una casella di query.
Dieta abbinata: diverse marche di acqua minerale sono adatte a menu diversi grazie alla loro composizione minerale unica e al contenuto di bolle44. Nel presente esperimento, le raccomandazioni dietetiche per le due acque minerali sono state contrassegnate sull'applicazione AR e sul sito web. Durante l'esecuzione del compito, ai partecipanti è stato richiesto di segnalare come l'acqua minerale corrisponde al cibo nel menu. Nella condizione AR, i partecipanti potevano acquisire queste informazioni scansionando la bottiglia d'acqua. Nelle condizioni del sito web, i partecipanti potevano cercare queste informazioni sul sito web.
Prezzo al litro: Attualmente, le etichette sulle bottiglie di acqua minerale in Cina non mostrano le informazioni sul prezzo al litro. Ciò rende difficile per i consumatori distinguere la differenza nei prezzi unitari dei diversi tipi di acqua minerale. Pertanto, il presente esperimento richiedeva ai partecipanti di segnalare il prezzo al litro. Nell'applicazione AR, i partecipanti potevano acquisire il prezzo al litro direttamente scansionando la bottiglia d'acqua. Nelle condizioni del sito web, le informazioni potrebbero essere calcolate dal prezzo unitario e dal volume sull'etichetta.
Questo studio ha utilizzato un disegno all'interno del partecipante, con criteri di inclusione ed esclusione dei partecipanti come descritto nella Tabella 1. Un totale di 40 partecipanti hanno completato l'esperimento (20 maschi e 20 femmine, età media = 21,31 ± 1,16 anni). Tutti i partecipanti erano studenti universitari della Jiangsu University of Science and Technology e sono stati disposti in modo casuale in due gruppi (A e B). Al fine di evitare l'effetto dell'ordine, l'ordine sperimentale è stato controbilanciato tra i due gruppi (A / B). In particolare, un gruppo ha eseguito prima la condizione AR e poi la condizione del sito Web, mentre l'altro gruppo ha eseguito prima la condizione Web e quindi la condizione AR. Ai partecipanti è stato richiesto di completare la preparazione per l'esperimento, indossare gli strumenti ed eseguire i compiti sperimentali. L'intervallo inter-esperimento è stato impostato su 10 s per consentire all'attivazione corticale di tornare al livello basale, evitando l'influenza incrociata nel compito successivo. Alla fine dell'esperimento AR / sito web, ai partecipanti è stato richiesto di completare il questionario di usabilità e la scala NASA-TLX. Il diagramma di flusso sperimentale è mostrato nella Figura 1. Una fotografia della configurazione sperimentale è presentata nella Figura 2.
Tabella 1: Criteri di inclusione ed esclusione dello studio. Clicca qui per scaricare questa tabella.
Figura 1: Diagramma di flusso sperimentale. Ogni esperimento è durato ~ 45 minuti, con un periodo di riposo di 10 s tra i compiti. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 2: Esempio di impostazione della scena sperimentale. Vengono mostrati i materiali sperimentali, il partecipante e l'attrezzatura. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Questo studio è stato condotto conformemente ai principi della Dichiarazione di Helsinki. Tutti i partecipanti sono stati informati dello scopo e della sicurezza dell'esperimento e hanno firmato il modulo di consenso informato prima della partecipazione. Questo studio è stato approvato dal comitato di revisione istituzionale della Jiangsu University of Science and Technology.
1. Procedura sperimentale
- Preparazione per l'esperimento
- Spiegare il consenso informato ai partecipanti e chiedere loro di firmare il modulo di consenso.
- Eseguire un test di visione dei colori sui partecipanti per confermare che hanno una normale discriminazione dei colori.
- Presenta 30 marchi di acqua minerale ai partecipanti e chiedi loro di scegliere i marchi con cui hanno familiarità, per assicurarsi che non abbiano familiarità con i marchi di acqua minerale utilizzati nell'esperimento.
- Presentare la procedura dell'esperimento ai partecipanti.
- Condurre un pre-esperimento sui partecipanti utilizzando marchi di acqua minerale diversi da quelli utilizzati nello studio e assicurarsi che abbiano familiarità con le operazioni AR e del sito Web.
- Chiedi a ciascun partecipante del Gruppo A di eseguire prima l'esperimento AR e quindi di eseguire l'esperimento sul sito Web. Indirizza ogni partecipante del Gruppo B a eseguire prima l'esperimento sul sito Web e quindi a eseguire l'esperimento AR.
- Indossare strumenti
- Sonde fNIRS
- Pulire la pelle della fronte dei partecipanti con gel per la preparazione della pelle (vedi Tabella dei materiali).
- Avvolgere le sonde (vedi Tabella dei materiali) in un involucro di plastica per circostanze di sudore. Fissare le sonde sulla posizione FP1 e FP2 secondo il sistema internazionale 10-20 con un archetto nero45. Utilizzare una bandana nera per coprire le sonde per proteggerle dalla luce ambientale e migliorare la qualità del segnale.
- Pulire il trasmettitore e il ricevitore delle sonde utilizzando un tampone di alcool isopropilico al 70% dopo aver terminato l'esperimento.
- Eye tracker: cattura il movimento degli occhi in ambienti reali utilizzando occhiali per il tracciamento oculare (vedi Tabella dei materiali). Montare magneticamente le lenti graduate sull'unità principale degli occhiali da tracciamento oculare (se necessario) e assicurarsi che i partecipanti possano camminare liberamente con una vista corretta.
NOTA: Poiché gli occhiali da vista non sono progettati per funzionare in combinazione con occhiali da vista standard, i partecipanti che indossano occhiali da vista possono ancora essere inclusi nello studio utilizzando lenti da vista opzionali per la correzione della miopia o della miopia. I partecipanti possono anche indossare lenti a contatto standard perché, sebbene possano aumentare leggermente il rumore, normalmente non introducono errori nei dati. I partecipanti non possono utilizzare lenti colorate o di altro tipo che cambiano l'aspetto della pupilla o dell'iride.
- Sonde fNIRS
2. Misure
- fNIRS
- Aprire il software di registrazione (vedere Tabella dei materiali). Collegare le sonde a un laptop tramite un adattatore Bluetooth, quindi registrare i cambiamenti di concentrazione di emoglobina ossigenata (O2Hb) nella corteccia prefrontale dei partecipanti attraverso il laptop, con una frequenza di campionamento di 10 Hz.
- Controllare l'intensità luminosa ricevuta e la qualità dell'indice di saturazione dei tessuti (TSI) per controllare la qualità dei dati. Assicurarsi che il segnale ricevuto si trovi tra l'1% e il 95%.
- Assicurati che i partecipanti si siedano in una posizione comoda su una sedia e mantengano lo stato di riposo per 2 minuti per raccogliere dati di base prima dell'esperimento reale.
- Fare clic sul pulsante Start sull'interfaccia del software per registrare i dati fNIRS.
- Tracciamento oculare
- Configurare l'hardware per gli occhiali da tracciamento oculare. Collegare la spina USB degli occhiali da tracciamento oculare a una porta USB del laptop. Aprire il software di registrazione (vedere Tabella dei materiali) e impostare la frequenza di campionamento su 120 Hz.
- Calibrazione: eseguire una calibrazione a un punto. Chiedi al partecipante di concentrarsi su un oggetto chiaramente identificabile nel suo campo visivo a 0,6 m. Spostare il cursore del mirino sull'oggetto, dove il partecipante è focalizzato nel video della scena e fare clic sull'oggetto.
- Premere il pulsante Registra sull'interfaccia del software per avviare la registrazione.
- Questionario e scala: presentare il questionario di usabilità e la scala NASA-TLX ai partecipanti dopo aver completato le attività dell'AR / sito web.
3. Analisi dei dati
- Elaborazione dati fNIRS
- Convertire i valori di densità ottica ottenuti dal software di registrazione fNIRS in concentrazioni (μmol) secondo la legge di Beer-Lambert46 modificata.
- Filtra i dati grezzi a 0,5 Hz passa-basso per rimuovere rumori sistematici come battiti cardiaci e respirazione.
- Controllare e correggere i dati per gli artefatti di movimento rimuovendo i segmenti di dati che hanno superato tre deviazioni standard sopra l'intera serie temporale47.
- Esportare i dati fNIRS medi e massimi nelle condizioni AR e del sito Web, quindi sottrarli dai dati di base.
- Elaborazione dei dati di tracciamento oculare
- Esportare la frequenza di fissazione (conteggio/i), il tempo di fissazione totale (ms), il tempo medio di fissazione (ms), la frequenza di saccade (conteggio/i), il tempo medio di saccade (ms) e la lunghezza media del percorso di scansione (px/s) dei partecipanti.
- Analisi statistica
- Eseguire un test a due code a un livello di significatività di 0,05. Controllare la normalità dei dati utilizzando il test di Shapiro-Wilk ed eseguire un test di differenza. Eseguire più correzioni di confronto per i valori p utilizzando il metodo FDR (False Discovery Rate).
NOTA: Durante l'esecuzione del test di differenza, i dati che hanno seguito una distribuzione normale sono stati analizzati utilizzando un test t di campioni accoppiati e i dati che non hanno seguito una distribuzione normale sono stati analizzati utilizzando il test di rango con segno Wilcoxon.
- Eseguire un test a due code a un livello di significatività di 0,05. Controllare la normalità dei dati utilizzando il test di Shapiro-Wilk ed eseguire un test di differenza. Eseguire più correzioni di confronto per i valori p utilizzando il metodo FDR (False Discovery Rate).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
I risultati rappresentativi di questo studio includono i risultati del questionario di usabilità, l'analisi dei dati di tracciamento oculare, i dati della scala NASA-TLX, l'analisi dei dati fNIRS e i cambiamenti dinamici del carico cognitivo. Per i risultati del questionario di usabilità, sono stati condotti analisi dei dati di tracciamento oculare, dati della scala NASA-TLX e analisi dei dati fNIRS, test di normalità e test di differenze. Per i cambiamenti dinamici del carico cognitivo, questo studio ha selezionato i dati fNIRS e di tracciamento oculare da un singolo partecipante per dimostrare la validità della misurazione multimodale.
Risultati del questionario sull'usabilità
Nessuno degli elementi del questionario sull'usabilità ha seguito la normale distribuzione (Tabella 2). L'affidabilità dell'AR e del sito web nel questionario di usabilità sono stati testati e il punteggio alfa di Cronbach è stato considerato accettabile (alfa di Cronbach = 0,974).
Tabella 2: Test di normalità del questionario di usabilità. Nessuno degli elementi del questionario sull'usabilità ha seguito la normale distribuzione. I dati sono stati analizzati utilizzando il test di rango firmato Wilcoxon. Clicca qui per scaricare questa tabella.
I punteggi di differenza mediana del questionario di usabilità tra AR e il sito web sono mostrati nella Tabella 3. Le distribuzioni dei dati dell'AR e le condizioni del sito web sono mostrate nella Figura 3. È stata osservata una differenza significativa tra le condizioni AR e del sito Web, con i punteggi mediani per AR superiori a quelli per il sito Web. I risultati hanno mostrato che i partecipanti hanno avuto un'esperienza utente migliore nella condizione AR rispetto alle condizioni del sito web.
Tabella 3: Punteggi di differenza mediana del questionario di usabilità tra le condizioni AR e sito web. I punteggi mediani per AR erano significativamente più alti di quelli per il sito web. Clicca qui per scaricare questa tabella.
Figura 3: Distribuzione dei dati del questionario sull'usabilità. Un'illustrazione schematica della distribuzione dei dati del questionario sull'usabilità. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Analisi dei dati di tracciamento oculare
Tutti gli indicatori di tracciamento oculare sono stati testati per la normalità e i risultati sono presentati nella Tabella 4. Nei compiti 1 e 3, solo la frequenza di fissazione seguiva la distribuzione normale, mentre tutti gli altri indicatori non seguivano la distribuzione normale. Nel compito 2, la frequenza di fissazione e la frequenza di saccade seguivano la distribuzione normale, ma il resto degli indicatori non seguiva la distribuzione normale. Per il compito 4, solo la frequenza di saccade seguiva la distribuzione normale. Quando si confrontano le differenze tra le condizioni AR e del sito Web, i dati sono stati riportati separatamente in base alla normalità / non normalità. La tabella 5 mostra le differenze negli indicatori di tracciamento oculare tra le condizioni AR e del sito Web nell'attività 1 (qualità dell'acqua). Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra l'AR e le condizioni del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga nella condizione AR rispetto alla condizione del sito web (ARmediana = 586,85, intervallo interquartile (IQR) = 482,55-714,6; Sito webmediano = 398,05, IQR = 362,775-445,275). Gli altri indicatori erano significativamente più bassi nella condizione AR rispetto alla condizione del sito web.
Tabella 4: Test di normalità degli indicatori di tracciamento oculare. I dati di tracciamento oculare che seguono una distribuzione normale sono stati analizzati utilizzando un test t di campioni accoppiati, e i dati di tracciamento oculare che non hanno seguito una distribuzione normale sono stati analizzati utilizzando il test di rango firmato Wilcoxon. Clicca qui per scaricare questa tabella.
Tabella 5: Differenze negli indicatori di tracciamento oculare tra AR e il sito Web nell'attività 1. Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra AR e condizioni del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga in AR rispetto alle condizioni del sito web (ARmediana = 586,85, intervallo interquartile (IQR) = 482,55-714,6; Sito webmediano = 398,05,IQR = 362,775-445,275). Gli altri indicatori erano significativamente più bassi in AR rispetto alle condizioni del sito web. Clicca qui per scaricare questa tabella.
La tabella 6 mostra le differenze negli indicatori di tracciamento oculare tra le condizioni AR e del sito Web nell'attività 2 (temperatura di conservazione). Tutti gli indicatori di tracciamento oculare hanno mostrato differenze significative tra le condizioni AR e del sito Web, p < 0,001. La durata media della fissazione è stata significativamente più lunga nella condizione AR rispetto alla condizione del sito web (ARmediana = 477,2,IQR = 398,675-596,575; Sito webmediano = 397,1,IQR = 353,35-451,075). Gli altri indicatori erano significativamente più bassi nella condizione AR rispetto alla condizione del sito web.
Tabella 6: Differenze negli indicatori di tracciamento oculare tra AR e il sito web nell'attività 2. Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra l'AR e le condizioni del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga in AR rispetto alle condizioni del sito web (ARmediana = 477,2, IQR = 398,675-596,575; Sito webmediano = 397,1, IQR = 353,35-451,075). Gli altri indicatori erano significativamente più bassi in AR rispetto alle condizioni del sito web. Clicca qui per scaricare questa tabella.
La tabella 7 mostra le differenze negli indicatori di tracciamento oculare tra le condizioni AR e del sito Web nell'attività 3 (dieta corrispondente). Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra le condizioni AR e del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga nella condizione AR rispetto alla condizione del sito web (ARmediana = 420,45,IQR = 352,275-467,8; Sito webmediano = 360,6, IQR = 295-399,075). Gli altri indicatori erano significativamente più bassi nella condizione AR rispetto alla condizione del sito web.
Tabella 7: Differenze negli indicatori di tracciamento oculare tra AR e il sito Web nell'attività 3. Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra le condizioni AR e del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga nell'AR rispetto alle condizioni del sito web (AR mediana = 420,45,IQR = 352,275-467,8; Sito webmediano = 360,6,IQR = 295-399,075). Gli altri indicatori erano significativamente più bassi in AR rispetto alle condizioni del sito web. Clicca qui per scaricare questa tabella.
La tabella 8 mostra le differenze negli indicatori di tracciamento oculare tra le condizioni AR e del sito Web nell'attività 4 (prezzo per litro). Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra le condizioni AR e del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga nella condizione AR rispetto alla condizione del sito web (ARmediana = 495,25,IQR = 404,8-628,65; Sito webmediano = 263,1, IQR = 235,45-326,2). Tuttavia, gli altri indicatori erano significativamente più bassi nella condizione AR rispetto alla condizione del sito web.
Tabella 8: Differenze negli indicatori di tracciamento oculare tra AR e sito web nell'attività 4. Ci sono state differenze significative in tutti gli indicatori di tracciamento oculare tra le condizioni AR e del sito web, p < 0,001. La durata media della fissazione è stata significativamente più lunga in AR rispetto alle condizioni del sito web (ARmediana = 495,25,IQR = 404,8-628,65; Sito webmediano = 263,1,IQR = 235,45-326,2). Gli altri indicatori erano significativamente più bassi in AR rispetto alle condizioni del sito web. Clicca qui per scaricare questa tabella.
Per le attività di ricerca visiva, indicatori di tracciamento oculare inferiori sono stati associati a una maggiore efficienza della ricerca di informazioni (ad eccezione della durata media della fissazione). Nel loro insieme, i dati di tracciamento oculare hanno dimostrato che i partecipanti avevano una maggiore efficienza di ricerca delle informazioni quando utilizzavano l'AR rispetto a quando utilizzavano il sito web.
Dati di scala NASA-TLX
Nessuno degli elementi della scala NASA-TLX ha seguito una distribuzione normale (Tabella 9). Il punteggio alfa di Cronbach è stato considerato accettabile (alfa di Cronbach = 0,924).
Tabella 9: Test di normalità della scala NASA-TLX. Nessuno degli elementi della scala NASA-TLX ha seguito una distribuzione normale. I dati sono stati analizzati utilizzando il test di rango firmato Wilcoxon. Clicca qui per scaricare questa tabella.
I punteggi di differenza mediana della scala NASA-TLX tra le condizioni AR e del sito Web sono presentati nella Tabella 10. Le distribuzioni dei dati di AR e le condizioni del sito Web sono mostrate nella Figura 4. È stata osservata una differenza significativa tra le condizioni AR e quelle del sito web. I punteggi della scala NASA-TLX della condizione AR erano inferiori a quelli della condizione del sito web, indicando che la tecnica AR ha portato a un carico cognitivo inferiore a quello del sito web.
Tabella 10: Punteggi di differenza mediana della scala NASA-TLX tra AR e il sito web. I punteggi della scala NASA-TLX della condizione AR erano significativamente inferiori a quelli della condizione del sito web. Clicca qui per scaricare questa tabella.
Figura 4: Distribuzione dei dati della scala NASA-TLX. Un'illustrazione schematica della distribuzione dei dati della scala NASA-TLX. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Analisi dei dati fNIRS
I valori medi di O2Hb sono stati testati per la normalità e i risultati sono presentati nella Tabella 11. Quando si confrontano le differenze tra l'AR e le condizioni del sito Web, i dati sono stati riportati separatamente in base alla normalità / non normalità. Le differenze nella media di O2Hb tra le condizioni AR e quelle del sito web sono presentate nella tabella 12. Ci sono state differenze significative tra le due condizioni quando i partecipanti hanno eseguito l'attività 1 (p aggiustato = 0,002), l'attività 3 (p aggiustato = 0,007) e l'attività 4 (p aggiustato < 0,001). La media di O2Hb delle attività eseguite nella condizione AR era significativamente inferiore rispetto alla condizione del sito Web (Attività 1:AR media = -1,012, SDAR = 0,472, SitoWeb medio = 0,63,Sito Web SD = 0,529; Attività 3: AR media = -0,386, AR SD = 0,493, sitoweb medio = 1,12,sito web SD = 0,554; Attività 4: AR media = -0,46, AR SD = 0,467,sito web medio = 2,27,sito web SD = 0,576). Durante l'esecuzione dell'attività 2, le differenze tra le condizioni AR e del sito Web non hanno raggiunto un livello significativo (p = 0,154 > 0,05). Questi risultati indicano che i partecipanti avevano un carico cognitivo inferiore quando utilizzavano la tecnica AR rispetto a quando utilizzavano il sito web.
Tabella 11: Prova di normalità della media O2Hb. I dati fNIRS che seguono una distribuzione normale sono stati analizzati utilizzando un t-test di campioni accoppiati, e i dati fNIRS che non hanno seguito una distribuzione normale sono stati analizzati utilizzando il test di rango con segno Wilcoxon. Clicca qui per scaricare questa tabella.
Tabella 12: Differenze nella media di O2Hb tra AR e sito web. Ci sono state differenze significative tra le due condizioni quando i partecipanti hanno eseguito l'attività 1 (p aggiustato = 0,002), l'attività 3 (p aggiustato = 0,007) e l'attività 4 (p aggiustato < 0,001). La media di O2Hb delle attività eseguite nella condizione AR era significativamente inferiore rispetto alla condizione del sito Web (Attività 1:AR media = -1,012, SDAR = 0,472, SitoWeb medio = 0,63,Sito Web SD = 0,529; Attività 3: AR media = -0,386, AR SD = 0,493, sitoweb medio = 1,12,sito web SD = 0,554; Attività 4: AR media = -0,46, AR SD = 0,467,sito web medio = 2,27,sito web SD = 0,576). Durante l'esecuzione dell'attività 2, le differenze tra le condizioni AR e del sito Web non hanno raggiunto un livello significativo (p aggiustato = 0,154 > 0,05). Clicca qui per scaricare questa tabella.
Cambiamenti dinamici del carico cognitivo
La Figura 5 mostra le variazioni nella concentrazione di O2Hb quando un partecipante ha eseguito l'Attività 4 nelle condizioni del sito web. Al punto 1, il partecipante ha avuto problemi a calcolare il prezzo al litro. L'intenso processo di ricerca ha indotto un aumento della concentrazione di O2Hb, che ha indicato un aumento del carico istantaneo. Quando il partecipante ha ricevuto un segnale, la concentrazione di O 2Hb è scesa al punto 2 e il carico istantaneo ha raggiunto un valore di valle in quel momento. Il partecipante ha quindi iniziato a lavorare sodo per calcolare il prezzo al litro e voleva completare l'attività il prima possibile. In questo contesto, la concentrazione di O2Hb ha continuato ad aumentare e ha raggiunto un massimo (punto 3). In sintesi, la misurazione multimodale del tracciamento oculare e fNIRS potrebbe misurare efficacemente i cambiamenti dinamici nel carico cognitivo mentre interagisce con i sistemi informativi e può anche esaminare le differenze individuali nel comportamento dei consumatori.
Figura 5: Carico istantaneo fNIRS. Un'illustrazione schematica delle variazioni del carico cognitivo dinamico utilizzando il carico istantaneo fNIRS. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Prendendo come esempi i quattro compiti dell'AR integrata nell'IoT, questo studio ha combinato approcci NeuroIS con metodi di valutazione soggettivi. I risultati sperimentali hanno suggerito che: (1) per il questionario di usabilità, i partecipanti hanno avuto una valutazione soggettiva migliore nella condizione AR rispetto alla condizione del sito web (Tabella 3 e Figura 3); (2) per i dati di tracciamento oculare, i partecipanti hanno avuto una maggiore efficienza di ricerca delle informazioni quando hanno utilizzato AR rispetto a quando hanno utilizzato il sito Web (Tabella 5, Tabella 6, Tabella 7 e Tabella 8); (3) per i dati della scala NASA-TLX e i dati fNIRS, la tecnica AR ha portato a un carico cognitivo inferiore rispetto a quello del sito web (Tabella 10 e Tabella 12); e (4) per il carico cognitivo dinamico, la misurazione multimodale del tracciamento oculare e fNIRS potrebbe misurare efficacemente i cambiamenti dinamici del carico cognitivo mentre interagisce con i sistemi informativi e potrebbe anche esaminare le differenze individuali nel comportamento dei consumatori (Figura 5). Confrontando le differenze nei dati di neuroimaging, nei dati fisiologici e nei dati auto-riportati utilizzando il questionario di usabilità e la scala NASA-TLX tra le condizioni AR e del sito Web, la tecnica AR potrebbe promuovere l'efficienza per la ricerca di informazioni e ridurre il carico cognitivo durante il processo di acquisto. Pertanto, come tecnologia emergente di vendita al dettaglio, l'AR potrebbe migliorare efficacemente l'esperienza utente dei consumatori e, a sua volta, aumentare la loro intenzione di acquisto.
Figura 1 supplementare: Screenshot delle informazioni visualizzate sull'applicazione AR utilizzata nello studio. Clicca qui per scaricare questo file.
Figura supplementare 2: Screenshot delle informazioni visualizzate sul sito web utilizzato nello studio. Clicca qui per scaricare questo file.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Passaggi critici all'interno del protocollo
Durante l'esperimento, sono stati considerati diversi passaggi per garantire l'affidabilità dei risultati. In primo luogo, i partecipanti che hanno familiarità con le marche di acqua minerale utilizzate nell'esperimento sono stati esclusi, perché questi partecipanti avrebbero eseguito il compito in base alla loro conoscenza del marchio. In secondo luogo, i partecipanti hanno completato un pre-esperimento utilizzando altre marche di acqua minerale, che è stato impiegato per garantire che i partecipanti avessero familiarità con le operazioni AR e del sito web. In terzo luogo, quando si indossavano le sonde fNIRS, veniva utilizzata una bandana nera per coprire le sonde per proteggere le sonde dalla luce ambientale e migliorare la qualità del segnale. In quarto luogo, i partecipanti che indossavano lenti a contatto non erano autorizzati a usare lenti colorate o altre lenti che avrebbero cambiato l'aspetto della pupilla o dell'iride. In quinto luogo, prima dell'esperimento vero e proprio, ai partecipanti era richiesto di sedersi in una posizione comoda su una sedia e mantenere uno stato di riposo per 2 minuti per raccogliere dati di base, che sono stati utilizzati per la correzione della linea di base per i dati fNIRS47.
Modifiche e risoluzione dei problemi
Il paradigma sperimentale proposto in questo studio può essere esteso alle applicazioni commerciali del mondo reale. La più grande sfida nell'applicare i metodi delle neuroscienze cognitive ai problemi aziendali è la validità ecologica48,49. Il protocollo sperimentale che utilizza l'imaging mobile cervello/corpo ha dimostrato la fattibilità di risolvere questo problema50. Krampe et al. hanno utilizzato fNIRS portatili per studiare il comportamento dei consumatori in uno scenario realistico di spesa e hanno presentato il concetto di "neuroscienza dello shopper"51. Gli approcci multimodali migliorano notevolmente la validità ecologica. Applicando fNIRS portatili e occhiali eye tracker, questo studio è il primo a esaminare le esperienze dei consumatori utilizzando diverse modalità di ricerca delle informazioni di fronte a uno scaffale di prodotto. Attraverso l'esperimento, questo studio estende l'ambito di ricerca di NeuroIS a scenari di vendita al dettaglio e di acquisto e consente ai ricercatori di comprendere meglio i processi cognitivi. Va notato che nel contesto dello shopping reale, le misurazioni fNIRS sono probabilmente influenzate dall'offset della posizione e dalla luce ambientale. Pertanto, si consiglia di utilizzare bende, nastri e / o cinghie per fissare bene le sonde ai partecipanti e utilizzare un panno nero per coprire il tessuto e il dispositivo per evitare l'effetto di qualsiasi luce ambientale.
Limiti della tecnica
Ci sono alcune limitazioni all'esperimento. In primo luogo, poiché nell'esperimento è stato utilizzato un eye tracker, i partecipanti con miopia elevata e astigmatismo sono stati esclusi dall'esperimento. In questo caso, il protocollo non può essere utilizzato per persone non vedenti o ipovedenti. In secondo luogo, questo studio esamina solo le esperienze sensoriali visive. Gli esperimenti futuri potrebbero estendersi ad altri canali sensoriali, come l'udito e il tatto. In terzo luogo, questo studio esamina solo le tecniche AR, altre tecnologie emergenti dovrebbero essere valutate utilizzando lo stesso paradigma sperimentale in studi futuri.
Importanza rispetto ai metodi esistenti
Il significato di questo studio si riflette in due aspetti. In primo luogo, sono stati utilizzati approcci multimodali per la valutazione oggettiva dell'usabilità. Come mostrato nella Figura 5, poiché l'eye tracker registrava simultaneamente i video dal punto di vista dei partecipanti durante il processo di acquisto, è stato facile per i ricercatori abbinare lo scenario di acquisto ai dati fNIRS. Pertanto, questa tecnica sperimentale che utilizza approcci multimodali non solo ha il vantaggio di una misurazione continua in tempo reale con elevata validità ecologica, ma combina anche i vantaggi di diverse tecniche per identificare i cambiamenti dinamici negli scenari di acquisto. Questo studio ha fornito un metodo di test di usabilità efficace per i produttori di prodotti per migliorare la progettazione del prodotto, i rivenditori per ottimizzare il layout dei prodotti sugli scaffali e i consumatori per migliorare l'esperienza dell'utente. In secondo luogo, questo studio ha proposto un metodo di test di usabilità che combinava valutazioni oggettive e soggettive. Alcuni ricercatori hanno rivelato che i metodi self-report possono soffrire di un common method bias (CMB)52,53. Poiché le misurazioni delle neuroscienze cognitive sono solitamente meno suscettibili al pregiudizio soggettivo, al pregiudizio di desiderabilità sociale e agli effetti della domanda, questi dati di valutazione oggettiva potrebbero integrare i dati di valutazione soggettivi e rafforzare la robustezza del risultato sperimentale25,34. Liang et al. hanno utilizzato metodi EEG e self-report per indagare la relazione tra qualità del sito web e soddisfazione degli utenti attraverso un esperimento sull'esperienza di flusso. I risultati hanno indicato che il metodo delle neuroscienze cognitive riduce la CMB53. In questo studio, la combinazione di valutazioni oggettive e soggettive ha dimostrato che (1) i consumatori preferivano una condizione di acquisto AR basata su una valutazione soggettiva; (2) la tecnica AR ha promosso l'efficienza della ricerca visiva e l'usabilità sulla base dei dati di tracciamento oculare; (3) la tecnica AR ha ridotto il carico cognitivo dei consumatori e migliorato le loro esperienze utente sulla base dei dati della scala fNIRS e NASA-TLX; e (4) combinato con le informazioni video registrate dal tracciamento oculare, ha permesso l'esame delle differenze individuali e una migliore comprensione delle differenze di stato nel comportamento dei consumatori.
Applicazioni future
Questo studio propone un paradigma sperimentale per il test di usabilità delle tecnologie emergenti in un MIS. Un test di usabilità viene utilizzato per valutare l'esperienza dell'utente delle tecnologie emergenti nelle interazioni uomo-computer54. Poiché le tecnologie emergenti (ad esempio, realtà aumentata, realtà virtuale, intelligenza artificiale, tecnologia indossabile, robotica e big data) sono sempre più utilizzate in un MIS, il paradigma sperimentale di un test di usabilità può essere utilizzato per verificare i vantaggi tecnici delle tecnologie emergenti sull'esperienza utente in futuro.
In conclusione, questo studio propone un paradigma sperimentale che combina valutazioni soggettive e oggettive in un MIS, in grado di valutare efficacemente l'usabilità di tecnologie emergenti come l'AR.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Questo studio è stato sostenuto dal Progetto di ricerca di filosofia e scienze sociali del Dipartimento provinciale dell'istruzione di Jiangsu (2018SJA1089), dalla borsa di studio del governo di Jiangsu per studi all'estero (JS-2018-262), dalla Fondazione di scienze naturali della provincia di Zhejiang (LY19G020018) e dalla 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:  6 |
| Mineral Water | Nestlé | Acqua Panna | Experimental material in the website condition Capacity: 250ml Price: 5.4 |
| 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 |
References
- Ameen, N., Hosany, S., Tarhini, A. Consumer interaction with cutting-edge technologies: Implications for future research. Computers in Human Behavior. 120, 106761 (2021).
- 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).
- 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).
- Kumar, H. Augmented reality in online retailing: a systematic review and research agenda. International Journal of Retail & Distribution Management. 50 (4), 537-559 (2022).
- 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).
- Chylinski, M., et al. Augmented reality marketing: A technology-enabled approach to situated customer experience. Australasian Marketing Journal. 28 (4), 374-384 (2020).
- 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).
- 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).
- Davis, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly. 13 (3), 319-340 (1989).
- 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).
- 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).
- ISO. ISO 1998. Ergonomic requirements for office work with visual display terminals (VDTs)-Part 11: guidance on usability. ISO. , (2022).
- Hornbæk, K. Current practice in measuring usability: Challenges to usability studies and research. International Journal of Human-Computer Studies. 64 (2), 79-102 (2006).
- Tullis, T., Albert, B. Measuring the User Experience: Collecting, Analyzing, and Presenting Usability Metrics. , Morgan Kaufmann. Amsterdam, Boston. (2008).
- Shneiderman, B., Plaisant, C., Cohen, M., Jacobs, S. M., Elmqvist, N. Designing the User Interface: Strategies for Effective Human-Computer Interaction. , Pearson. Boston. (2017).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Vom Brocke, J., Liang, T. P. Guidelines for Neuroscience Studies in Information Systems Research. Journal of Management Information Systems. 30 (4), 211-234 (2014).
- 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).
- 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).
- Dimoka, A. How to conduct a Functional Magnetic Resonance (fmri) study in social science research. MIS Quarterly. 36 (3), 811-840 (2012).
- Dimoka, A., Davis, F. D. Where does TAM reside in the brain? The neural mechanisms underlying technology adoption. ICIS 2008 Proceedings. , 1-19 (2008).
- 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).
- 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).
- Piper, S. K., et al. A wearable multi-channel fNIRS system for brain imaging in freely moving subjects. Neuroimage. 85, 64-71 (2014).
- 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).
- 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).
- 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).
- Just, M. A., Carpenter, P. A. Eye fixations and cognitive processes. Cognitive Psychology. 8 (4), 441-480 (1976).
- 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).
- Just, M. A., Carpenter, P. A. A theory of reading: from eye fixations to comprehension. Psychological Review. 87 (4), 329 (1980).
- 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).
- Debie, E., et al. Multimodal fusion for objective assessment of cognitive workload: A review. IEEE Transactions on Cybernetics. 51 (3), 1542-1555 (2021).
- 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).
- Bruvold, W. H., Ongerth, H. J.
- 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).
- Whelton, A. J., Dietrich, A. M. Relationship between intensity, concentration, and temperature for drinking water odorants. Water Research. 38 (6), 1604-1614 (2004).
- (LIFESTYLE) What your choice of water says about you. FT live. , Available from: https://m.ftchinese.com/story/001006284/en?archive (2006).
- 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).
- 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).
- 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).
- Spiers, H. J., Maguire, E. A. Decoding human brain activity during real-world experiences. Trends in Cognitive Sciences. 11 (8), 356-365 (2007).
- Spence, C. Neuroscience-Inspired Design: From Academic Neuromarketing to Commercially Relevant Research. Organizational Research Methods. 22 (1), 275-298 (2019).
- 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).
- 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).
- 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).
- 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).
- 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).
