Method Article

Artırılmış Gerçekliğin Kullanılabilirlik Değerlendirmesi: Bir Nöro-Bilgi-Sistemleri Çalışması

DOI:

10.3791/64667

⸱

November 30th, 2022

 ,  ,  ,  ,  ,  , 
1Economics and Management School, Jiangsu University of Science and Technology, 2School of Health, Fujian Medical University, 3School of Management, Shanghai University, 4School of Management, Zhejiang University, 5Business School, La Trobe University

* These authors contributed equally

In This Article

Summary

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

Bu çalışma, öznel ve nesnel değerlendirmeleri birleştiren bir kullanılabilirlik testi için deneysel bir paradigma sunmaktadır. Objektif değerlendirmede Nöro-Bilgi-Sistemleri (NeuroIS) yöntemleri, öznel değerlendirme ise kullanılabilirlik anketi ve NASA-Görev Yükü İndeksi (NASA-TLX) ölçeği benimsenmiştir.

Abstract

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

Bu çalışma, bir yönetim bilgi sisteminde (MIS) ortaya çıkan teknolojilerin kullanılabilirlik testi için deneysel bir paradigma sunmaktadır. Kullanılabilirlik testi hem öznel hem de objektif değerlendirmeleri içeriyordu. Öznel değerlendirme için kullanılabilirlik anketi ve NASA-TLX ölçeği kabul edilmiştir. Objektif değerlendirme için Nöro-Enformasyon-Sistemleri (NeuroIS) yöntemleri kullanılmıştır. NeuroIS perspektifinden bakıldığında, bu çalışmada multimodal ölçümler için mobil fNIRS ve göz izleme gözlükleri kullanıldı ve bu da gerçek dünyadaki davranış deneylerinde kullanılan bilişsel sinirbilim araçlarının ekolojik geçerliliği sorununu çözdü. Bu çalışmada deneysel bir nesne olarak Nesnelerin İnterneti'ne (IoT) entegre Artırılmış Gerçeklik (AR) kullanılmıştır. Nörogörüntüleme verileri, fizyolojik veriler, kullanılabilirlik anketi ve NASA-TLX ölçeği verilerindeki iki bilgi arama modu (AR'ye karşı bir web sitesi) arasındaki farklılıkları karşılaştırarak, AR ile bilgi araması, tüketim kararı verme sürecinde bir web sitesiyle bilgi aramasına kıyasla daha yüksek bir verimliliğe ve daha düşük bir bilişsel yüke sahipti. Kullanılabilirlik deneyi sonuçları, perakende sektöründe gelişmekte olan bir teknoloji olarak AR'nin tüketici deneyimlerini etkili bir şekilde geliştirebileceğini ve satın alma niyetlerini artırabileceğini göstermektedir. Bu çalışmada hem öznel hem de nesnel değerlendirmeleri birleştiren deneysel paradigma, artırılmış gerçeklik, sanal gerçeklik, yapay zeka, giyilebilir teknoloji, robotik ve büyük veri gibi gelişmekte olan teknolojiler için kullanılabilirlik testine uygulanabilir. Gelişmekte olan teknolojilerin benimsenmesi ile insan-bilgisayar-etkileşimlerinde kullanıcı deneyimi için pratik bir deneysel çözüm sunar.

Introduction

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

Tipik olarak artırılmış gerçeklik, sanal gerçeklik, yapay zeka, giyilebilir teknoloji, robotik ve büyük veri ile temsil edilen tüketicilerle etkileşime giren altı sınır teknolojisi, tüketici davranışının birçok teorik modelini yeniden şekillendiriyor1. Artırılmış Gerçeklik (AR), tüketici deneyimini geliştirebilecek ve tüketici memnuniyetini artırabilecek yeni bir teknolojidir. Sanallığı ve gerçekliği kaynaştırmak için metinsel bilgileri, görüntüleri, videoları ve diğer sanal öğeleri gerçek senaryolara yerleştirir, böylece açıklama, rehberlik, değerlendirme ve tahmin yoluyla gerçek dünyadaki bilgileri geliştirir2. AR, tüketiciler için sürükleyici bir alışveriş deneyimi yaratarak yeni bir tür insan-bilgisayar etkileşimi sağlar ve birçok uygulamanın geliştirilmesine yol açmıştır 3,4. Bununla birlikte, AR hizmetlerinin tüketici kabulü hala asgari düzeydedir ve bu nedenle birçok şirket AR teknolojisini benimseme konusunda temkinlidir 5,6. Teknoloji kabul modeli (TAM), yeni bilgi teknolojilerinin benimsenme davranışını açıklamak ve tahmin etmek için yaygın olarak kullanılmaktadır 7,8. TAM'a göre, yeni bir teknolojinin benimsenme niyeti büyük ölçüde kullanılabilirliğine bağlıdır9. Bu nedenle, AR hizmetlerinin TAM perspektifinden yavaş tüketici kabulü için olası bir açıklama, alışveriş yaparken AR'nin kullanılabilirliğini değerlendirme ihtiyacını vurgulayan yeni tekniklerin kullanılabilirliği ile ilgili olabilir10,11.

Kullanılabilirlik, belirtilen kullanıcılar tarafından belirli bir bağlamda belirtilen hedeflere ulaşmanın etkinliği, verimliliği ve memnuniyeti olarak tanımlanır12. Şu anda, kullanılabilirliği değerlendirmek için iki ana yöntem vardır: öznel ve objektif değerlendirmeler13. Öznel değerlendirmeler esas olarak anket ve ölçekler kullanılarak yapılan öz raporlama yöntemlerine dayanır. Bu araştırma hattını takiben, bu çalışmada kullanılan anket, bir hedefe ulaşmak için bilgi arama moduyla ilişkili beş özellik içeriyordu: (1) verimlilik, (2) kullanım kolaylığı, (3) hatırlanabilirlik (hatırlanması kolay), (4) memnuniyet (bilgi arama modu rahat ve keyifli) ve (5) diğer nesnelere genellenebilirlik14,15,16. Ek olarak, bir öğrencinin bilişsel sistemi üzerinde belirli bir görevi yerine getirirken yükü temsil eden bilişselyük17, kullanılabilirliğin bir başka temel göstergesidir18,19. Bu nedenle, bu çalışma ayrıca NASA Görev Yükü Endeksi (NASA-TLX) 13,20'yi, AR kullanarak alışveriş yaparken bilişsel yükü ölçmek için öznel bir metrik olarak web sitesi hizmetlerini kullanarak alışveriş yaparken kullandı. Öz-raporlama yöntemlerinin, bireylerin tutumlarını ve / veya önceki davranışlarını doğru bir şekilde bildirme yeteneklerine ve istekliliklerine dayanması dikkat çekicidir21, bu da yanlış raporlama, yetersiz raporlama veya önyargı olasılığını açık bırakmaktadır. Bu nedenle, nesnel ölçümler geleneksel öznel yöntemlerin değerli bir tamamlayıcısı olabilir22.

AR kullanılabilirliğinin objektif değerlendirilmesi için Neuro-Information-Systems (NeuroIS) yöntemleri kullanılmaktadır. 2007 ICIS konferansında Dimoka ve ark. tarafından icat edilen NeuroIS, bilgi sistemleri (IS)23 alanında giderek daha fazla dikkat çekmektedir. NeuroIS, IS teknolojilerinin gelişimini, benimsenmesini ve etkisini daha iyi anlamak için bilişsel sinirbilimin teorilerini ve araçlarını kullanır24,25. Bugüne kadar, fonksiyonel manyetik rezonans görüntüleme (fMRI), elektroensefalogram (EEG), pozitron emisyon bilgisayarlı tomografi, manyetoensefalografi (MEG) ve fonksiyonel yakın kızılötesi spektroskopi (fNIRS) gibi bilişsel sinirbilim araçları NeuroIS çalışmalarında yaygın olarak kullanılmaktadır26,27. Örneğin, Dimoka ve Davis, web sitesiyle etkileşime girdiklerinde deneklerin aktivasyonlarını ölçmek için fMRI'yı kullandılar ve algılanan kullanım kolaylığının prefrontal korteksteki (PFC) aktivasyonu etkilediğini ortaya koydular28. Benzer şekilde, EEG kullanarak, Moridis ve ark. frontal asimetrinin yararlılık ile yakından ilişkili olduğunu bulmuşlardır29. Bu sonuçlar, PFC'nin kullanılabilirlikte önemli bir rol oynayabileceğini göstermektedir.

Önceki NeuroIS çalışmalarında başarılar elde edilmesine rağmen, bu çalışmalarda kullanılan paradigmalar, ekolojik geçerliliği düşük olan deneklerin vücut hareketlerini sınırlamış, teorik ve pratik katkılarını sınırlamıştır. Alışveriş yaparken AR gibi teknolojilerle etkileşim kurmak serbest vücut hareketleri gerektirir ve konu kısıtlamaları He et al.22'de tartışıldığı gibi tüketici deneyimini büyük ölçüde bozar. Bu nedenle, bilgi sistemlerinin kullanılabilirlik testi için ekolojik geçerliliği yüksek beyin görüntüleme araçlarına ihtiyaç duyulmaktadır. Bu bağlamda, fNIRS benzersiz teknik avantajlara sahiptir: fNIRS deneyleri sırasında, denekler bir dereceye kadar serbestçe30 hareket edebilir. Örneğin, önceki çalışmalar, taşınabilir fNIRS31 kullanarak bisiklete binmek gibi çeşitli açık hava etkinlikleri sırasında deneklerin beyin aktivasyonlarını ölçmüştür. Ek olarak, fNIRS düşük maliyetlidir ve uzun süre beyin aktivasyonlarının ölçülmesini sağlar32. Bu çalışmada, bir web sitesine karşı AR'nin alışveriş hizmetlerini kullanırken deneklerin bilişsel yük düzeyini objektif olarak ölçmek için fNIRS kullanılmıştır.

Göz izleme, son yıllarda bir kullanılabilirlik testi sırasında kullanıcıların görsel dikkatini tespit etmek için değerli bir psikofizyolojik teknik olmuştur33 ve ayrıca NeuroIS çalışmalarında yaygın olarak kullanılmaktadır34. Teknik, gözlemcinin odağının dikkatin yönlendirildiği yere gittiğini, görsel dikkatin zihinsel süreci temsil ettiğini ve görsel dikkat kalıplarının insan bilişsel stratejilerini yansıttığını varsayan göz-zihin hipotezine dayanır35,36,37. AR araştırması alanında, Yang ve ark., AR reklamının tüketicilerin meraklarını ve dikkatlerini artırarak reklama yönelik tutumlarını geliştirdiğini bulmak için göz izlemeyi kullandılar38. Bu çalışmada, toplam fiksasyon süresi, ortalama fiksasyon süresi, fiksasyon sıklığı, sakkad frekansı, ortalama sakkad süresi ve ortalama tarama yolu uzunluğu gibi parametreler dahil olmak üzere deneklerin dikkatini ölçmek için göz izleme kullanılmıştır.

Özetle, bu çalışma örnek olarak öznel ve objektif değerlendirmeleri AR uygulamaları ile birleştiren bir kullanılabilirlik testi yöntemi önermektedir. Öznel değerlendirme için kullanılabilirlik anketi ve NASA-TLX ölçeği, objektif değerlendirme için ise fNIRS ve göz izlemeyi birleştiren multimodal ölçümler kullanılmıştır39,40.

Deneysel tasarım
Deneysel malzemeler: Gerçek hayattaki bir alışveriş bağlamını simüle etmek için, bir laboratuvarda bir ürün rafı inşa edildi ve rafa deneysel malzemeler olarak iki farklı maden suyu markası yerleştirildi. Temel mallar olarak, maden suyu seçildi, çünkü katılımcılar mesleki geçmişlerine, cinsiyetlerine ve satın alma yeteneklerine dayanarak öznel değerlendirmelerde önyargılı olmayacaklardı. Alakasız değişkenlerin müdahalesini ortadan kaldırmak için markaların fiyatı, kapasitesi ve aşinalığı kontrol edildi (bakınız Malzeme Tablosu).

Kullanılabilirlik testi iki koşul içeriyordu: akıllı telefon tabanlı bir AR uygulaması (Ek Şekil 1) ve bir web sitesi (Ek Şekil 2). AR uygulaması bir AR motoruna dayalı olarak programlanmıştır. Web sitesi, ön uç için Bootstrap ve arka uç için Flask'a dayanan Python kullanılarak geliştirilmiştir. AR uygulaması ve web sitesi bir akıllı telefonda çalıştırıldı ve göz atıldı. İki farklı maden suyu markası arasından, biri AR koşulunda deneysel materyal olarak, diğeri ise web sitesi koşullarında kullanılmıştır.

Deneysel görevler: Katılımcılardan IoT uygulama bağlamlarından türetilen dört bilgi arama görevini gerçekleştirmeleri istendi: suyun kalitesi, depolama sıcaklığı, eşleşen diyet ve litre başına fiyat. Bu dört bilgi maddesi, tüketicilerin normalde maden suyu satın alırken dikkat ettikleri şeydir. Katılımcıların görevleri tamamlamaları için herhangi bir zaman kısıtlaması yoktu.

Suyun kalitesi: Maden suyunun kalitesi genellikle iki gösterge içerir: toplam çözünmüş katı maddeler (TDS) ve pH değeri. TDS mineral içeriğini yansıtır ve pH değeri suyun asitliğini/alkalinitesini tanımlar. Bu iki gösterge, maden suyunda bulunan eser elementlerle ilgilidir ve tadı etkiler. Örneğin, Bruvold ve Ongerth, suyun duyusal kalitesini TDS içeriği41'e göre beş dereceye ayırdı. Marcussen ve ark. suyun 100-400 mg / L TDS42 aralığında iyi duyusal niteliklere sahip olduğunu bulmuşlardır. Bu çalışmada kullanılan iki maden suyu markasının TDS ve pH değeri, sırasıyla TDS ve pH metreler kullanılarak ölçülmüş ve daha sonra AR uygulamasında ve web sitesinde işaretlenmiştir. Görevi yerine getirirken, katılımcıların maden suyunun TDS ve pH değerlerini bildirmeleri ve bu değerlerin nominal aralıkta olup olmadığını doğrulamaları istendi. AR durumunda, katılımcılar bu bilgiyi su şişesini tarayarak elde edebilirler. Web sitesi koşullarında, katılımcıların dört adımı gerçekleştirmeleri gerekiyordu: (1) maden suyu şişesinin arkasında sayısal bir kod bulmak, (2) maden suyu için TDS ve pH değerlerini elde etmek için sayısal kodu bir sorgu kutusuna girmek, (3) web sitesinde maden suyu için nominal aralığı aramak ve (4) TDS ve pH değerinin ürün için nominal aralıkta olup olmadığını sözlü olarak bildirmek.

Depolama sıcaklığı: Maden suyunun kalitesi, sıcaklıktaki değişiklikler nedeniyle taşıma ve depolama sırasında düşebilir. Deneyler, maden suyu için uygun sıcaklığın taşıma ve depolama sırasında 5 ° C ile 25 ° C arasında olduğunu göstermiştir. Bu sıcaklık aralığında suyun kötü bir kokusu yoktur43. Bu deneyde, iki tür maden suyunun farklı yerlerde depolama sıcaklığı AR uygulamasında ve web sitesinde işaretlenmiştir. Görevi yerine getirirken, katılımcıların depolama yerini ve suyun karşılık gelen sıcaklığını bildirmeleri istendi. AR durumunda, katılımcılar bu bilgiyi su şişesini tarayarak elde edebilirler. Web sitesi koşulunda, katılımcılar sayısal kodu bir sorgu kutusuna girerek bu bilgileri edinebilirler.

Eşleşen diyet: Farklı maden suyu markaları, benzersiz mineral bileşimleri ve kabarcık içeriği nedeniyle farklı menüler için uygundur44. Bu deneyde, iki maden suyu için diyet önerileri AR uygulamasında ve web sitesinde işaretlenmiştir. Görevi yerine getirirken, katılımcılardan maden suyunun menüdeki yiyeceklerle nasıl eşleştiğini bildirmeleri istendi. AR durumunda, katılımcılar bu bilgiyi su şişesini tarayarak elde edebilirler. Web sitesi koşulunda, katılımcılar bu bilgileri web sitesinde arayabilirler.

Litre başına fiyat: Şu anda, Çin'deki maden suyu şişelerindeki etiketlerde litre başına fiyat bilgisi görüntülenmemektedir. Bu, tüketicilerin farklı maden suyu türlerinin birim fiyatlarındaki farkı ayırt etmelerini zorlaştırmaktadır. Bu nedenle, mevcut deney katılımcıların litre başına fiyatı bildirmelerini gerektirdi. AR uygulamasında, katılımcılar litre başına fiyatı doğrudan su şişesini tarayarak elde edebilirler. Web sitesi koşulunda, bilgiler etiket üzerindeki birim fiyat ve hacimden hesaplanabilir.

Bu çalışmada, Tablo 1'de açıklandığı gibi katılımcı dahil etme ve dışlama kriterleri ile katılımcı içi bir tasarım kullanılmıştır. Toplam 40 katılımcı deneyi tamamladı (20 erkek ve 20 kadın, ortalama yaş = 21.31 ± 1.16 yıl). Tüm katılımcılar Jiangsu Bilim ve Teknoloji Üniversitesi'nin lisans öğrencileriydi ve rastgele iki gruba (A ve B) ayrıldı. Sipariş etkisinden kaçınmak için, deneysel düzen iki grup arasında dengelendi (A / B). Özellikle, bir grup önce AR koşulunu ve ardından web sitesi koşulunu gerçekleştirirken, diğer grup önce web sitesini ve ardından AR koşulunu gerçekleştirdi. Katılımcılardan deney için hazırlığı tamamlamaları, aletleri giymeleri ve deneysel görevleri yerine getirmeleri istendi. Deneyler arası aralık, kortikal aktivasyonun başlangıç seviyesine geri dönmesine izin vermek için 10 s'ye ayarlandı ve sonraki görevde çapraz etkiden kaçınıldı. AR / web sitesi deneyinin sonunda, katılımcıların kullanılabilirlik anketini ve NASA-TLX ölçeğini doldurmaları istendi. Deneysel akış şeması Şekil 1'de gösterilmiştir. Deney düzeneğinin bir fotoğrafı Şekil 2'de sunulmuştur.

Tablo 1: Çalışma için dahil etme ve dışlama kriterleri. Bu Tabloyu indirmek için lütfen tıklayınız.

A ve B Grupları için AR ve web sitesi kullanılabilirlik deneylerini, görevlerini ve anketlerini gösteren akış şeması.
Şekil 1: Deneysel akış şeması. Her deney ~ 45 dakika sürdü ve görevler arasında 10 sn dinlenme süresi vardı. Bu şeklin daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Artırılmış gerçeklik uygulama testi, kullanıcı bir mağaza koridorundayken ürün bilgilerini mobil cihazlarda analiz eder.
Şekil 2: Deneysel sahnenin örnek kurulumu. Deney materyalleri, katılımcı ve ekipman gösterilir. Bu şeklin daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

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

Protocol

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

Bu çalışma Helsinki Deklarasyonu ilkelerine uygun olarak yürütülmüştür. Tüm katılımcılar deneyin amacı ve güvenliği hakkında bilgilendirilmiş ve katılımdan önce bilgilendirilmiş onam formunu imzalamıştır. Bu çalışma, Jiangsu Bilim ve Teknoloji Üniversitesi'nin kurumsal inceleme kurulu tarafından onaylanmıştır.

1. Deney prosedürü

  1. Deney için hazırlık
    1. Katılımcılara bilgilendirilmiş onam açıklayın ve onay formunu imzalamalarını isteyin.
    2. Normal renk ayrımcılığına sahip olduklarını doğrulamak için katılımcılar üzerinde bir renk görme testi yapın.
    3. Katılımcılara 30 maden suyu markası sunun ve deneyde kullanılan maden suyu markalarına aşina olmadıklarından emin olmak için aşina oldukları markaları seçmelerini isteyin.
    4. Deney prosedürünü katılımcılara tanıtın.
    5. Çalışmada kullanılanlar dışında maden suyu markaları kullanan katılımcılar üzerinde bir ön deney yapın ve AR ve web sitesi operasyonlarına aşina olduklarından emin olun.
    6. Grup A'daki her katılımcıyı önce AR denemesini gerçekleştirmeye, ardından web sitesi denemesini gerçekleştirmeye yönlendirin. B Grubu'ndaki her katılımcıyı önce web sitesi denemesini gerçekleştirmeye, ardından AR denemesini gerçekleştirmeye yönlendirin.
  2. Enstrüman takma
    1. fNIRS probları
      1. Katılımcıların alın derisini cilt hazırlama jeli ile temizleyin (bakınız Malzeme Tablosu).
      2. Probları (bakınız Malzeme Tablosu) terli durumlar için plastik bir ambalajla sarın. FP1 ve FP2 pozisyonundaki probları siyah kafa bandı45 ile uluslararası 10-20 sistemine göre sabitleyin. Probları ortam ışığına karşı korumak ve sinyal kalitesini artırmak için siyah bir bandana kullanın.
      3. Deneyi bitirdikten sonra probların vericisini ve alıcısını %70 izopropil alkol pedi kullanarak temizleyin.
    2. Göz izleyici: Göz izleme gözlüklerini kullanarak gerçek dünyadaki ortamlarda göz hareketini yakalayın (bkz. Reçeteli lensleri göz izleme gözlüklerinin kafa ünitesine manyetik olarak (gerekirse) takın ve katılımcıların düzeltilmiş bir görüşle serbestçe dolaşabilmelerini sağlayın.
      NOT: Göz izleme gözlükleri standart gözlüklerle birlikte çalışacak şekilde tasarlanmadığından, gözlük takan katılımcılar, kısa görüşlülüğün veya uzun görüşlülüğün düzeltilmesi için isteğe bağlı reçeteli lensler kullanılarak çalışmaya dahil edilebilir. Katılımcılar standart kontakt lensleri de takabilirler, çünkü gürültüyü biraz artırabilseler de, normalde verilerde hata yapmazlar. Katılımcılar, göz bebeğinin veya irisin görünümünü değiştiren renkli veya diğer lensleri kullanamazlar.

2. Önlemler

  1. fNIRS
    1. Kayıt yazılımını açın (bkz. Probları bir Bluetooth adaptörü aracılığıyla bir dizüstü bilgisayara bağlayın ve ardından katılımcıların prefrontal korteksindeki oksijenli hemoglobin (O2Hb) konsantrasyonundaki değişiklikleri dizüstü bilgisayar aracılığıyla 10 Hz'lik bir örnekleme frekansı ile kaydedin.
    2. Veri kalitesini kontrol etmek için alınan ışık yoğunluğunu ve doku doygunluk indeksi (TSI) kalitesini kontrol edin. Alınan sinyalin %1 ile %95 arasında olduğundan emin olun.
    3. Katılımcıların bir sandalyede rahat bir pozisyonda oturduklarından emin olun ve gerçek deneyden önce temel verileri toplamak için 2 dakika boyunca dinlenme durumunu koruyun.
    4. fNIRS verilerini kaydetmek için yazılım arayüzündeki Başlat düğmesine tıklayın.
  2. Göz izleme
    1. Göz izleme gözlükleri için donanımı ayarlayın. Göz izleme gözlüklerinin USB fişini dizüstü bilgisayardaki bir USB bağlantı noktasına bağlayın. Kayıt yazılımını açın (bkz. Malzeme Tablosu) ve örnekleme frekansını 120 Hz'e ayarlayın.
    2. Kalibrasyon: Tek noktadan kalibrasyon yapın. Katılımcıdan 0,6 m'de görüş alanında açıkça tanımlanabilir bir nesneye odaklanmasını isteyin. Artı imlecini katılımcının sahne videosunda odaklandığı nesneye getirin ve nesneye tıklayın.
    3. Kayda başlamak için yazılım arayüzündeki Kaydet düğmesine basın.
  3. Anket ve ölçek: AR/web sitesinin görevlerini tamamladıktan sonra katılımcılara kullanılabilirlik anketini ve NASA-TLX ölçeğini sunun.

3. Veri analizi

  1. fNIRS veri işleme
    1. fNIRS kayıt yazılımından elde edilen optik yoğunluk değerlerini, değiştirilmiş Beer-Lambert Yasası46'ya göre konsantrasyonlara (μmol) dönüştürün.
    2. Kalp atışları ve solunum gibi sistematik sesleri ortadan kaldırmak için ham verileri düşük geçişli 0,5 Hz'de filtreleyin.
    3. Tüm zaman serisi47'nin üzerinde üç standart sapmayı aşan veri segmentlerini kaldırarak hareket yapıtları için verileri denetleyin ve düzeltin.
    4. AR ve web sitesi koşullarında ortalama ve maksimum fNIRS verilerini dışa aktarın ve ardından bunları temel verilerden çıkarın.
  2. Göz izleme verilerinin işlenmesi
    1. Katılımcıların fiksasyon sıklığını (sayım/lar), toplam fiksasyon süresini (ms), ortalama fiksasyon süresini (ms), sakkad sıklığını (sayım/lar), ortalama sakkad süresini (ms) ve ortalama tarama yolu uzunluğunu (px/s) dışa aktarın.
  3. İstatistiksel analiz
    1. 0,05 anlamlılık düzeyinde iki kuyruklu bir test gerçekleştirin. Shapiro-Wilk testini kullanarak veri normalliğini kontrol edin ve bir fark testi yapın. Yanlış bulma oranı (FDR) yöntemini kullanarak p değerleri için birden fazla karşılaştırma düzeltmesi gerçekleştirin.
      NOT: Fark testi yapılırken normal dağılımı takip eden veriler eşleştirilmiş örneklem t-testi, normal dağılımı takip etmeyen veriler ise Wilcoxon işaretli rütbe testi kullanılarak analiz edilmiştir.

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

Results

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

Bu çalışmanın temsili sonuçları, kullanılabilirlik anketi sonuçları, göz izleme veri analizi, NASA-TLX ölçeği verileri, fNIRS veri analizi ve dinamik bilişsel yük değişikliklerini içermektedir. Kullanılabilirlik anketi sonuçları için göz izleme veri analizi, NASA-TLX ölçeği verileri ve fNIRS veri analizi, normallik testleri ve farklılık testleri yapılmıştır. Dinamik bilişsel yük değişiklikleri için, bu çalışma multimodal ölçümün geçerliliğini göstermek için tek bir katılımcıdan fNIRS ve göz izleme verilerini seçti.

<...

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

Discussion

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

Protokol içindeki kritik adımlar
Deney sırasında, sonuçların güvenilirliğini sağlamak için birkaç adım göz önünde bulunduruldu. İlk olarak, deneyde kullanılan maden suyu markalarına aşina olan katılımcılar hariç tutuldu, çünkü bu katılımcılar marka hakkındaki bilgilerine dayanarak görevi yerine getireceklerdi. İkincisi, katılımcılar, katılımcıların AR ve web sitesi operasyonlarına aşina olmalarını sağlamak için kullanılan diğer maden suyu markalarını kullanarak bir ön deney tamamladılar. Üçüncüsü, fNI...

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

Disclosures

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

Yazarların açıklayacak hiçbir şeyi yok.

Acknowledgements

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

Bu çalışma, Jiangsu İl Eğitim Bakanlığı Felsefe ve Sosyal Bilimler Araştırma Projesi (2018SJA1089), Jiangsu Yurtdışı Çalışmalar için Jiangsu Devlet Bursu (JS-2018-262), Zhejiang Eyaleti Doğa Bilimleri Vakfı (LY19G020018) ve Çin Ulusal Doğa Bilimleri Vakfı (NSFC) (72001096) tarafından desteklenmiştir.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
AR EngineUnity Technologies2020.3.1AR geliştirme platformu
AR SDKPTCVuforia Engine 9.8.5AR geliştirme kiti
Eye Tracker (göz izleme gözlükleri)SMI, AlmanyaSMI ETGBaşa takılan göz izleme
sistemi
Eye Tracker Kayıt yazılımıSMI, AlmanyaiViewETG YazılımıEye Tracker Kayıt yazılımı
fNIRS problarıArtinis Medical Systems BV, HollandaArtinis PortaLiteIşık kaynağı: Işık yayan diyotlar
Dalga boyları: Standart nominal 760 ve 850 nm
fNIRS yazılımıArtinis Medical Systems BV, HollandaOxySoft 3.2.70fNIRS veri kayıt ve analiz yazılımı
Maden SuyuGroupe DanoneBadoit AR koşulunda deneysel materyal    Kapasite: 330ml
Fiyat: figure-materials-16
Maden Suyu NestléAcqua PannaWeb sitesinde deneysel materyal durumu Kapasite: 250ml
Fiyat: figure-materials-25.4
Cilt Hazırlığı JelDokumacı ve ŞirketNuprepKatılımcıların alın derisini temizleyin
Akıllı TelefonXiaomiRedmi K30 UltraAkıllı telefon tabanlı AR uygulaması ve web sitesi

References

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

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

Reprints and Permissions

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

Request Permission

Tags

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

Related Articles