Valutazione dell'usabilità della realtà aumentata: uno studio sui sistemi neuro-informativi

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 shopping^10,11.

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 oggetti^14,15,16. 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’usabilità^18,19. 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 IS^24,25. 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 NeuroIS^26,27. 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 umane^35,36,37. 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 per^{la 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.