Évaluation de l’utilisabilité de la réalité augmentée: une étude sur les systèmes neuro-informationnels

Six technologies de pointe qui interagissent avec les consommateurs, généralement représentées par la réalité augmentée, la réalité virtuelle, l’intelligence artificielle, la technologie portable, la robotique et les mégadonnées, remodèlent de nombreux modèles théoriques du comportement des consommateurs¹. La réalité augmentée (RA) est une nouvelle technologie qui pourrait améliorer l’expérience et la satisfaction des consommateurs. Il superpose des informations textuelles, des images, des vidéos et d’autres éléments virtuels sur des scénarios réels pour fusionner la virtualité et la réalité, améliorant ainsi l’information dans le monde réel grâce à l’explication, l’orientation, l’évaluation et la prédiction². La RA offre un nouveau type d’interaction homme-machine, créant une expérience d’achat immersive pour les consommateurs, et a conduit au développement de nombreuses applications ^3,4. Cependant, l’acceptation des services de RA par les consommateurs est encore minime et de nombreuses entreprises sont donc prudentes quant à l’adoption de la technologie AR ^5,6. Le modèle d’acceptation de la technologie (TAM) a été largement utilisé pour expliquer et prédire le comportement d’adoption des nouvelles technologies de l’information ^7,8. Selon le TAM, l’intention d’adoption d’une nouvelle technologie dépend en grande partie de sa facilité d’utilisation⁹. Par conséquent, une explication possible de la lenteur de l’acceptation des services de RA par les consommateurs du point de vue de la MT peut être liée à la facilité d’utilisation des nouvelles techniques, ce qui souligne la nécessité d’évaluer la facilité d’utilisation de la RA lors de l’achat^10,11.

La facilité d’utilisation est définie comme l’efficacité, l’efficience et la satisfaction d’atteindre des objectifs spécifiés dans un contexte spécifié par des utilisateurs spécifiés¹². Actuellement, il existe deux méthodes principales pour évaluer l’utilisabilité : les évaluations subjectives et objectives¹³. Les évaluations subjectives reposent principalement sur des méthodes d’auto-évaluation utilisant des questionnaires et des échelles. Suivant cette ligne de recherche, le questionnaire utilisé dans cette étude comprenait cinq caractéristiques associées au mode de recherche d’information pour atteindre un objectif: (1) efficacité, (2) facilité d’utilisation, (3) mémorisation (facile à retenir), (4) satisfaction (le mode de recherche d’information est confortable et agréable) et (5) généralisabilité à d’autres objets^14,15,16. En outre, la charge cognitive, représentant la charge lors de l’exécution d’une tâche particulière sur le système cognitif d’un apprenant¹⁷, est un autre indicateur de base de la convivialité^18,19. Ainsi, cette étude a également utilisé le NASA Task Load Index (NASA-TLX)^13,20 comme mesure subjective pour mesurer la charge cognitive lors de l’achat en utilisant la RA par rapport aux achats utilisant les services de site Web. Il convient de noter que les méthodes d’auto-évaluation reposent sur la capacité et la volonté des individus de signaler avec précision leurs attitudes et / ou leurs comportements antérieurs²¹, ce qui laisse ouverte la possibilité de fausses déclarations, de sous-déclaration ou de biais. Ainsi, les mesures objectives pourraient être un complément précieux aux méthodes subjectives traditionnelles²².

Les méthodes Neuro-Information-Systems (NeuroIS) sont utilisées pour évaluer objectivement la facilité d’utilisation de la RA. NeuroIS, inventé par Dimoka et al. lors de la conférence ICIS de 2007, attire de plus en plus l’attention dans le domaine des systèmes d’information (SI)²³. NeuroIS utilise les théories et les outils des neurosciences cognitives pour mieux comprendre le développement, l’adoption et l’impact des technologies SI^24,25. À ce jour, les outils de neurosciences cognitives, tels que l’imagerie par résonance magnétique fonctionnelle (IRMf), l’électroencéphalogramme (EEG), la tomodensitométrie par émission de positrons, la magnétoencéphalographie (MEG) et la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS), sont couramment utilisés dans les études NeuroIS^26,27. Par exemple, Dimoka et Davis ont utilisé l’IRMf pour mesurer les activations des sujets lorsqu’ils interagissaient avec le site Web, et ont révélé que la facilité d’utilisation perçue influençait l’activation dans le cortex préfrontal (PFC)²⁸. De même, en utilisant l’EEG, Moridis et al. ont constaté que l’asymétrie frontale était étroitement associée à l’utilité²⁹. Ces résultats indiquent que le PFC peut jouer un rôle clé dans la convivialité.

Bien que des réalisations aient été réalisées dans les études antérieures de NeuroIS, les paradigmes utilisés dans ces études avaient des mouvements corporels limités de sujets ayant une faible validité écologique, limitant leurs contributions théoriques et pratiques. L’interaction avec des technologies telles que la RA lors de l’achat nécessite des mouvements libres du corps, et les contraintes liées au sujet nuisent largement à l’expérience du consommateur, comme discuté dans He et ^coll.22. Ainsi, des outils d’imagerie cérébrale à haute validité écologique sont nécessaires pour un test d’utilisabilité des systèmes d’information. À cet égard, fNIRS présente des avantages techniques uniques: lors d’expériences fNIRS, les sujets peuvent se déplacer librement³⁰ dans une certaine mesure. Par exemple, des études antérieures ont mesuré les activations cérébrales des sujets lors de plusieurs activités de plein air telles que le cyclisme à l’aide de fNIRS³¹ portable. De plus, fNIRS est peu coûteux et permet de mesurer les activations cérébrales pendant de longues périodes³². Dans cette étude, fNIRS a été utilisé pour mesurer objectivement le niveau de charge cognitive des sujets lors de l’utilisation des services d’achat de RA par rapport à un site Web.

L’oculométrie a été une technique psychophysiologique précieuse pour détecter l’attention visuelle des utilisateurs lors d’un test d’utilisabilité au cours des dernières années³³ et a également été largement utilisée dans les études NeuroIS³⁴. La technique repose sur l’hypothèse œil-esprit, qui suppose que l’attention de l’observateur va là où l’attention est dirigée, que l’attention visuelle représente le processus mental et que les modèles d’attention visuelle reflètent les stratégies cognitives humaines^35,36,37. Dans le domaine de la recherche sur la RA, Yang et coll. ont utilisé l’oculométrie pour constater que la publicité pour la RA améliorait l’attitude des consommateurs à l’égard de la publicité en augmentant leur curiosité et leur attention³⁸. Dans la présente étude, le suivi oculaire a été utilisé pour mesurer l’attention des sujets, y compris des paramètres tels que la durée totale de fixation, la durée moyenne de fixation, la fréquence de saccade, la durée moyenne de saccade et la longueur moyenne du trajet de balayage.

En résumé, cette étude propose une méthode de test d’utilisabilité qui combine des évaluations subjectives et objectives avec des applications AR à titre d’exemple. Un questionnaire d’utilisabilité et une échelle NASA-TLX ont été utilisés pour l’évaluation subjective, et des mesures multimodales combinant fNIRS et suivi oculaire ont été utilisées pour l’évaluation objective^39,40.

Conception expérimentale
Matériaux expérimentaux: Pour simuler un contexte d’achat réel, une étagère de produits a été construite dans un laboratoire et deux marques différentes d’eau minérale ont été placées sur l’étagère en tant que matériaux expérimentaux. En tant que biens essentiels, l’eau minérale a été choisie parce que les participants n’auraient pas de biais dans les évaluations subjectives sur la base de leurs antécédents professionnels, de leur sexe et de leur capacité d’achat. Le prix, la capacité et la familiarité des marques ont été contrôlés (voir le tableau des matériaux) afin d’éliminer l’interférence de variables non pertinentes.

Le test d’utilisabilité comprenait deux conditions : une application de RA basée sur un téléphone intelligent (figure supplémentaire 1) et un site Web (figure supplémentaire 2). L’application AR a été programmée sur la base d’un moteur AR. Le site Web a été développé en utilisant Python, basé sur Bootstrap pour le front-end et Flask pour le back-end. L’application AR et le site Web ont été exécutés et consultés sur un smartphone. Parmi les deux marques différentes d’eau minérale, l’une a été utilisée comme matériel expérimental dans l’état AR, et l’autre a été utilisée dans l’état de site Web.

Tâches expérimentales : Les participants ont été invités à effectuer quatre tâches de recherche d’informations dérivées de contextes d’applications IoT : la qualité de l’eau, la température de stockage, le régime alimentaire correspondant et le prix au litre. Ces quatre éléments d’information sont ce à quoi les consommateurs prêtent normalement attention lorsqu’ils achètent de l’eau minérale. Il n’y avait aucune contrainte de temps pour que les participants accomplissent les tâches.

Qualité de l’eau: La qualité de l’eau minérale comprend généralement deux indicateurs: le total des solides dissous (TDS) et la valeur du pH. Le TDS reflète la teneur en minéraux et la valeur du pH décrit l’acidité/alcalinité de l’eau. Ces deux indicateurs sont liés aux oligo-éléments contenus dans l’eau minérale et influencent le goût. Par exemple, Bruvold et Ongerth ont divisé la qualité sensorielle de l’eau en cinq qualités en fonction de sa teneur TDS⁴¹. Marcussen et coll. ont constaté que l’eau possède de bonnes qualités sensorielles de l’ordre de 100 à 400 mg/L de TDS⁴². La valeur TDS et pH des deux marques d’eau minérale utilisées dans cette étude a été mesurée à l’aide de TDS et de pH-mètres, respectivement, puis marquée sur l’application AR et le site Web. Lors de l’exécution de la tâche, les participants devaient indiquer les valeurs TDS et pH de l’eau minérale et confirmer si ces valeurs se situaient dans la plage nominale. Dans la condition AR, les participants pouvaient acquérir cette information en scannant la bouteille d’eau. Dans l’état du site Web, les participants devaient effectuer quatre étapes : (1) trouver un code numérique au dos de la bouteille d’eau minérale, (2) entrer le code numérique dans une boîte de requête pour obtenir les valeurs TDS et pH pour l’eau minérale, (3) rechercher la plage nominale d’eau minérale sur le site Web et (4) indiquer verbalement si la valeur TDS et pH se situe dans la plage nominale du produit.

Température de stockage: La qualité de l’eau minérale peut diminuer pendant le transport et le stockage en raison des changements de température. Des expériences ont montré que la température appropriée pour l’eau minérale se situe entre 5 °C et 25 °C pendant le transport et le stockage. Dans cette plage de température, l’eau n’a pas de mauvaise odeur⁴³. Dans la présente expérience, la température de stockage des deux types d’eau minérale à des endroits différents a été indiquée sur l’application AR et sur le site Web. Lors de l’exécution de la tâche, les participants devaient indiquer l’emplacement de stockage et la température correspondante de l’eau. Dans la condition AR, les participants pouvaient acquérir cette information en scannant la bouteille d’eau. Dans l’état du site Web, les participants pouvaient acquérir cette information en entrant le code numérique dans une boîte de requête.

Régime alimentaire correspondant: Différentes marques d’eau minérale conviennent à différents menus en raison de leur composition minérale unique et de leur teneur en bulles⁴⁴. Dans la présente expérience, les recommandations alimentaires pour les deux eaux minérales ont été marquées sur l’application AR et le site Web. Lors de l’exécution de la tâche, les participants devaient indiquer comment l’eau minérale correspondait à la nourriture du menu. Dans la condition AR, les participants pouvaient acquérir cette information en scannant la bouteille d’eau. Dans l’état du site Web, les participants pouvaient rechercher cette information sur le site Web.

Prix par litre: Actuellement, les étiquettes sur les bouteilles d’eau minérale en Chine n’affichent pas les informations de prix par litre. Il est donc difficile pour les consommateurs de distinguer la différence de prix unitaire des différents types d’eau minérale. Par conséquent, la présente expérience exigeait que les participants déclarent le prix par litre. Dans l’application AR, les participants pouvaient obtenir le prix par litre directement en scannant la bouteille d’eau. Dans l’état du site Web, l’information pourrait être calculée à partir du prix unitaire et du volume sur l’étiquette.

Cette étude a utilisé un plan intra-participant, avec des critères d’inclusion et d’exclusion des participants décrits dans le tableau 1. Au total, 40 participants ont terminé l’expérience (20 hommes et 20 femmes, âge moyen = 21,31 ± 1,16 ans). Tous les participants étaient des étudiants de premier cycle de l’Université des sciences et technologies du Jiangsu et ont été répartis au hasard en deux groupes (A et B). Afin d’éviter l’effet d’ordre, l’ordre expérimental a été contrebalancé entre les deux groupes (A/B). Plus précisément, un groupe a d’abord exécuté la condition AR, puis la condition de site Web, tandis que l’autre groupe a exécuté le site Web en premier, puis la condition AR. Les participants devaient terminer la préparation de l’expérience, porter les instruments et effectuer les tâches expérimentales. L’intervalle entre les expériences a été fixé à 10 s pour permettre à l’activation corticale de revenir au niveau de base, évitant ainsi l’influence croisée dans la tâche suivante. À la fin de l’expérience AR / site Web, les participants devaient remplir le questionnaire d’utilisabilité et l’échelle NASA-TLX. L’organigramme expérimental est illustré à la figure 1. Une photographie de l’installation expérimentale est présentée à la figure 2.

Tableau 1 : Critères d’inclusion et d’exclusion de l’étude. Veuillez cliquer ici pour télécharger ce tableau.

Figure 1 : Organigramme expérimental. Chaque expérience a duré ~45 min, avec une période de repos de 10 s entre les tâches. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2 : Exemple de configuration de la scène expérimentale. Le matériel expérimental, le participant et l’équipement sont présentés. Veuillez cliquer ici pour voir une version agrandie de cette figure.