JoVE Logo

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

מחקר זה מציג פרדיגמה ניסויית למבחן שימושיות המשלב הערכות סובייקטיביות ואובייקטיביות. ההערכה האובייקטיבית אימצה שיטות נוירו-אינפורמציה-מערכות (NeuroIS), וההערכה הסובייקטיבית אימצה שאלון שימושיות וסולם NASA-Task Load Index (NASA-TLX).

Abstract

מחקר זה מציג פרדיגמה ניסיונית למבחן שימושיות של טכנולוגיות מתפתחות במערכת מידע ניהולית (MIS). מבחן השימושיות כלל הערכות סובייקטיביות ואובייקטיביות כאחד. לצורך ההערכה הסובייקטיבית אומצו שאלון שימושיות וסולם NASA-TLX. לצורך הערכה אובייקטיבית, שיטות של נוירו-מידע-מערכות (NeuroIS) שימשו. מנקודת מבט של NeuroIS, מחקר זה השתמש ב-fNIRS ניידים ובמשקפי מעקב עיניים למדידות רב-מודאליות, אשר פתרו את בעיית התוקף האקולוגי של כלים קוגניטיביים במדעי המוח המשמשים בניסויי התנהגות בעולם האמיתי. מחקר זה השתמש במציאות רבודה (AR) המשולבת באינטרנט של הדברים (IoT) כאובייקט ניסיוני. בהשוואה בין ההבדלים בנתוני הדימות המוחי, הנתונים הפיזיולוגיים, שאלון השימושיות ונתוני סולם נאס"א-TLX בין שני מצבי חיפוש המידע (AR לעומת אתר אינטרנט), חיפוש מידע עם מציאות רבודה היה בעל יעילות גבוהה יותר ועומס קוגניטיבי נמוך יותר בהשוואה לחיפוש מידע באתר אינטרנט במהלך תהליך קבלת החלטות הצריכה. תוצאות ניסוי השימושיות מראות כי AR, כטכנולוגיה מתפתחת בקמעונאות, יכולה לשפר ביעילות את חוויות הצרכנים ולהגדיל את כוונת הרכישה שלהם. פרדיגמת הניסוי, המשלבת הערכות סובייקטיביות ואובייקטיביות במחקר זה, יכולה להיות מיושמת במבחן שימושיות עבור טכנולוגיות מתפתחות, כגון מציאות רבודה, מציאות מדומה, בינה מלאכותית, טכנולוגיה לבישה, רובוטיקה וביג דאטה. הוא מספק פתרון ניסיוני מעשי לחוויית המשתמש באינטראקציות אדם-מחשב עם אימוץ טכנולוגיות מתפתחות.

Introduction

שש טכנולוגיות גבול המקיימות אינטראקציה עם צרכנים, המיוצגות בדרך כלל על ידי מציאות רבודה, מציאות מדומה, בינה מלאכותית, טכנולוגיה לבישה, רובוטיקה וביג דאטה, מעצבות מחדש מודלים תיאורטיים רבים של התנהגות צרכנים1. מציאות רבודה (AR) היא טכנולוגיה חדשה שיכולה לשפר את חוויית הצרכן ולשפר את שביעות רצון הצרכנים. הוא מעביר מידע טקסטואלי, תמונות, סרטונים ופריטים וירטואליים אחרים על תרחישים אמיתיים כדי למזג וירטואליות ומציאות, ובכך משפר את המידע בעולם האמיתי באמצעות הסבר, הדרכה, הערכה וחיזוי2. מציאות רבודה מספקת סוג חדש של אינטראקציה בין אדם למחשב, יוצרת חוויית קנייה סוחפת לצרכנים, והובילה לפיתוח יישומים רבים 3,4. עם זאת, הקבלה הצרכנית של שירותי AR היא עדיין מינימלית, ולכן חברות רבות נזהרות מאימוץ טכנולוגיית AR 5,6. מודל קבלת הטכנולוגיה (TAM) נמצא בשימוש נרחב כדי להסביר ולחזות את התנהגות האימוץ של טכנולוגיות מידע חדשות 7,8. לדברי TAM, כוונת האימוץ של טכנולוגיה חדשה תלויה במידה רבה בשימושיות שלה9. לכן, הסבר אפשרי לקבלה האיטית של שירותי AR על ידי צרכנים מנקודת המבט של TAM עשוי להתייחס לשימושיות של הטכניקות החדשות, מה שמדגיש את הצורך להעריך את השימושיות של AR בעת קניות10,11.

שימושיות מוגדרת כיעילות, יעילות ושביעות רצון של השגת מטרות מוגדרות בהקשר מסוים על ידי משתמשים מסוימים12. כיום קיימות שתי שיטות עיקריות להערכת שימושיות: הערכות סובייקטיביות ואובייקטיביות13. הערכות סובייקטיביות מסתמכות בעיקר על שיטות דיווח עצמי באמצעות שאלונים וסולמות. בהמשך לקו מחקר זה, השאלון ששימש במחקר זה כלל חמש תכונות הקשורות למצב חיפוש המידע להשגת מטרה: (1) יעילות, (2) קלות שימוש, (3) זכירות (קל לזכור), (4) שביעות רצון (מצב חיפוש המידע נוח ונעים), ו-(5) הכללה לאובייקטים אחרים14,15,16. בנוסף, עומס קוגנטיבי, המייצג את העומס בעת ביצוע משימה מסוימת על המערכת הקוגנטיבית של לומד17, הוא אינדיקטור מרכזי נוסף של שימושיות18,19. לפיכך, מחקר זה השתמש גם במדד עומס המשימות של נאס"א (NASA-TLX)13,20 כמדד סובייקטיבי למדידת העומס הקוגניטיבי בעת קניות באמצעות מציאות רבודה לעומת קניות באמצעות שירותי אינטרנט. ראוי לציין כי שיטות דיווח עצמי מסתמכות על יכולתם ונכונותם של אנשים לדווח במדויק על עמדותיהם ו / או התנהגויותיהם הקודמות21 , ומשאירות פתוחה את האפשרות לדיווח שגוי, דיווח חסר או הטיה. לפיכך, מדדים אובייקטיביים יכולים להיות השלמה רבת ערך לשיטות סובייקטיביות מסורתיות22.

שיטות נוירו-אינפורמציה-מערכות (NeuroIS) משמשות להערכה אובייקטיבית של שימושיות AR. NeuroIS, שנטבע על ידי Dimoka et al. בכנס ICIS 2007, מושך תשומת לב גוברת בתחום מערכות המידע (IS)23. NeuroIS משתמשת בתיאוריות ובכלים של מדעי המוח הקוגניטיביים כדי להבין טוב יותר את הפיתוח, האימוץ וההשפעה של טכנולוגיות IS24,25. נכון להיום, כלים קוגניטיביים במדעי המוח, כגון דימות תהודה מגנטית תפקודי (fMRI), אלקטרואנצפלוגרם (EEG), טומוגרפיה ממוחשבת של פליטת פוזיטרונים, מגנטואנצפלוגרפיה (MEG) וספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS), נמצאים בשימוש נפוץ במחקרי NeuroIS26,27. לדוגמה, דימוקה ודיוויס השתמשו ב-fMRI כדי למדוד את הפעילות של הנבדקים כאשר הם קיימו אינטראקציה עם האתר, וגילו כי קלות השימוש הנתפסת השפיעה על ההפעלה בקליפת המוח הקדם-מצחית (PFC)28. באופן דומה, באמצעות EEG, Moridis et al. מצאו כי אסימטריה קדמית קשורה קשר הדוק עם תועלת29. תוצאות אלה מצביעות על כך שה-PFC עשוי למלא תפקיד מפתח בשימושיות.

למרות שהושגו הישגים במחקרי NeuroIS קודמים, הפרדיגמות ששימשו במחקרים אלה היו תנועות גוף מוגבלות של נבדקים בעלי תוקף אקולוגי נמוך, והגבילו את תרומתם התיאורטית והמעשית. אינטראקציה עם טכנולוגיות כגון AR בזמן קניות דורשת תנועות גוף חופשיות, ואילוצי נושא פוגעים במידה רבה בחוויית הצרכן כפי שנדון ב- He et al.22. לפיכך, יש צורך בכלי דימות מוחי בעלי תוקף אקולוגי גבוה לבדיקת שימושיות של מערכות מידע. בהקשר זה, fNIRS יש יתרונות טכניים ייחודיים: במהלך ניסויים fNIRS, נבדקים יכולים לנוע בחופשיות30 במידה מסוימת. לדוגמה, מחקרים קודמים מדדו את פעילות המוח של הנבדקים במהלך מספר פעילויות בחוץ, כגון רכיבה על אופניים באמצעות fNIRS31 נייד. בנוסף, fNIRS הוא זול ומאפשר מדידה של הפעלות מוחיות לפרקי זמן ארוכים32. במחקר זה, fNIRS שימש למדידה אובייקטיבית של רמת העומס הקוגניטיבי של הנבדקים בעת שימוש בשירותי קניות של AR לעומת אתר אינטרנט.

מעקב עיניים היה טכניקה פסיכופיזיולוגית רבת ערך לזיהוי תשומת הלב החזותית של משתמשים במהלך מבחן שימושיות בשנים האחרונות33 והיה בשימוש נרחב גם במחקרי NeuroIS34. הטכניקה מסתמכת על השערת עין-נפש, המניחה כי מוקד הצופה הולך לאן שתשומת הלב מופנית, כי תשומת לב חזותית מייצגת את התהליך המנטלי, וכי דפוסי תשומת לב חזותית משקפים אסטרטגיות קוגניטיביות אנושיות35,36,37. בתחום מחקר המציאות הרבודה, יאנג ועמיתיו השתמשו במעקב עיניים כדי לגלות שפרסומת AR שיפרה את עמדות הצרכנים כלפי הפרסומת על ידי הגברת הסקרנות ותשומת הלב שלהם38. במחקר הנוכחי נעשה שימוש במעקב עיניים כדי למדוד את תשומת הלב של הנבדקים, כולל פרמטרים כגון משך קיבוע כולל, משך קיבוע ממוצע, תדירות קיבוע, תדירות סקאדה, משך סקאדה ממוצע ואורך נתיב סריקה ממוצע.

לסיכום, מחקר זה מציע שיטת בדיקת שימושיות המשלבת הערכות סובייקטיביות ואובייקטיביות עם יישומי AR כדוגמה. שאלון שימושיות וסולם NASA-TLX שימשו להערכה סובייקטיבית, ומדדים רב-מודאליים המשלבים fNIRS ומעקב עיניים שימשו להערכה אובייקטיבית39,40.

תכנון ניסיוני
חומרים ניסיוניים: כדי לדמות קונטקסט קניות אמיתי, נבנה מדף מוצרים במעבדה, ושני מותגים שונים של מים מינרליים הונחו על המדף כחומרים ניסיוניים. כמוצרים חיוניים, מים מינרליים נבחרו מכיוון שלמשתתפים לא תהיה הטיה בהערכות סובייקטיביות על בסיס הרקע התעסוקתי שלהם, מגדר ויכולת הרכישה שלהם. המחיר, הקיבולת וההיכרות של המותגים נשלטו (ראו טבלת חומרים) כדי למנוע התערבות של משתנים לא רלוונטיים.

מבחן השימושיות כלל שני תנאים: אפליקציית AR מבוססת סמארטפון (איור משלים 1) ואתר אינטרנט (איור משלים 2). יישום המציאות הרבודה תוכנת על בסיס מנוע AR. האתר פותח באמצעות Python, המבוסס על Bootstrap עבור front-end ו-Flask עבור back-end. אפליקציית המציאות הרבודה ואתר האינטרנט הופעלו וגלשו בסמארטפון. בין שני המותגים השונים של מים מינרליים, אחד שימש כחומר ניסיוני בתנאי AR, והשני שימש במצב האתר.

משימות ניסוי: המשתתפים התבקשו לבצע ארבע משימות חיפוש מידע שנגזרו מהקשרי יישומי IoT: איכות המים, טמפרטורת האחסון, התזונה התואמת והמחיר לליטר. ארבעת פריטי המידע האלה הם מה שהצרכנים בדרך כלל שמים לב אליו כשהם קונים מים מינרליים. לא הייתה מגבלת זמן למשתתפים להשלים את המשימות.

איכות המים: איכות המים המינרליים כוללת בדרך כלל שני אינדיקטורים: סך המוצקים המומסים (TDS) וערך ה- pH. ה-TDS משקף את תכולת המינרלים, וערך ה-pH מתאר את החומציות/בסיסיות של המים. שני אינדיקטורים אלה קשורים יסודות קורט הכלולים מים מינרליים להשפיע על הטעם. לדוגמה, Bruvold ו-Ongerth חילקו את האיכות החושית של המים לחמש דרגות לפי תכולת TDS41. מרקוסן ועמיתיו מצאו כי למים יש תכונות חושיות טובות בטווח של 100-400 מ"ג / ליטר TDS42. ערך ה-TDS וה-pH של שני מותגי המים המינרליים ששימשו במחקר זה נמדדו באמצעות מדי TDS ו-pH, בהתאמה, ולאחר מכן סומנו ביישום המציאות הרבודה ובאתר האינטרנט. בעת ביצוע המשימה, המשתתפים נדרשו לדווח על ערכי TDS ו- pH של המים המינרליים ולאשר אם ערכים אלה היו בטווח הנומינלי. במצב AR, המשתתפים יכלו להשיג מידע זה על ידי סריקת בקבוק המים. במצב האתר, המשתתפים נדרשו לבצע ארבעה שלבים: (1) מציאת קוד מספרי בגב בקבוק המים המינרליים, (2) הזנת הקוד המספרי בתיבת שאילתה כדי לקבל את ערכי TDS ו- pH עבור מים מינרליים, (3) חיפוש בטווח הנומינלי של מים מינרליים באתר, ו- (4) דיווח מילולי אם TDS וערך pH נמצאים בטווח הנומינלי של המוצר.

טמפרטורת אחסון: איכות המים המינרליים עשויה לרדת במהלך ההובלה והאחסון עקב שינויים בטמפרטורה. ניסויים הראו כי הטמפרטורה המתאימה למים מינרליים היא בין 5 °C (75 °F) ו 25 °C (75 °F) במהלך הובלה ואחסון. בטווח טמפרטורות זה, למים אין ריח רע43. בניסוי הנוכחי, טמפרטורת האחסון של שני סוגי המים המינרליים במקומות שונים סומנה באפליקציית AR ובאתר האינטרנט. במהלך ביצוע המשימה, המשתתפים נדרשו לדווח על מיקום האחסון והטמפרטורה המתאימה של המים. במצב AR, המשתתפים יכלו להשיג מידע זה על ידי סריקת בקבוק המים. במצב אתר האינטרנט, המשתתפים יכלו להשיג מידע זה על-ידי הזנת הקוד המספרי בתיבת שאילתה.

תזונה תואמת: מותגים שונים של מים מינרליים מתאימים לתפריטים שונים בשל הרכב המינרלים הייחודי שלהם ותכולת הבועותשלהם 44. בניסוי הנוכחי, המלצות תזונתיות לשני המים המינרליים סומנו באפליקציית AR ובאתר האינטרנט. במהלך ביצוע המשימה, המשתתפים נדרשו לדווח כיצד המים המינרליים תואמים את המזון בתפריט. במצב AR, המשתתפים יכלו להשיג מידע זה על ידי סריקת בקבוק המים. במצב האתר, המשתתפים יכלו לחפש מידע זה באתר.

מחיר לליטר: נכון לעכשיו, התוויות על בקבוקי המים המינרליים בסין אינן מציגות את המידע על המחיר לליטר. זה מקשה על הצרכנים להבחין בהבדל במחירי היחידה של סוגים שונים של מים מינרליים. לכן, הניסוי הנוכחי דרש מהמשתתפים לדווח על המחיר לליטר. ביישום AR, המשתתפים יכלו לרכוש את המחיר לליטר ישירות על ידי סריקת בקבוק המים. במצב האתר, ניתן לחשב את המידע לפי מחיר היחידה והנפח על התווית.

מחקר זה השתמש בעיצוב בתוך המשתתפים, עם קריטריוני הכללה ואי-הכללה של משתתפים כמתואר בטבלה 1. 40 משתתפים השלימו את הניסוי (20 גברים ו-20 נקבות, גיל ממוצע = 21.31 ±-1.16 שנים). כל המשתתפים היו סטודנטים לתואר ראשון באוניברסיטת ג'יאנגסו למדע וטכנולוגיה וסודרו באופן אקראי לשתי קבוצות (A ו- B). כדי להימנע מאפקט הסדר, הסדר הניסויי היה מאוזן בין שתי הקבוצות (A/B). באופן ספציפי, קבוצה אחת ביצעה תחילה את תנאי AR ולאחר מכן את תנאי האתר, בעוד שהקבוצה השנייה ביצעה תחילה את תנאי האתר ולאחר מכן את תנאי AR. המשתתפים נדרשו להשלים את ההכנה לניסוי, לענוד את המכשירים ולבצע את משימות הניסוי. מרווח הזמן בין הניסויים נקבע ל -10 שניות כדי לאפשר להפעלת קליפת המוח לחזור לרמת הבסיס, תוך הימנעות מהשפעה צולבת במשימה הבאה. בסוף ניסוי AR/website, המשתתפים נדרשו למלא את שאלון השימושיות ואת סולם NASA-TLX. תרשים הזרימה הניסיוני מוצג באיור 1. תצלום של מערך הניסוי מוצג באיור 2.

טבלה 1: קריטריוני הכללה ואי-הכללה של המחקר. אנא לחץ כאן כדי להוריד טבלה זו.

figure-introduction-11174
איור 1: תרשים זרימה ניסיוני. כל ניסוי נמשך ~ 45 דקות, עם זמן מנוחה של 10 שניות בין המשימות. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-introduction-11615
איור 2: הגדרה לדוגמה של סצנת הניסוי. חומרי הניסוי, המשתתף והציוד מוצגים. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

Protocol

מחקר זה נערך בהתאם לעקרונות הצהרת הלסינקי. כל המשתתפים קיבלו מידע על מטרת הניסוי ובטיחותו וחתמו על טופס הסכמה מדעת לפני ההשתתפות. מחקר זה אושר על ידי מועצת הסקירה המוסדית של אוניברסיטת ג'יאנגסו למדע וטכנולוגיה.

1. הליך הניסוי

  1. הכנה לניסוי
    1. הסבר הסכמה מדעת למשתתפים ובקש מהם לחתום על טופס ההסכמה.
    2. בצע בדיקת ראיית צבע על המשתתפים כדי לאשר שיש להם אפליה רגילה בצבעים.
    3. הציגו 30 מותגי מים מינרליים למשתתפים ובקשו מהם לבחור את המותגים שהם מכירים, כדי לוודא שהם אינם מכירים את מותגי המים המינרליים ששימשו בניסוי.
    4. הציגו את הליך הניסוי בפני המשתתפים.
    5. ערכו ניסוי מקדים על המשתתפים באמצעות מותגי מים מינרליים אחרים מאלה ששימשו במחקר, וודאו שהם מכירים את המציאות הרבודה ואת פעולות האתר.
    6. כוון כל משתתף מקבוצה A לבצע תחילה את ניסוי המציאות הרבודה, ולאחר מכן לבצע את ניסוי האתר. כוונו כל משתתף מקבוצה B לבצע תחילה את ניסוי האתר, ולאחר מכן לבצע את ניסוי המציאות הרבודה.
  2. ענידת מכשירים
    1. בדיקות fNIRS
      1. נקו את עור המצח של המשתתפים בג'ל להכנת העור (ראו טבלת חומרים).
      2. עטפו את הגשושיות (ראו טבלת חומרים) בניילון נצמד לצורכי הזעה. תקן את הגשושיות במיקום FP1 ו- FP2 על פי מערכת 10-20 הבינלאומית עם סרט ראש שחור45. השתמש בבנדנה שחורה כדי לכסות את הגשושיות כדי להגן עליהן מפני אור הסביבה ולשפר את איכות האות.
      3. נקו את המשדר והמקלט של הגשושיות באמצעות פד איזופרופיל אלכוהול 70% לאחר סיום הניסוי.
    2. מעקב עיניים: לכוד תנועות עיניים בסביבות בעולם האמיתי באמצעות משקפי מעקב אחר העיניים (ראה טבלת חומרים). התאימו עדשות מרשם ליחידת הראש של משקפי המעקב באופן מגנטי (במידת הצורך) וודאו שהמשתתפים יכולים להסתובב בחופשיות עם מראה מתוקנת.
      הערה: מכיוון שמשקפי המעקב אחר העיניים אינם מתוכננים לעבוד בשילוב עם משקפי ראייה סטנדרטיים, משתתפים המרכיבים משקפי ראייה עדיין עשויים להיכלל במחקר באמצעות עדשות מרשם אופציונליות לתיקון קוצר ראייה או רוחק ראייה. המשתתפים יכולים גם להרכיב עדשות מגע סטנדרטיות מכיוון שלמרות שהן עשויות להגביר מעט את הרעש, הן בדרך כלל אינן מציגות שגיאות בנתונים. המשתתפים אינם יכולים להשתמש בעדשות צבעוניות או אחרות המשנות את מראה האישון או הקשתית.

2. אמצעים

  1. fNIRS
    1. פתח את תוכנת ההקלטה (ראה רשימת חומרים). חבר את הגשושיות למחשב נייד באמצעות מתאם Bluetooth, ולאחר מכן רשום את השינויים בריכוז ההמוגלובין המחומצן (O2Hb) בקליפת המוח הקדם-מצחית של המשתתפים דרך המחשב הנייד, בתדר דגימה של 10 הרץ.
    2. בדוק את עוצמת האור המתקבלת ואת איכות מדד רוויית הרקמה (TSI) כדי לשלוט באיכות הנתונים. ודא שהאות שהתקבל ממוקם בין 1% ל- 95%.
    3. ודא שהמשתתפים יושבים בתנוחה נוחה על כיסא ושומרים על מצב המנוחה במשך 2 דקות כדי לאסוף נתונים בסיסיים לפני הניסוי האמיתי.
    4. לחץ על התחלה כפתור בממשק התוכנה כדי להקליט את נתוני fNIRS.
  2. מעקב אחר תנועות העיניים
    1. הגדר את החומרה עבור משקפי המעקב אחר העיניים. חבר את תקע ה- USB של משקפי המעקב אחר העיניים ליציאת USB במחשב הנייד. פתח את תוכנת ההקלטה (ראה טבלת חומרים) והגדר את תדירות הדגימה ל- 120 הרץ.
    2. כיול: בצע כיול בנקודה אחת. בקשו מהמשתתפים להתמקד בעצם הניתן לזיהוי ברור בשדה הראייה שלהם בגובה 0.6 מ'. הזיזו את סמן הצלב הדק אל האובייקט, שבו המשתתף מתמקד בסרטון הסצנה ולחצו על האובייקט.
    3. לחץ על תקליט כפתור בממשק התוכנה כדי להתחיל להקליט.
  3. שאלון וקנה מידה: הציגו את שאלון השימושיות ואת סולם NASA-TLX למשתתפים לאחר שהם משלימים את המשימות של AR/אתר האינטרנט.

3. ניתוח נתונים

  1. עיבוד נתונים fNIRS
    1. להמיר את ערכי הצפיפות האופטית המתקבלים מתוכנת ההקלטה fNIRS לריכוזים (μmol) בהתאם לחוק באר-למברט46 המתוקן.
    2. סנן את הנתונים הגולמיים במעבר נמוך של 0.5 הרץ כדי להסיר רעשים שיטתיים כגון פעימות לב ונשימה.
    3. בדוק ותקן את הנתונים עבור תוצרי תנועה על-ידי הסרת מקטעי הנתונים שחרגו משלוש סטיות תקן מעל כל סדרת הזמן47.
    4. יצא את נתוני fNIRS הממוצעים והמרביים בתנאי AR ואתר, ולאחר מכן החסר אותם מהנתונים הבסיסיים.
  2. עיבוד נתוני מעקב אחר העיניים
    1. יצא את תדירות הקיבוע (ספירה/שנייה), זמן הקיבוע הכולל (ms), זמן קיבוע ממוצע (ms), תדירות סקאדה (count/s), זמן סקאדה ממוצע (ms) ואורך נתיב סריקה ממוצע (px/s) של המשתתפים.
  3. ניתוח סטטיסטי
    1. בצע בדיקה דו-זנבית ברמת מובהקות של 0.05. בדקו את תקינות הנתונים באמצעות מבחן שפירא-וילק ובצעו בדיקת הבדל. בצע תיקוני השוואה מרובים עבור ערכי p באמצעות שיטת שיעור גילוי שגוי (FDR).
      הערה: בעת ביצוע מבחן ההפרש, הנתונים שעקבו אחר התפלגות נורמלית נותחו באמצעות מבחן t של דגימות זוגיות, והנתונים שלא עקבו אחר התפלגות נורמלית נותחו באמצעות מבחן דירוג חתום של Wilcoxon.

תוצאות

התוצאות המייצגות של מחקר זה כוללות את תוצאות שאלון השימושיות, ניתוח נתוני מעקב עיניים, נתוני קנה מידה NASA-TLX, ניתוח נתוני fNIRS ושינויים בעומס קוגניטיבי דינמי. לצורך תוצאות שאלון השימושיות נערכו ניתוח נתוני מעקב עיניים, נתוני קנה מידה של נאס"א-TLX וניתוח נתוני fNIRS, בדיקות תקינות ומבחני הפרשים. עב...

Discussion

שלבים קריטיים בתוך הפרוטוקול
במהלך הניסוי נבחנו מספר צעדים כדי להבטיח את אמינות התוצאות. ראשית, משתתפים שמכירים את מותגי המים המינרליים ששימשו בניסוי לא נכללו, מכיוון שמשתתפים אלה היו מבצעים את המשימה על סמך הידע שלהם על המותג. שנית, המשתתפים השלימו ניסוי מקדים תוך שימוש במותגי...

Disclosures

למחברים אין מה לחשוף.

Acknowledgements

מחקר זה נתמך על ידי פרויקט המחקר לפילוסופיה ומדעי החברה של מחלקת החינוך המחוזית של ג'יאנגסו (2018SJA1089), מלגת ממשלת ג'יאנגסו ללימודים בחו"ל (JS-2018-262), הקרן למדעי הטבע של מחוז ג'ג'יאנג (LY19G020018) והקרן הלאומית למדעי הטבע של סין (NSFC) (72001096).

Materials

NameCompanyCatalog NumberComments
AR EngineUnity Technologies2020.3.1AR development platform
AR SDKPTCVuforia Engine 9.8.5AR development kit
Eye Tracker (eye tracking glasses)SMI, GermanySMI ETGHead-mounted eye tracking
system
Eye Tracker Recording softwareSMI, GermanyiViewETG SoftwareEye Tracker Recording software
fNIRS probesArtinis Medical Systems BV, NetherlandsArtinis PortaLiteLight source: Light emitting diodes
Wavelengths: Standard nominal 760 and 850 nm
fNIRS softwareArtinis Medical Systems BV, NetherlandsOxySoft 3.2.70fNIRS data recording and analysis software
Mineral WaterGroupe DanoneBadoit Experimental material in the AR condition   Capacity: 330ml
Price: figure-materials-9866
Mineral WaterNestléAcqua PannaExperimental material in the website condition Capacity: 250ml
Price: figure-materials-12335.4
Skin Preparation GelWeaver and CompanyNuprepClean the forehead skin of the participants
SmartphoneXiaomiRedmi K30 UltraSmartphone-based AR application and website

References

  1. Ameen, N., Hosany, S., Tarhini, A. Consumer interaction with cutting-edge technologies: Implications for future research. Computers in Human Behavior. 120, 106761 (2021).
  2. Javornik, A. Augmented reality: Research agenda for studying the impact of its media characteristics on consumer behaviour. Journal of Retailing and Consumer Services. 30, 252-261 (2016).
  3. Caboni, F., Hagberg, J. Augmented reality in retailing: a review of features, applications and value. International Journal of Retail & Distribution Management. 47 (11), 1125-1140 (2019).
  4. Kumar, H. Augmented reality in online retailing: a systematic review and research agenda. International Journal of Retail & Distribution Management. 50 (4), 537-559 (2022).
  5. Yim, M. Y. C., Park, S. Y. I am not satisfied with my body, so I like augmented reality (AR): Consumer responses to AR-based product presentations. Journal of Business Research. 100, 581-589 (2019).
  6. Chylinski, M., et al. Augmented reality marketing: A technology-enabled approach to situated customer experience. Australasian Marketing Journal. 28 (4), 374-384 (2020).
  7. Davis, F. D. . A Technology Acceptance Model for Empirically Testing New End-User Information Systems: Theory and Results. , (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. , (2008).
  15. Shneiderman, B., Plaisant, C., Cohen, M., Jacobs, S. M., Elmqvist, N. . Designing the User Interface: Strategies for Effective Human-Computer Interaction. , (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. &. #. 3. 5. 0. ;. 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. , 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. , 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).

Reprints and Permissions

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

Request Permission

Explore More Articles

JoVE189NeuroISfNIRS

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved