丰富可用性测试中的言语反馈：利用眼动与鼠标数据自动关联出声思考记录与刺激物
人机交互
2023-07-12 v1 人工智能
摘要
出声思考法是可用性优化中重要且常用的工具。然而，分析出声思考数据可能耗时费力。本文提出一种言语协议的自动分析方法，并利用眼动追踪与鼠标追踪检验言语反馈与刺激物之间的关联。所获得的数据——关联到刺激物特定区域的用户反馈——可用于让专家审阅针对具体网页元素的反馈，或可视化反馈在网页的哪些部分给出。具体而言，我们检验被试是否注视或用鼠标指向其所口头表述的网页内容。测试期间，向被试展示三个网站并要求其口头给出意见。言语回应连同眼动与光标移动均被记录。我们比较了命中率，定义为被口头提及的兴趣区（AOIs）中受到注视或鼠标指向的百分比。结果显示，相比鼠标数据，注视的命中率显著更高。进一步调查发现，鼠标多被被动用于滚动，而注视常指向相关 AOIs，从而在言语与刺激物间建立起强关联。因此，相比鼠标数据，眼动追踪数据可能为言语化提供更详尽的信息与更有价值的洞察。
引用
@article{arxiv.2307.05171,
title = {Enriching Verbal Feedback from Usability Testing: Automatic Linking of Thinking-Aloud Recordings and Stimulus using Eye Tracking and Mouse Data},
author = {Supriya Murali and Tina Walber and Christoph Schaefer and Sezen Lim},
journal= {arXiv preprint arXiv:2307.05171},
year = {2023}
}