利用数据可视化素养框架的干预优化虚拟现实匹配与移动任务中的表现与满意度
人机交互
2021-12-16 v1
摘要
虚拟现实（VR）在训练与教学中应用日益广泛。设计者可通过可视化用户在 VR 中动作产生的遥测数据，使 VR 用户洞察自身表现。我们视觉上察觉模式与趋势的能力，提示可将数据可视化作为用户识别改进表现策略的工具。VR 训练场景中的典型任务包括 3D 物体操控（如学习维护喷气发动机）与导航（如赴现场前熟悉建筑或地形地理）。本文给出 RUI VR（84 名受试者）与 Luddy VR（68 名受试者）研究的结果，参与者被分为实验组与对照组。所有受试者执行一系列任务：RUI VR 中 44 项立方体匹配任务，Luddy VR 中 48 项虚拟建筑导航任务（均分为两组）。所有 Luddy VR 受试者使用 VR 设备；RUI VR 受试者分配至三种设置：2D 桌面（笔记本加鼠标）、VR 桌面（VR 中坐于桌前）与 VR 站立（VR 中站立）。在称为“反思阶段”的干预中，实验组在继续研究第二部分前，先看到依据数据可视化素养框架（DVL-FW）设计的、由其第一组任务所生成数据的可视化。对于 Luddy VR，我们发现实验组在第二轮完成时间显著更快（p = 0.014），且在关于虚拟建筑的中途问卷中得分更高（p = 0.009）。对于 RUI VR，VR 设置下两组在完成时间与准确率上无显著差异；但实验组的 2D 桌面受试者在旋转准确率与满意度上显著更高（p(旋转) = 0.031，p(满意度) = 0.040）。
引用
@article{arxiv.2112.02159,
title = {Optimizing Performance and Satisfaction in Matching and Movement Tasks in Virtual Reality with Interventions Using the Data Visualization Literacy Framework},
author = {Andreas Bueckle and Kilian Buehling and Patrick C. Shih and Katy Borner},
journal= {arXiv preprint arXiv:2112.02159},
year = {2021}
}