Obszary zainteresowań (ang. area of interest - AOI) jako metoda analizy wyników badania eye tracking

Transkrypt

1 Inerfejs użykownika - Kansei w prakyce Obszary zaineresowań (ang. area of ineres - AOI) jako meoda analizy wyników badania eye racking Pior Jardanowski, Agencja e-biznes Symeria Ul. Wyspiańskiego 10/ Poznań pior.jardanowski@symeria.pl Wojciech Chojnacki Agencja e-biznes Symeria Ul. Wyspiańskiego 10/ Poznań wojciech.chojnacki@symeria.pl Sreszczenie Celem arykułu jes pokazanie korzyści i ograniczeń wynikających z zasosowania obszarów zaineresowań w analizie danych z badań eye racking 20. Obszary zaineresowań umożliwiają wydzielenie z masy spojrzeń ych, kóre doyczą wyodrębnionego miejsca na sronie inerneowej np. logo, menu głównego czy zdjęć. Uzyskane w en sposób wyniki pozwalają na dokładną analizę ilościową spojrzeń i sosowanie miar saysycznych, a ym samym sanowią przewagę w sosunku do map ermicznych. Analiza z wykorzysaniem AOI saje się problemayczna przy sronach o zmiennej konsrukcji (np. długości) oraz w mechanizmach ypu AJAX lub RIA. Słowa kluczowe Eye racking, śledzenie wzroku, badania użyeczności Copyrigh Wydawnicwo PJWSTK Warszawa 2009 Kansei 2009 Inerfejs użykownika Kansei w prakyce ISBN Dalej: eye racking, ET, po polsku: okulografia This paper should be cied as: Jardanowski, P., & Chojnacki, W. (2009). Obszary zaineresowań ( ang. area of ineres - AOI ) jako meoda analizy wyników badania eye racking. Proceedings of he Conference: Inerfejs użykownika - Kansei w prakyce (pp ). Warsaw: Wydawnicwo PJWSTK.

2 Inerfejs użykownika - Kansei w prakyce Technika eye racking - wprowadzenie Eye racking o echnika polegająca na analizowaniu ruchu gałek ocznych badanego. W celu jej zasosowania porzebne jes urządzenie zwane eye rackerem (okulografem), kóre za pomocą specjalnego mechanizmu odbija wiązkę promieni podczerwonych od dna oka, a nasępnie z wykorzysaniem algorymów przeliczają ją na położenie gałki ocznej i miejsce badania wzroku. lonicwie). Z kolei rozkwi meodologicznego wykorzysania eye rackingu nasąpił w drugiej połowie XX wieku wraz z rozwojem obszarów naukowych akich jak psychologia, kogniywisyka, czy inerakcje człowiek-kompuer. Pod koniec XX wieku powsał kolejny echnologiczny rozkwi narzędzi, kóry doprowadził do sworzenia urządzeń sosunkowo małych, przenośnych, nadających się do zasosowanego komercyjnego. Dodakowo powsały aplikacje umożliwiające prose przeliczanie danych, uzyskiwanie konkrenych wyników oraz ich inerpreację. Obecnie w badaniach sosuje 2 rodzaje eye rackerów: przenośne przypominające okulary, są zakładane na głowę i umożliwiają przemieszczanie się. Wykorzysuje się je głównie do analizy różnego rodzaju bodźców w nauralnym środowisku np. w rakcie jazdy samochodem, sacjonarne: rysunek 1. Schema odbijania promieni podczerwonych w przypadku sacjonarnego eye rackera Idea badania eye racking ma ponad so la. Już pod koniec XIX wieku pojawiły się pierwsze pomysły na analizowanie ruchów gałek ocznych. W pierwszej fazie były one bardzo prymiywne i polegały m. in. na obserwowaniu ruchu oczu za pomocą luserka. Zdecydowane przyspieszenie prac nad echnicznym usprawnieniem ej meody nasąpiło w połowie XX wieku, gdy eye racking znalazł zasosowanie przy projekach rządowych oraz miliarnych (np. w o o wbudowane w moniory lub elewizory - są głównie dedykowane do analizowania sron inerneowych oraz maeriałów wyświelanych na ekranie np. uloki reklamowe, wolnosojące sawiane pomiędzy badanym, a innym obiekem podlegającym badaniu np. plakaem wiszącym na ścianie, półką sklepową.

3 Inerfejs użykownika - Kansei w prakyce rysunek 1. Przykłady usawienia wolnosojącego eye rackera Tobii.com Rezulaem badania z wykorzysaniem echniki eye racking jes srumień danych zawierający nasępujące informacje doyczące spojrzenia: czas w kórym nasąpiło zarzymanie wzroku (zw. fiksacja ), koordynay współrzędne x i y położenia oka, adres url lub nazwę pliku - analizowanego w danym momencie czasowym. Odpowiednie oprogramowanie pozwala na prezenację opisanych wyżej informacji w ławy do inerpreacji sposób. Podsawowe formy prezenacji wyników o: rysunek 2. Przykładowa mapa ermiczna ścieżka skanowania (Rysunek 4) - prezenuje kolejne fiksacje pojedynczego użykownika. Umożliwiają zapoznanie się procesem jaki owarzyszył zapoznawaniu się z daną sroną WWW, mapa ermiczna (Rysunek 3) przedsawia zsumowane informacje doyczące spojrzeń dla wszyskich uczesników badania. Im cieplejszy kolor na mapie ym większa warość pokazywanej miary,

4 Inerfejs użykownika - Kansei w prakyce obszarem zaineresowań, a mapami ermicznymi, gdzie kolory powsają po zsumowaniu zaineresowania użykowników i wskazują na ich koncenrację wzroku w różnych miejscach, obszar wizualny jes o jakiś fragmen graficzny większej całości np. logo na sronie WWW lub hasło reklamowe na plakacie. Obszary zaineresowań wskazuje się najczęściej poprzez podanie współrzędnych ich narożników. Wskazanie ych punków może nasąpić poprzez: rysunek 3 - Przykładowa ścieżka skanowania (ang. gazeplo) filmy z nałożoną graficzną prezenacją ruchu gałki ocznej. Obszar zaineresowania Obszar zaineresowania (ang. Area of ineres) o obszar wizualny, kóry jes obiekem zaineresowania badaczy lub zespołu projekowego i dlaego przez nich zdefiniowany (a nie przez użykownika) [1]. Powyższa definicja wskazuje na najważniejsze elemeny określające AOI: zaznaczenie obszaru w programie do analizy za pomocą odpowiedniego narzędzia, zaimporowanie pliku z odpowiednimi nazwami i współrzędnymi narożników. Meoda może być szczególnie przydana, jeżeli akie same obszary zaineresowań wysępują w różnych miejscach np. na różnych plakaach lub sronach WWW. Po oznaczeniu odpowiednich obszarów z całej masy spojrzeń zosają wyselekcjonowane e, kóre odpowiadają wskazanym AOI. obiek zaineresowania badaczy zaineresowanie ym obszarem wynika najczęściej z założeń projekowych lub celów sawianych przez badanym maeriałem, zdefiniowany przez badaczy lub zespół projekowy jes o główna różnica pomiędzy

5 Inerfejs użykownika - Kansei w prakyce rozumiem). Należy zasosować dodakowe miary, aby pogłębić analizę, rysunek 4. Logo i wyszukiwarka oznaczone jako obszary zaineresowań b. liczba fiksacji jednej osoby (wszyskich osób) w danym AOI zsumowana liczba fiksacji, kóre zosały wykonane przez jedną osobę (wszyskie osoby) w ineresującym obszarze. Ogólnie przyjmuje się, że im więcej fiksacji ym większe zaineresowanie danym obszarem, Dane eye racking a obszary zaineresowań Najważniejszym celem analizy danych eye racking z wykorzysaniem oznaczenia obszarów zaineresowań jes wyodrębnienie z całej masy spojrzeń ych, doyczących wskazanych obszarów. Jes o niezwykle cenna możliwość, ponieważ nawe w bardzo krókich czasowo badaniach jes rejesrowanych od kilkuse do kilku ysięcy fiksacji. Ich inerpreacja w ak dużej liczbie jes prakycznie nie możliwa. Dzięki AOI badacz może wyselekcjonować ineresujące go miejsca, a nasępnie policzyć odpowiednie wielkości saysyczne i je zinerpreować. Sosowane wielkości saysyczne są zróżnicowane ze względu na medium, kóre podlega badaniu oraz sawiane pyania badawcze. Do najczęściej sosowanych można zaliczyć: rysunek 5. Liczba lub łączny czas fiksacji w AOI [4] c. czas do pierwszej fiksacji w dany AOI dla poszczególnych osób pozwala zweryfikować, ile czasu porzeba do odnalezienia ineresującego obszaru, kóry jes isony z punku widzenia realizacji danego celu, a. łączny czas rwania fiksacji dla danej osoby (wszyskich osób) w AOI inerpreacja ej miary może być pozyywna ( wparuję się, ponieważ mi się podoba ) lub negaywna( wparuję się, ponieważ nie

6 Inerfejs użykownika - Kansei w prakyce danym obszarze (lub inną zadaną liczbę fiksacji), f. liczba wizy i rewizy w danym AOI przyjmuje się, że im więcej wizy w danym obszarze ym bardziej ineresujący jes on z punku wiedzenia oglądającego. rysunek 6. Czas do pierwszej fiksacji w AOI [4] d. liczba osób, kóre dany obszar AOI zauważyły świadczy o arakcyjności obszaru względem badanej grupy docelowej, rysunek 8. Liczba wizy w AOI [4] rysunek 7. Procen badanych, kórzy zauważyli dane AOI [4] e. liczba osób, kóre dany obszar eksplorowały jes o rozszerzenie poprzedniej miary. Przyjmuje się, że eksploracja doyczy osób, kóre wykonały więcej niż jedną fiksację w Niewąpliwą przewagą obszarów zaineresowań w sosunku do np. map cieplnych jes możliwość uzyskania dokładnych warości liczbowych. Przykładowo ocena koloru pomarańczowego może być rudna do jednoznacznej inerpreacji, naomias wskazanie, że 80% badanych zauważyło dany obszar jes jednoznaczne i nie pozosawia wąpliwości. Podobnie wygląda analiza danych czasowych, kóre są wyrażone w jednoskach czasu (najczęściej milisekundach). Dzięki emu można je analizować saysycznie, porównywać między grupami na większym poziomie szczegółowości, szacować np. przedziały ufności lub wykorzysać do wyłonienia osób poniżej przecięnej i poddania ich zachowania szczegółowej analizie.

7 Inerfejs użykownika - Kansei w prakyce W przypadku objęcia całej srony elemenami AOI możliwa jes również analiza przejścia pomiędzy różnymi obszarami zaineresowań przy wykorzysaniu powyższych miar. Polega ona na uworzeniu macierzy przejścia posaci [5]: T m m2 1n 2n mn gdzie: mn oznacza liczbę przeniesień wzroku z m-ego obszaru AOI do n-ego, mn m, n m n 0. Wykorzysując liczbę ogólną liczbę fiksacji oraz liczbę fiksacji w każdym AOI, wspólnie z macierzą przejścia można sworzyć wizualizację sieci migracji (Rysunek 10). Pozwala ona na analizę zmiany uwagi pomiędzy poszczególnymi obszarami zaineresowania. rysunek 9. Wizualizacja sieci migracji. AOI zosały zaznaczone na niebiesko. Niebieskie liczby w pomarańczowych kółkach wskazują na udział liczby fiksacji w dane AOI w sosunku do łącznej liczby fiksacji. Srzałki pokazują kierunek migracji uwagi, a ich wielkość wraz z liczbą frakcję ransferu z jednego AOI do drugiego [5].

8 Inerfejs użykownika - Kansei w prakyce Meody prezenacji wyników Ze względu na saysyczny charaker wyników doyczących obszarów zaineresowań sosuje się zazwyczaj rzy sposoby prezenacji wyników: a. wykresy b. abela c. grafiki prezenujące rozkład AOI wraz z naniesioną warością liczbową. Zdecydowanie najczęściej prezenowane są dwie pierwsze meody. Wynika o z faku, że miary saysyczne doyczące AOI porównuje się np. w kolejnych jednoskach czasu (Rysunek 11) albo dla ych samych jednosek czasu porównuje się podobne AOI na różnych maeriałach (Tabela 1). Wykres i abela uławiają zdecydowanie porównanie wielkości na sosunkowo małym obszarze, a ym samym sprzyjają konsrukywnemu wyciąganiu wniosków. Czas w sekundach Kolor plakau Z B Z B Z B Z B Plaka 1 41% 42% 61% 60% 47% 56% 42% 47% Plaka 2 64% 55% 59% 56% 65% 50% 69% 54% Plaka 3 44% 49% 37% 49% 37% 45% 38% 41% Razem 50% 48% 52% 55% 50% 50% 50% 47% abela 3. Porównanie zauważalności wybranego AOI na rzech różnych maeriałach reklamowych w pierwszych 4 sekundach oglądania W szczególnych przypadkach wyniki zamieszcza się na grafikach, kóre reprezenują esowany maeriał (Rysunek 10 oraz Rysunek 12). Jes o efekywny sposób komunikowania wyniku poprzez naniesienie na zbadany obiek informacji o rozkładzie uwagi badanych pomiędzy poszczególnymi obszarami zaineresowania. Rozkład en, rozumiany najczęściej jako procenowy udział czasu spojrzeń w każdym obszarze zaineresowania, umożliwia szybkie zapoznanie się z charakerysyką obieku wynikającą z badania. rysunek 10. Porównanie procenowej zauważalności różnych AOI w kolejnych sekundach oglądania maeriałów reklamowych.

9 Inerfejs użykownika - Kansei w prakyce najważniejszych zale, kóre należy wskazać znajdują się: a. selekcja spojrzeń z całej masy częso kilku ysięcy fiksacji udaje się wyselekcjonować konkreną grupę, kóra jes ineresująca z punku widzenia badaczy lub zespołu projekowego. Dzięki wprowadzeniu ego ograniczenia możliwa jes zdecydowanie dokładniejsza analiza, prowadząca do precyzyjniejszych wniosków, b. analiza saysyczna a zalea jes konsekwencją pierwszej. W masie fiksacji rudno jes znaleźć punk odniesienia do obliczania pewnych wielkości. W przypadku konkrenie zdefiniowanego obszaru można szacować konkrene wielkości, porównywać je, odnosić do średnich. Dzięki akiemu podejściu kolory na mapach ermicznych zosają zasąpione przez warde dane wyrażone w sekundach lub punkach procenowych, co znacznie uławia ich inerpreację i porównywanie, rysunek 11. Diagram rozkładu uwagi pomiędzy obszarami zaineresowania [6] Zaley sosowania analizy oparej na obszarach zaineresowań Analiza z wykorzysaniem obszarów zaineresowań jes coraz powszechniejsza i częściej sosowana. Wynika o przede wszyskim z dokładności, jaką uzyskuje się dzięki AOI. Wśród c. łączenie danych eye racking z innymi danymi dzięki wspólnemu odniesieniu czasowemu można powiązać dane doyczące spojrzeń z innymi danymi rejesrowanymi w rakcie badani. Przykładowo można połączyć zauważalność danych AOI ze skłonnością do klikania w dany obszar (Rysunek 13),

10 Inerfejs użykownika - Kansei w prakyce dynamicznym charakerze. Należy uaj podkreślić 5 głównych przypadków: rysunek 12. Na powyższym wykresie pokazano liczbę kliknięć w dany elemen (zielona linia) w powiązaniu z zauważalnością poszczególnych AOI (słupki) [6] d. analiza migracji uwagi pomiędzy różnymi obszarami dzięki zasosowaniu macierzy przejścia można zbadać, jak ogólnie zmieniała się koncenracja uwagi w ramach badanego maeriału. Bez wyszczególnienia obszarów zaineresowań, akie podejście jes prakycznie niemożliwe. W masie spojrzeń, ciężko jes wychwycić jakiekolwiek prawidłowości, a ich kwanyfikacja jes prakycznie niemożliwa. Ograniczenia w sosowaniu analizy obszarów zaineresowania Mimo niewąpliwych zale, opisywane narządzie posiada również isone ograniczenia, kóre urudniają analizę i w określonych przypadkach znacznie zwiększają jej pracochłonność lub wręcz uniemożliwiają. W szczególności doyczy o obieków badań o filmy wideo i animacje flash analiza obszarów zaineresowań w ym przypadku może wykazać jedynie, że koś na dany obiek się parzy. Nie ma możliwości przemieszczania się w rakcie zmiany scen za poszczególnymi elemenami animacji. W akich przypadkach jednokronie zdefiniowane obszary zaineresowań racą swój sens i muszą być manualnie dososowywane w krókich odsępach czasowych (o ile w ogóle isnieje aka możliwość). Można jedynie poddawać analizie elemeny sałe, nie zmieniające się w rakcie dynamicznej prezenacji (np. logo kanału elewizyjnego, umieszczony saycznie pasek z nowościami u dołu programu elewizyjnego), rozwiązania ypu AJAX lub zakładki na sronach WWW problem bardzo zbliżony do opisanego powyżej. Dynamiczna zmiana obszaru opisanego jako AOI nie jes zapisywana przez sysem co powoduje, że fiksacje są cały czas uznawane jako jeden i en sam obszar zaineresowań. Jedną z meod radzenia sobie z ym problemem jes analiza kliknięć i momenów ich wysąpienia. Uzyskuje się w en sposób informacje np. o zmianie zakładki i po danym momencie czasowym inaczej klasyfikuje się fiksacje, srony WWW o zmiennej długości (Rysunek 13) problem jes bardzo zbliżony do powyższego. Jednokrone zdefiniowanie obszaru może być niewysarczające, ponieważ po przeładowaniu

11 Inerfejs użykownika - Kansei w prakyce srony WWW pojawiają się reklamy, kóre przesuwają pierwony obszar zaineresowań w inne miejsce. W ym przypadku można sobie ławiej poradzić (ze względu na jednorazowy charaker zmiany) poprzez zmianę współrzędnych pierwonego AOI, zaineresowania. Wymaga o dodakowej inerpreacji przez badacza polegającej na właściwym przyporządkowaniu fiksacji do odpowiednich obszarów, rysunek 13. Zwiększenie powierzchni reklamowej na sronie głównej spowodowało przemieszczenie obszaru zaineresowania w dół przemieszczające się reklamy na sronach inerneowych jes o problem pośredni miedzy pierwszym, a drugim wyżej opisanym. Przesuwanie się reklamy po sronie WWW powoduje, że nie można na sałe oznaczyć współrzędnych jej rozmieszczenia. Na szczęście użykownicy ak bardzo nie lubią ej formy reklamowej, że częso zamykają ją w pierwszej kolejności. Pozwala o na wychwycenie czasu zamknięcia i zmianę przypisania obszarów AOI przed i po zamknięciu reklamy, nakładanie się dynamicznych obieków na siebie - powoduje problem inerpreacyjny doyczący fakycznego obieku skupienia uwagi badanego. Sysem jes w sanie jedynie zaliczyć spojrzenia w zakresie współrzędnych, nie analizując co było fakycznym obszarem rysunek 14. Po rozwinięciu lisa zasłania obszar zaineresowań. Fiksacje skierowane w lisę zosaną zaklasyfikowane jako wpadające w AOI Isnieją już pierwsze próby opracowania oprogramowania, kóre jes w sanie w razie porzeby przemieszczać zdefiniowane obszary, aby dososować je do ruchomych elemenów obieku. Bardziej zaawansowane sysemy pozwalają również nawe zmieniać proporcje zdefiniowanego obszaru aby dososować go do ruchu kamery ransmiującej obraz badanego obieku.

12 Inerfejs użykownika - Kansei w prakyce Inne ograniczenie opisywanej meody wynika z konsrukcji ludzkiego sysemu okulomoorycznego, a konkrenie widzenia peryferycznego. O ile w większości przypadków zaisnienie uwagi wizualnej w określonym punkcie powoduje w krókim czasie fiksację na nim, o yle zdarzają się przypadki nie spełniające ej reguły [7]. W przypadku śledzenia kilku obieków naraz, np. zmagających się graczy na meczu fubolowym, wzrok obserwaora fiksuje się pomiędzy nimi, obejmując obydwa przy pomocy widzenia peryferycznego. Jeśli obszarami zaineresowania będą jednak piłkarze, sysem nie zaliczy ego jako spojrzenie na nich. Podsumowanie Analiza danych eye racking z wykorzysaniem obszarów zaineresowań jes niezwykle przydanym narzędziem. Pozwala ona skwanyfikować wyniki w posaci dokładnych wielkości liczbowych i miar saysycznych. Dzięki emu można wyciągać lepsze wnioski doyczące ineresujących obszarów i wzajemnie je porównywać. Opisana analiza ma obecnie również wady, z kórych największą jes brak możliwości jej sosowania w połączeniu z różnego rodzaju dynamicznymi elemenami. Prowadzone obecnie badania pozwalają mieć nadzieję, że również en problem w niedalekiej przyszłości zosanie rozwiązany, co spowoduje, że analiza obszarów zaineresowań będzie jeszcze bardziej użyeczna. Bibliografia: [1] Jacob, R. J. K., Karn, K. S. (2003). Eye racking in human-compuer ineracion and usabiliy research: Ready o deliver he promises (Secion commenary). In J. Hyona, R. Radach, & H. Deubel (Red.), The Mind's Eyes: Cogniive and Applied Aspecs of Eye Movemens. Oxford: Elsevier Science [2] Duchowski, A. (2009). Eye Tracking Mehodology: Theory and Pracice, London: Springer [3] Tullis, T., Alber, W. (2008) Measuring he User Experience: Collecing, Analyzing and Presening Usabiliy Merics, Oxford: Elsevier Science [4] Eye Tracking Merics in Tobii Sudio Tobii Technology hp:// [5] Torsling, A., (2007) The Mean Gaze Pah: Informaion Reducion and Non-Inrusive Aenion Deecion for Eye Tracking, Maser s Degree Projec, Sockholm, Sweden [6] hp:// [7] Wrigh, R.D., Ward, L.M., (2008) Oriening of Aenion, Oxford Universiy Press