کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
13,200 تومانشناسه فایل: 11651
مقدمه مقاله
در طول تاریخچه علم رایانه، رابط‌ها و کنش‌های متقابل روز به روز پیچیده‌تر می‌شوند. امروزه، رایانه‌ها همه جا حضور داشته و همه افراد آن‌ها را بکار می‌گیرند. از این رو، لازم است رایانه‌ها را با قابلیت‌های انسان مطابقت داده و قابل استفاده نماییم که این کار غالباٌ با ارزیابی کنش متقابل انسان و رایانه قبل از دسترسی عموم به آن‌ها صورت می‌گیرد. با این حال، روش‌های ارزیابی قدیمی ممکن است نامفهوم، فاقد ضبط گزارشات همزمان یا اختلال در برهم‌کنش باشد.
از طرفی، با ظهور فن‌آوری‌های جدید، حسگرهای فیزیولوژیکی به بهبود کنش متقابل انسان و رایانه (HCI) کمک می‌کنند (فرکلوگ، 2009). سیستم‌ها را می‌توان همزمان از طریق نظارت بر حجم کار ذهنی کاربران تنظیم کرد (کولمورگن و همکارانش، 2007). حسگرهای فیزیولوژیکی یک کانال اطلاعاتی بینش‌افزا را اضافه می‌کنند، ولی ممکن است ناخوانده باشند یا برای ضبط یک سیگنال مناسب نیاز به درجه‌بندی داشته باشند و از این گذشته، برخی از آن‌ها به ندرت در دسترس مصرف‌کننده قرار می‌گیرند. مسائلی از این دست را می‌توان با استفاده از حسگرهای فیزیولوژیکی ارزیابی کنش متقابل انسان و رایانه حل کرد. همزمان با طراحی یک رابط کاربری (UI) باید این موضوع را قبول کنیم که ممانعت حسگرها را به اعضا ویژه کاربرانی اضافه کنیم. در آن صورت، دستگاه‌های آزمایش پیشاپیش به بهبود رابط کاربری کمک خواهند کرد. شرایط آزمایشگاهی امکان تشکیل ساختار کنترل شده را برای اندازه‌گیری‌های پیاپی فراهم می‌آورد. تصویربرداری عصبی به حسگرهای سخت ولی حساس تکیه دارد. ما این حسگرها را مکملی ابتکاری برای روش‌های معمول ارزیابی تلقی می‌کنیم. سنجش فعالیت عصبی طی کنش متقابل انسان و رایانه می‌تواند به ما کمک کند تا درک بهتری از فعالیت‌های مغزی در زمان کنش متقابل کاربران داشته باشیم (پاراسورامان، 2013).
در مقاله حاضر بر این موضوع تأکید می‌کنیم که از کدام‌یک از تکنیک‌های تصویربرداری عصبی به راحتی می‌توان در آزمایشگاه‌ها برای حل مشکلاتی که تنها در روش‌های ارزیابی قدیمی با آن مواجه می‌شویم، استفاده کرد. هم‌چنین، امکان استفاده از مجموعه الگوهای وضعیتی کاربران در توصیف کنش متقابل انسان و رایانه و ارزیابی چگونگی سنجش عینی الگوها با استفاده از تصویربرداری عصبی را بررسی می‌کنیم. این دسته از الگوها را سازه می‌نامیم، اصطلاحی که به مفاهیمی متفاوت با حجم کار و وضعیت جریان اشاره دارد.
سایر مقالات قبلاً برای آگاهی از نحوه بهره‌گیری فن‌آوری‌های عصبی از کنش متقابل انسان و رایانه مطرح شدند، ولی ارزیابی را در بر نمی‌گیرند (جورج و لکویر، 2010) و در صورتی که چنین باشد، بسیاری از سازه‌ها را بررسی نمی‌کنند. پاراسورامان (2013) تنها درباره حجم کار، هشیاری و تشخیص خطا بحث می‌کند. در بررسی کنونی، تمام سازههای بزرگی که بتوان با آن‌ها فعالیت مغز را ارزیابی کرد، را از مقالات مربوط به کنش متقابل انسان و رایانه جمع‌آوری کردیم.
در این بررسی، ابتدا خانواده‌های متفاوت روش‌های ارزیابی را با هدف سنجش کنش متقابل انسان و رایانه و کیفیت رابط کاربری به همراه مزایا و معایب‌شان به اختصار بیان می‌کنیم. سپس آن‌ها را به این چهار گروه تقسیم می‌کنیم: مطالعات رفتاری (مشاهده همزمان فعالیت‌های کاربران)، پرس و جو (مثلاً، پرسشنامه، مصاحبه، بلند فکر کردن)، حسگرهای فیزیولوژیکی (برای مثال، ضربان قلب، پاسخ برقی پوست) و تصویربرداری عصبی (زیرمجموعه حسگرهای فیزیولوژیکی که کار ضبط فعالیت مغز را انجام می‌دهند). علاوه بر این، مقیاس جدیدی طراحی می‌کنیم ( هر موقع که معیار سنجش برون‌محور یا خودمحور باشد) که می‌تواند به انتخاب ترکیب درست روش‌های ارزیابی کمک کند.
در اینجا نشان می‌دهیم که الکتروانسفالوگرافی (EEG) تکنیک تصویربرداری عصبی است که بهترین توازن را بین وضوح فضایی و زمانی، کاربرد عملی و هزینه برقرار می‌کند. از این رو، در بخش دوم بر الکتروانسفالوگرافی متمرکز می‌شویم و در آنجا سازههای مربوط به کیفیت کنش متقابل انسان و رایانه را بررسی می‌کنیم. هم‌چنین، مشخص نمودیم که حجم کار، توجه، هوشیاری، خستگی، تشخیص خطا، هیجانات، تعهد، جریان و غوطه‌وری برای ارزیابی مفید بوده و بوسیله الکتروانسفالوگرافی قابل اندازه‌گیری می‌باشند. در پایان، چالش‌ها و محدویت‌هایی که از مقابله بین ارزیابی کنش متقابل انسان و رایانه و فن‌آوری‌های عصبی بوجود می‌آید و هم‌چنین سازه‌هایی که می‌توانند از قابلیت اندازه‌گیری بوسیله الکتروانسفالوگرافی سود ببرند، را به طور خلاصه بیان می‌کنیم.
ABSTRACT Review of the Use of Electroencephalography as an Evaluation Method for Human-Computer Interaction
Evaluating human-computer interaction is essential as a broadening population uses machines, sometimes in sensitive contexts. However, traditional evaluation methods may fail to combine real-time measures, an “objective” approach and data contextualization. In this review we look at how adding neuroimaging techniques can respond to such needs. We focus on electroencephalography (EEG), as it could be handled effectively during a dedicated evaluation phase. We identify workload, attention, vigilance, fatigue, error recognition, emotions, engagement, flow and immersion as being recognizable by EEG. We find that workload, attention and emotions assessments would benefit the most from EEG. Moreover, we advocate to study further error recognition through neuroimaging to enhance usability and increase user experience.
Introduction
Along computer science history, interfaces and interactions have been getting more complex. Nowadays computers are everywhere, used by everyone. It is necessary to make them comply with human capabilities, practical to use. This is mostly done by evaluating HCI prior to their public availability. Yet traditional evaluation methods could either be ambiguous, lack real-time recordings, or disrupt the interaction.
On the other hand, new technologies arise. Physiological sensors help to improve the ergonomics of human-computer interaction (HCI) (Fairclough, 2009). Systems could be tuned to users by monitoring their mental workload in real-time (Kohlmorgen et al., 2007). Physiological sensors add an insightful information channel. However sensors may be intrusive or require a calibration to record a proper signal, and some are hardly available to consumers. These issues could be resolved by using physiological sensors in HCI evaluation. While designing a user interface (UI) it should be acceptable to add sensors’ hindrance to specially enrolled users. Those testers will then help to improve beforehand the UI.
Laboratory conditions permit a controlled setup for repeatable measures. Neuroimaging rely on demanding but sensitive sensors. We consider them as an innovative supplement to conventional evaluation methods. Measuring neural activity during HCI can help us to better understand what occurs in the brain when users are interacting (Parasuraman, 2013).
We highlight in this paper which neuroimaging techniques could be used conveniently within laboratories to overcome the difficulties encountered by traditional evaluation methods alone. We review a repertoire of patterns of users’ state which could be used to characterize HCI, and evaluate how neuroimaging objectively measures them. We call those patterns “constructs”, a term which refers to notions as different as workload and the state of “flow”.
Other papers already began to sense how neurotechnologies benefit HCI, but they do not cover evaluation (George and Lécuyer, 2010), or if so they do not study many constructs. (Parasuraman, 2013) only discuss workload, vigilance and error recognition. In the present review we gathered from the HCI literature every major construct which could potentially be evaluated with brain activity. In this review, we first briefly describe the different families of evaluation methods aimed at assessing HCI and UI quality, along with their advantages and drawbacks. We divided them in four categories: behavioral studies (observations of users actions in realtime), inquiries (e.g. questionnaires, interviews, think aloud), physiological sensors (e.g. heart rate, galvanic skin response) and neuroimaging (a subset of physiological sensors which records brain activity). We also formalize a new scale (whenever the measure is “exocentic” or “egocentric”) which could help to choose the right combination of methods for evaluations. We show that electroencephalography (EEG) is the neuroimaging technique which offers the best trade-off between spatial and temporal resolution, practical use and cost. Therefore we focus on EEG during the second part. We review there constructs related to the quality of HCI. We identified that workload, attention, vigilance, fatigue, error recognition, emotions, engagement, flow and immersion are useful for evaluation and can be measured with EEG.
Finally we outline the challenges and limitations which arise from this encounter between HCI evaluation and neurotechnologies, as well as constructs that could benefit from being measurable with EEG.
- مقاله درمورد کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- پروژه دانشجویی کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- کاربرد نوار مغزی به عنوان متد بررسی برای تعامل انسان و کامپیوتر
- پایان نامه در مورد کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- تحقیق درباره کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- مقاله دانشجویی کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر در قالب پايان‌نامه
- پروپوزال در مورد کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- گزارش سمینار در مورد کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر
- گزارش کارورزی درباره کاربرد نوار مغزی (EEG) جهت روش ارزیابی تعامل متقابل انسان و کامپیوتر