JoVE Journal > Engineering
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Traduzione automatica
Please note that all translations are automatically generated. Click here for the English version.
Ingegneria

Endüstri 4.0 Senaryolarında Sürükleyici Analizler için Karma Gerçeklik Çözümünün Kullanılabilirlik Yönlerini Değerlendirme

Published: October 06, 2020
doi:
10.3791/61349
, , , , , , , , , ,
1Institute of Databases and Information Systems,Ulm University, 2Department for Psychotherapy and Biopsychosocial Health,Danube University Krems, 3Department of Psychiatry and Psychotherapy,University of Regensburg, 4Faculty of Computer Science,Otto von Guericke University Magdeburg, 5Department of Pediatrics and Adolescent Medicine,Medical University of Vienna, 6Department of Child and Adolescent Psychiatry,Medical University of Vienna, 7Institute of Clinical Epidemiology and Biometry,University of Würzburg

Summary

Bu protokol, sürükleyici analizler için kullanılan gelişmiş bir karma gerçeklik uygulamasının teknik ayarını tanımlar. Buna dayanarak, geliştirilen teknik çözümün kullanılabilirlik yönleri hakkında fikir edinmek için bir çalışmada kullanılan önlemler sunulmaktadır.

Abstract

Tıpta veya endüstride, yüksek boyutlu veri kümelerinin analizi giderek daha fazla ihtiyaç duyulmaktadır. Bununla birlikte, mevcut teknik çözümlerin kullanımı genellikle karmaşıktır. Bu nedenle, sürükleyici analitik gibi yeni yaklaşımlar memnuniyetle karşılanmaktadır. Sürükleyici analizler, çeşitli kullanıcı grupları ve veri kümeleri için yüksek boyutlu veri kümelerini uygun bir şekilde deneyimlemeyi vaat ediyor. Teknik olarak, sanal gerçeklik cihazları sürükleyici analitiği etkinleştirmek için kullanılır. Örneğin, Endüstri 4.0’da, yüksek boyutlu veri kümelerindeki aykırı değerlerin veya anormalliklerin tanımlanması gibi senaryolar, sürükleyici analitiğin hedeflerini takip eder. Bu bağlamda, sürükleyici analitik konusunda geliştirilen herhangi bir teknik çözüm için iki önemli soru ele alınmalıdır: Birincisi, teknik çözümler yardımcı oluyor mu, olmuyor mu? İkincisi, teknik çözümün bedensel deneyimi olumlu mu yoksa olumsuz mu? İlk soru teknik bir çözümün genel fizibilitesini hedeflerken, ikincisi kullanım konforunu hedeflemektedir. Bu soruları sistematik olarak ele alan mevcut çalışmalar ve protokoller hala nadirdir. Bu çalışmada, esas olarak Endüstri 4.0 senaryolarında sürükleyici analitik için kullanılabilirliği araştıran bir çalışma protokolü sunulmaktadır. Özellikle, protokol dört sütuna dayanmaktadır. İlk olarak, kullanıcıları önceki deneyimlere göre kategorilere ayırır. İkincisi, teknik çözümün fizibilitesini değerlendirmek için kullanılabilecek görevler sunulmaktadır. Üçüncüsü, bir kullanıcının öğrenme etkisini ölçen önlemler sunulmaktadır. Dördüncüsü, bir anket görevleri yerine getirirken stres seviyesini değerlendirir. Bu sütunlara dayanarak, çalışma protokolünü uygulamak için karma gerçeklik akıllı gözlüklerini kullanan teknik bir ortam uygulandı. Yapılan çalışmanın sonuçları, bir yandan protokolün uygulanabilirliğini, diğer yandan da Endüstri 4.0 senaryolarında sürükleyici analitiğin fizibilitesini göstermektedir. Sunulan protokol, keşfedilen sınırlamaların tartışılmasını içerir.

Introduction

Sanal gerçeklik çözümleri (VR çözümleri) farklı alanlarda giderek daha önemli hale geliyor. Genellikle, VR çözümleriyle (Sanal Gerçeklik, Karma Gerçeklik ve Artırılmış Gerçeklik dahil), birçok günlük görev ve prosedürün yerine getirilmesi kolaylaştırılacaktır. Örneğin, otomotiv alanında, bir otomobilin yapılandırma prosedürü Sanal Gerçeklik1 (VR) kullanılarak desteklenebilir. Araştırmacılar ve uygulayıcılar bu bağlamda çok sayıda yaklaşım ve çözümü araştırmış ve geliştirmişlerdir. Bununla birlikte, kullanılabilirlik yönlerini araştıran çalışmalar hala nadirdir. Genel olarak, yönler iki ana soru ışığında ele alınmalıdır. İlk olarak, bir VR çözümünün VR tekniklerini kullanmayan bir yaklaşımdan daha iyi performans gösterip göstermediği değerlendirilmelidir. İkincisi, VR çözümleri esas olarak ağır ve karmaşık donanım cihazlarına dayandığından, giyim konforu ve zihinsel çaba gibi parametreler daha derinlemesine araştırılmalıdır. Ayrıca söz konusu hususlar her zaman söz konusu uygulama alanı açısından araştırılmalıdır. Birçok mevcut yaklaşım bu soruları araştırmak için gerekli olduğunu görse de2, sonuç veren daha az çalışma vardır.

Şu anda önemli olan VR alanındaki bir araştırma konusu, sürükleyici analizlerle belirtiliyor. İnsan algısını analitik görevlerine dahil etmeye çalışan görsel analitik araştırma alanından türetilmiştir. Bu süreç aynı zamanda görsel veri madenciliği4 olarak da bilinir. Sürükleyici analitik, veri görselleştirme, görsel analitik, sanal gerçeklik, bilgisayar grafikleri ve insan-bilgisayar etkileşimi alanlarından konuları içerir5. Başa takılan ekranlardaki (HMD) son avantajlar, verileri sürükleyici bir şekilde keşfetmek için gelişmiş olanaklara yol açtı. Bu eğilimler boyunca, yeni etkileşim sistemlerinin geliştirilmesi, kullanıcı yorgunluğunu araştırma ihtiyacı veya sofistike 3D görselleştirmelerin geliştirilmesi gibi yeni zorluklar ve araştırma soruları ortaya çıkmaktadır6. Önceki bir yayın6’da, sürükleyici analitiğin önemli ilkeleri tartışılmaktadır. Büyük verilerin ışığında, karmaşık veri havuzlarının daha iyi analiz edilmesini sağlamak için sürükleyici analitik gibi yöntemlere giderek daha fazla ihtiyaç duyulmaktadır. Sürükleyici analitik çözümlerinin kullanılabilirlik yönlerini araştıran yalnızca birkaç çalışma bulunmaktadır. Ayrıca bu tür çalışmalarda söz konusu alan veya alan da göz önünde bulundurulmalıdır. Bu çalışmada, sürükleyici bir analitik prototipi geliştirildi ve buna dayanarak, Endüstri 4.0 senaryoları için geliştirilen çözümü araştıran bir protokol geliştirildi. Böylece protokol, öznel, performans ve fizyolojik yönlere dayanan deneyim yöntemi2’den yararlanır. Eldeki protokolde, öznel yönler , çalışma kullanıcılarının algılanan stresi ile ölçülür. Performans, sırayla, analiz görevlerini yerine getirmek için gerekli zaman ve yapılan hatalarla ölçülür. Son olarak, bir cilt iletkenlik sensörü fizyolojik parametreleri ölçtü. İlk iki önlem bu çalışmada sunulacaktır, ölçülen cilt iletkenliği ise değerlendirilmesi için daha fazla çaba gerektirmektedir.

Sunulan çalışma, özellikle sinirbilim yönleri ve bilgi sistemleri de dahil olmak üzere çeşitli araştırma alanlarını içermektedir. İlginçtir ki, bilgi sistemlerinin sinirbilimsel yönleriyle ilgili düşünceler son zamanlarda birkaç araştırma grubunun dikkatini çekmiştir 7,8 ve BT sistemlerinin kullanımını bilişsel bir bakış açısıyla da keşfetme talebini göstermektedir. Bu çalışma ile ilgili bir diğer alan ise bilgi sistemlerinin insan faktörlerinin araştırılmasını oluşturmaktadır 9,10,11. İnsan-bilgisayar etkileşimi alanında, bir çözümün kullanılabilirliğini araştırmak için araçlar mevcuttur. Sistem Kullanılabilirlik Ölçeği’nin esas olarak bu bağlamda kullanıldığını unutmayın12. Yüksek Sesle Düşünme Protokolleri13, bilgi sistemlerinin kullanımı hakkında daha fazla bilgi edinmek için yaygın olarak kullanılan bir başka çalışma tekniğidir. Bilgi sistemlerinin kullanılabilirlik yönlerini ölçmek için birçok yaklaşım mevcut olmasına ve bunlardan bazıları uzun zaman önce sunulmuş olmasına rağmen14, hala yeni önlemlerin araştırılması veya çalışma yöntemlerinin araştırılması gereken sorular ortaya çıkmaktadır. Bu nedenle, bu alandaki araştırmalar çok aktiftir12,15,16.

Aşağıda, yaygın olarak kullanılan iki yöntemin mevcut çalışmada neden dikkate alınmadığının nedenleri tartışılacaktır. İlk olarak, Sistem Kullanılabilirlik Ölçeği kullanılmamıştır. Ölçek on soruya dayanmaktadır17 ve kullanımı diğer bazı VR çalışmalarında da bulunabilir18. Bu çalışma esas olarak stresölçümünü amaçladığından 19, stresle ilgili bir anket daha uygun bulunmuştur. İkincisi, Yüksek Sesle Düşünme Protokolü20 kullanılmadı. Bu protokol türü genel olarak kullanışlılığını göstermiş olsa da13, çalışma kullanıcılarının stres seviyesi artabileceğinden, yalnızca yüksek sesle düşünme oturumunun ağır ve karmaşık bir VR cihazının kullanımına paralel olarak gerçekleştirilmesi gerektiği için burada kullanılmamıştır. Bu iki teknik kullanılmamış olmasına rağmen, diğer yeni çalışmaların sonuçları eldeki çalışmaya dahil edilmiştir. Örneğin, önceki çalışmalarda21,22, yazarlar çalışmalarında acemiler ve uzmanlar arasında ayrım yapmaktadır. Bu çalışmaların başarılı sonuçlarına dayanarak, eldeki protokol, çalışma kullanıcılarının bu sunulan ayrımını kullanır. Stres ölçümü, sırayla, aşağıdaki çalışmaların fikirlerine dayanmaktadır 15,19,21,22.

İlk başta, çalışmayı yürütmek için, analitik görevleri yerine getirmek için uygun bir Endüstri 4.0 senaryosu bulunmalıdır. Yazarların başka bir çalışmasından esinlenerek23, iki senaryo (yani analiz görevleri) tanımlanmıştır, (1) Aykırı Değerlerin Tespiti ve (2) Kümelerin Tanınması. Her iki senaryo da zordur ve yüksek verimli üretim makinelerinin bakımı bağlamında son derece önemlidir. Bu karara dayanarak, altı ana husus bu çalışmada sunulan çalışma protokolünü yönlendirmiştir:

  1. Çalışma için geliştirilen çözüm, teknik olarak karma gerçeklik akıllı gözlüklerine dayanacak (bakınız Malzeme Tablosu) ve karma gerçeklik uygulaması olarak geliştirilecektir.
  2. Acemileri ileri düzey kullanıcılardan ayırt edebilen uygun bir test geliştirilmelidir.
  3. Performans ölçümleri zaman ve hataları dikkate almalıdır.
  4. Sürükleyici analiz çözümüyle karşılaştırılabilecek bir masaüstü uygulaması geliştirilmelidir.
  5. Algılanan stres seviyesini değerlendirmek için bir önlem uygulanmalıdır.
  6. İkinci noktaya ek olarak, bir kullanıcı bahsedilen iki analiz görevinin prosedürünü yerine getirirken stres seviyesini azaltmak için özellikler geliştirilmelidir (yani, (1) Aykırı Değerlerin Tespiti ve (2) Kümelerin Tanınması).

Bahsedilen altı noktaya dayanarak, çalışma protokolü aşağıdaki prosedürü içerir. Aykırı Değer Algılama ve Küme Tanıma Analizi görevleri, karma gerçeklik akıllı gözlükleri kullanılarak sürükleyici bir şekilde gerçekleştirilmelidir (bkz. Bu nedenle yeni bir uygulama geliştirildi. Uzamsal sesler, zihinsel çabayı arttırmadan analiz görevlerinin yerine getirilmesini kolaylaştıracaktır. Bir ses özelliği, karma gerçeklik akıllı gözlüklerinin geliştirilmiş uygulaması için kullanılan navigasyonu kolaylaştıracaktır (bkz. Zihinsel rotasyon testi, acemileri ileri düzey kullanıcılardan ayırt etmek için temel oluşturacaktır. Stres seviyesi bir ankete dayanarak ölçülür. Performans, sırayla, bir kullanıcının analiz görevleri için ihtiyaç duyduğu (1) zamana ve bir kullanıcı tarafından analiz görevleri için yapılan (2) hatalara göre değerlendirilir. Karma gerçeklik smartglass’ındaki performans, yeni geliştirilen ve karşılaştırılabilir bir 2D masaüstü uygulamasında aynı görevlerin yerine getirilmesiyle karşılaştırılır. Ek olarak, stres için olası bir gösterge olarak cilt iletkenlik seviyesini ölçmek için bir cilt iletkenlik cihazı kullanılır. Bu ölçümün sonuçları daha fazla analize tabidir ve bu çalışmada tartışılmayacaktır. Yazarlar, aynı cihazla yapılan başka bir çalışmada, ek hususların gerekli olduğunu ortaya koymuşlardır24.

Bu protokole dayanarak, aşağıdaki beş araştırma sorusu (RQ) ele alınmaktadır:

RQ1: Katılımcıların mekansal hayal gücü yetenekleri görevlerin performansını önemli ölçüde etkiliyor mu?
RQ2: Görev performansında zaman içinde önemli bir değişiklik var mı?
RQ3: Sürükleyici analiz çözümünde uzamsal sesleri kullanırken görev performansında önemli bir değişiklik var mı?
RQ4: Geliştirilen sürükleyici analizler kullanıcılar tarafından stresli algılanıyor mu?
RQ5: Kullanıcılar sürükleyici bir analiz çözümü kullanırken 2B yaklaşıma kıyasla daha iyi performans gösteriyor mu?

Şekil 1 , sunulan protokolü iki ölçekle özetlemektedir. Geliştirilen ve kullanılan önlemleri ve etkileşim düzeyine göre yeniliklerini gösterir. Bir VR ortamı için özellikler geliştirirken etkileşim seviyesi önemli bir unsur oluşturduğundan, Şekil 1 bu çalışmada geliştirilen tüm protokolün yeniliğini daha iyi gösterecektir. Kullanılan iki ölçekteki yönlerin değerlendirilmesi öznel olsa da, genel değerlendirmeleri mevcut ilgili çalışmaya ve aşağıdaki ana hususlara dayanmaktadır: Önemli bir ilke, kullanıcının uyum sağladığı doğal bir etkileşim için bir ortamın soyutlamalarının kullanılmasını oluşturur. Eldeki protokolle ilgili olarak, nokta bulutlarının görselleştirilmesi kullanıcılar için sezgisel görünmektedir ve bu tür bulutlardaki kalıpların tanınması genel olarak yönetilebilir bir görev olarak kabul edilmiştir. Bir diğer önemli ilke, bütçeleri bindirmeyi oluşturur. Bu nedenle, eldeki protokolde kullanılan uzamsal seslerin kullanımı, aranan bir nesnenin yakınlığı ile ilişkili oldukları için bir örnektir. Yazarlar, temsilleri, çoğu bilginin insan algısı için en önemli olan ara bölgede bulunacağı şekilde ayarlamayı önermektedir. Yazarların bu ilkeye yer vermemesinin nedeni, kullanıcıyı kendi başlarına en iyi noktayı bulmaya teşvik etmek ve kendilerini bir kerede gösterilemeyecek kadar büyük bir veri görselleştirme alanına yönlendirmeye çalışmaktı. Sunulan yaklaşımda, gösterilecek 3D verilerin özellikleri hakkında başka bir değerlendirme yapılmamıştır. Örneğin, bir boyutun geçici olduğu varsayılırsa, dağılım grafikleri gösterilebilirdi. Yazarlar, bu tür görselleştirmeleri Endüstri 4.0 bağlamında genellikle ilginç buluyorlar. Bununla birlikte, oldukça küçük bir görselleştirme kümesine odaklanmalıdır. Dahası, önceki bir yayın zaten verilerin işbirlikçi analizine odaklanmıştı. Bu çalışmada, bu çalışmada ele alınan diğer konuların karmaşıklığı nedeniyle bu araştırma sorusu hariç tutulmuştur. Burada sunulan kurulumda, kullanıcı etrafta dolaşarak sürükleyici alanı keşfedebilir. Diğer yaklaşımlar, sanal alanı keşfetmek için denetleyiciler sunar. Bu çalışmada Sistem Kullanılabilirlik Ölçeği (SUS) kullanılarak kullanılabilirliğe odaklanılmıştır. Daha önceki bir başka yayın, ekonomik uzmanlar için bir çalışma yürüttü, ancak VR kulaklıklarıyla. Genel olarak ve en önemlisi, bu çalışma, bu çalışmada kullanılan karma gerçeklik akıllı gözlükleri gibi diğer cihazlar için sınırlı görüş alanından şikayet etmektedir (bkz. Bulguları, VR alanında yeni başlayanların analitik aracı verimli bir şekilde kullanabildiklerini göstermektedir. Bu, bu çalışmanın deneyimleriyle eşleşir, ancak bu çalışmada yeni başlayanlar VR veya oyun deneyimlerine sahip olacak şekilde sınıflandırılmamıştır. Çoğu VR çözümünün aksine, karma gerçeklik, gerçek ortamı izlemeye izin verdiği için bir konuma sabitlenmez. Kullanıcıyı masaüstünden kurtarmak için 360 ° ‘lik bir deneyim için özel sandalyelerin kullanılmasından bahsetmek gibi VR yaklaşımları. Yazarları, algı sorunlarının sürükleyici analitiğin performansını etkilediğini belirtmektedir; örneğin, gölgeleri kullanarak. Eldeki çalışma için, kullanılan karma gerçeklik akıllı gözlükleri (malzeme tablosuna bakın) gölgeleri görüntüleyemediğinden, bu mümkün değildir. Geçici bir çözüm sanal bir zemin olabilir, ancak böyle bir kurulum bu çalışmanın kapsamı dışındaydı. Sürükleyici analitik alanındaki bir anket çalışması, 3D dağılım grafiklerini çok boyutlu verilerin en yaygın temsillerinden biri olarak tanımladı. Şekil 1’de gösterilen yönlerin tamamı, şu anda Endüstri 4.0 senaryoları için sürükleyici analitiğin kullanılabilirlik yönlerini araştıran bir protokolde derlenmiş olarak bulunamamaktadır.

Protocol

Tüm materyal ve yöntemler Ulm Üniversitesi Etik Kurulu tarafından onaylanmış ve onaylanan kılavuzlara uygun olarak gerçekleştirilmiştir. Tüm katılımcılar yazılı bilgilendirilmiş onamlarını verdiler. 1. Uygun Çalışma Ortamı Oluşturmak NOT: Çalışma, karmaşık donanım ortamıyla başa çıkmak için kontrollü bir ortamda gerçekleştirilmiştir. Kullanılan karma gerçeklik akıllı gözlükleri (bakınız Malzeme Tablosu) v…

Representative Results

Deneme için Ölçüler OluşturmaAykırı değer algılama görevi için aşağıdaki performans ölçümleri tanımlanmıştır: zaman, yol ve açı. Ölçümler için Şekil 6’ya bakınız. Kırmızı işaretli bir nokta (yani aykırı değer) bulunana kadar zaman kaydedildi. Bu performans ölçüsü, bir katılımcının kırmızı işaretli noktayı bulması için ne kadar zamana ihtiyacı olduğunu gösterir. Zaman, sonuçlarda “zaman” d…

Discussion

Geliştirilen karma gerçeklik akıllı gözlükleri ( bakınız Malzeme Tablosu) uygulaması ile ilgili olarak, iki husus özellikle faydalıydı. Aykırı değerin algılama görevi için uzamsal seslerin kullanımı bir yandan olumlu algılandı (RQ3’ün sonuçlarına bakınız). Öte yandan, sesli komutların kullanımı da olumlu algılandı (bkz. Şekil 10).

Çalışma katılımcıları ile ilgili olarak, işe alınan katılımcıların say?…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Yazarların kabul edecek hiçbir şeyleri yoktur.

Materials

edaMove movisens
HoloLens Microsoft
Matlab R2017a MathWorks
RPY2 GNU General Public License v2 or later (GPLv2+) (GPLv2+) https://pypi.org/project/rpy2/
SPSS 25.0 IBM
DOWNLOAD MATERIALS LIST

Riferimenti

  1. Korinth, M., Sommer-Dittrich, T., Reichert, M., Pryss, R. Design and Evaluation of a Virtual Reality-Based Car Configuration Concept. Science and Information Conference. , 169-189 (2019).
  2. Whalen, T. E., Noël, S., Stewart, J. Measuring the human side of virtual reality. IEEE International Symposium on Virtual Environments, Human-Computer Interfaces and Measurement Systems, 2003. , 8-12 (2003).
  3. Martens, M. A., et al. It feels real: physiological responses to a stressful virtual reality environment and its impact on working memory. Journal of Psychopharmacology. 33 (10), 1264-1273 (2019).
  4. Keim, D. A. Information visualization and visual data mining. IEEE transactions on Visualization and Computer Graphics. 8 (1), 1-8 (2002).
  5. Dwyer, T., et al. Immersive analytics: An introduction. Immersive analytics. , 1-23 (2018).
  6. Moloney, J., Spehar, B., Globa, A., Wang, R. The affordance of virtual reality to enable the sensory representation of multi-dimensional data for immersive analytics: from experience to insight. Journal of Big Data. 5 (1), 53 (2018).
  7. Davis, F. D., Riedl, R., Vom Brocke, J., Léger, P. M., Randolph, A. B. . Information Systems and Neuroscience. , (2018).
  8. Huckins, J. F., et al. Fusing mobile phone sensing and brain imaging to assess depression in college students. Frontiers in Neuroscience. 13, 248 (2019).
  9. Preece, J., et al. . Human-computer interaction. , (1994).
  10. Card, S. K. . The psychology of human-computer interaction. , (2018).
  11. Pelayo, S., Senathirajah, Y. Human factors and sociotechnical issues. Yearbook of Medical Informatics. 28 (01), 078-080 (2019).
  12. Bangor, A., Kortum, P., Miller, J. Determining what individual SUS scores mean: adding an adjective rating scale. Journal of Usability Studies. 4 (3), 114-123 (2009).
  13. Krahmer, E., Ummelen, N. Thinking about thinking aloud: A comparison of two verbal protocols for usability testing. IEEE Transactions on Professional Communication. 47 (2), 105-117 (2004).
  14. Hornbæk, K. Current practice in measuring usability: Challenges to usability studies and research. International Journal of Human-Computer Studies. 64 (2), 79-102 (2006).
  15. Peppa, V., Lysikatos, S., Metaxas, G. Human-Computer interaction and usability testing: Application adoption on B2C websites. Global Journal of Engineering Education. 14 (1), 112-118 (2012).
  16. Alwashmi, M. F., Hawboldt, J., Davis, E., Fetters, M. D. The iterative convergent design for mobile health usability testing: mixed-methods approach. JMIR mHealth and uHealth. 7 (4), 11656 (2019).
  17. System Usability Scale (SUS). Assistant Secretary for Public Affairs Available from: https://www.hhs.gov/about/agencies/aspa/how-to-and-tools/methods/system-usability-scale.html (2013)
  18. Fang, Y. M., Lin, C. The Usability Testing of VR Interface for Tourism Apps. Applied Sciences. 9 (16), 3215 (2019).
  19. Pryss, R., et al. Exploring the Time Trend of Stress Levels While Using the Crowdsensing Mobile Health Platform, TrackYourStress, and the Influence of Perceived Stress Reactivity: Ecological Momentary Assessment Pilot Study. JMIR mHealth and uHealth. 7 (10), 13978 (2019).
  20. Zugal, S., et al. Investigating expressiveness and understandability of hierarchy in declarative business process models. Software & Systems Modeling. 14 (3), 1081-1103 (2015).
  21. Schobel, J., et al. Learnability of a configurator empowering end users to create mobile data collection instruments: usability study. JMIR mHealth and uHealth. 6 (6), 148 (2018).
  22. Schobel, J., Probst, T., Reichert, M., Schickler, M., Pryss, R. Enabling Sophisticated Lifecycle Support for Mobile Healthcare Data Collection Applications. IEEE Access. 7, 61204-61217 (2019).
  23. Hoppenstedt, B., et al. Dimensionality Reduction and Subspace Clustering in Mixed Reality for Condition Monitoring of High-Dimensional Production Data. Sensors. 19 (18), 3903 (2019).
  24. Winter, M., Pryss, R., Probst, T., Reichert, M. Towards the Applicability of Measuring the Electrodermal Activity in the Context of Process Model Comprehension: Feasibility Study. Sensors. 20, 4561 (2020).
  25. Butscher, S., Hubenschmid, S., Müller, J., Fuchs, J., Reiterer, H. Clusters, trends, and outliers: How immersive technologies can facilitate the collaborative analysis of multidimensional data. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems. , 1-12 (2018).
  26. Wagner Filho, J. A., Rey, M. F., Freitas, C. M. D. S., Nedel, L. Immersive analytics of dimensionally-reduced data scatterplots. 2nd Workshop on Immersive Analytics. , (2017).
  27. Batch, A., et al. There is no spoon: Evaluating performance, space use, and presence with expert domain users in immersive analytics. IEEE Transactions on Visualization and Computer Graphics. 26 (1), 536-546 (2019).
  28. Towards hmd-based immersive analytics. HAL Available from: https://hal.archives-ouvertes.fr/hal-01631306 (2017)
  29. Luboschik, M., Berger, P., Staadt, O. On spatial perception issues in augmented reality based immersive analytics. Proceedings of the 2016 ACM Companion on Interactive Surfaces and Spaces. , 47-53 (2016).
  30. Fonnet, A., Prié, Y. Survey of Immersive Analytics. IEEE Transactions on Visualization and Computer. , (2019).
  31. Spielberger, C. D., Gorsuch, R. L., Lushene, R. E. STAI Manual for the Stait-Trait Anxiety Inventory (self-evaluation questionnaire). Consulting Psychologist. 22, 1-24 (1970).
  32. Vandenberg, S. G., Kuse, A. R. Mental rotations, a group test of three-dimensional spatial visualization. Perceptual Motor Skills. 47 (2), 599-604 (1978).
  33. Härtel, S., Gnam, J. P., Löffler, S., Bös, K. Estimation of energy expenditure using accelerometers and activity-based energy models-Validation of a new device. European Review of Aging and Physical Activity. 8 (2), 109-114 (2011).
  34. . RPY2: A Simple and Efficient Access to R from Python Available from: https://sourceforge.net/projects/rpy/ (2020)
  35. Hoppenstedt, B., et al. Applicability of immersive analytics in mixed reality: Usability study. IEEE Access. 7, 71921-71932 (2019).
  36. Hoppenstedt, B. Applicability of Immersive Analytics in Mixed Reality: Usability Study. IEEE Dataport. , (2019).

Tags

UsabilityMixed RealityImmersive AnalyticsIndustry 4.0Smart GlassesSkin ConductanceState-trait Anxiety InventoryMental Rotation TestSpatial SoundOutlier DetectionCluster Recognition

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
Hoppenstedt, B., Probst, T., Reichert, M., Schlee, W., Kammerer, K., Spiliopoulou, M., Schobel, J., Winter, M., Felnhofer, A., Kothgassner, O. D., Pryss, R. Evaluating Usability Aspects of a Mixed Reality Solution for Immersive Analytics in Industry 4.0 Scenarios. J. Vis. Exp. (164), e61349, doi:10.3791/61349 (2020).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image