उद्योग 4.0 परिदृश्यों में इमर्सिव एनालिटिक्स के लिए मिश्रित वास्तविकता समाधान के प्रयोज्य पहलुओं का मूल्यांकन
Summary
यह प्रोटोकॉल एक विकसित मिश्रित वास्तविकता अनुप्रयोग की तकनीकी सेटिंग को चित्रित करता है जिसका उपयोग इमर्सिव एनालिटिक्स के लिए किया जाता है। इसके आधार पर, उपाय प्रस्तुत किए जाते हैं, जिनका उपयोग विकसित तकनीकी समाधान के प्रयोज्य पहलुओं में अंतर्दृष्टि प्राप्त करने के लिए एक अध्ययन में किया गया था।
Abstract
चिकित्सा या उद्योग में, उच्च आयामी डेटा सेट का विश्लेषण तेजी से आवश्यक है। हालांकि, उपलब्ध तकनीकी समाधान अक्सर उपयोग करने के लिए जटिल होते हैं। इसलिए, इमर्सिव एनालिटिक्स जैसे नए दृष्टिकोणों का स्वागत है। इमर्सिव एनालिटिक्स विभिन्न उपयोगकर्ता समूहों और डेटा सेटों के लिए सुविधाजनक तरीके से उच्च आयामी डेटा सेट का अनुभव करने का वादा करता है। तकनीकी रूप से, वर्चुअल-रियलिटी उपकरणों का उपयोग इमर्सिव एनालिटिक्स को सक्षम करने के लिए किया जाता है। उदाहरण के लिए, उद्योग 4.0 में, उच्च आयामी डेटा सेट में आउटलायर्स या विसंगतियों की पहचान जैसे परिदृश्यों को इमर्सिव एनालिटिक्स के लक्ष्यों का पीछा किया जाता है। इस संदर्भ में, इमर्सिव एनालिटिक्स पर किसी भी विकसित तकनीकी समाधान के लिए दो महत्वपूर्ण प्रश्नों को संबोधित किया जाना चाहिए: सबसे पहले, तकनीकी समाधान सहायक हो रहे हैं या नहीं? दूसरा, तकनीकी समाधान का शारीरिक अनुभव सकारात्मक या नकारात्मक है? पहला प्रश्न एक तकनीकी समाधान की सामान्य व्यवहार्यता पर लक्षित है, जबकि दूसरे का उद्देश्य पहनने के आराम को लक्षित करना है। मौजूदा अध्ययन और प्रोटोकॉल, जो व्यवस्थित रूप से इन सवालों को संबोधित करते हैं, अभी भी दुर्लभ हैं। इस काम में, एक अध्ययन प्रोटोकॉल प्रस्तुत किया गया है, जो मुख्य रूप से उद्योग 4.0 परिदृश्यों में इमर्सिव एनालिटिक्स के लिए प्रयोज्यता की जांच करता है। विशेष रूप से, प्रोटोकॉल चार स्तंभों पर आधारित है। सबसे पहले, यह पिछले अनुभवों के आधार पर उपयोगकर्ताओं को वर्गीकृत करता है। दूसरा, कार्य प्रस्तुत किए जाते हैं, जिनका उपयोग तकनीकी समाधान की व्यवहार्यता का मूल्यांकन करने के लिए किया जा सकता है। तीसरा, उपाय प्रस्तुत किए जाते हैं, जो उपयोगकर्ता के सीखने के प्रभाव को निर्धारित करते हैं। चौथा, एक प्रश्नावली कार्य करते समय तनाव के स्तर का मूल्यांकन करती है। इन स्तंभों के आधार पर, एक तकनीकी सेटिंग लागू की गई थी जो अध्ययन प्रोटोकॉल को लागू करने के लिए मिश्रित वास्तविकता स्मार्टग्लास का उपयोग करती है। आयोजित अध्ययन के परिणाम एक तरफ प्रोटोकॉल की प्रयोज्यता और दूसरी ओर उद्योग 4.0 परिदृश्यों में इमर्सिव एनालिटिक्स की व्यवहार्यता दिखाते हैं। प्रस्तुत प्रोटोकॉल में खोजी गई सीमाओं की चर्चा शामिल है।
Introduction
वर्चुअल-रियलिटी समाधान (वीआर समाधान) विभिन्न क्षेत्रों में तेजी से महत्वपूर्ण हैं। अक्सर, वीआर समाधान (आभासी वास्तविकता, मिश्रित वास्तविकता और संवर्धित वास्तविकता सहित) के साथ, कई दैनिक कार्यों और प्रक्रियाओं की उपलब्धि को आसान बनाया जाएगा। उदाहरण के लिए, मोटर वाहन डोमेन में, वर्चुअल रियलिटी1 (वीआर) के उपयोग से कार की कॉन्फ़िगरेशन प्रक्रिया का समर्थन किया जा सकता है। शोधकर्ताओं और चिकित्सकों ने इस संदर्भ में कई दृष्टिकोणों और समाधानों की जांच और विकास किया है। हालांकि, प्रयोज्य पहलुओं की जांच करने वाले अध्ययन अभी भी दुर्लभ हैं। सामान्य तौर पर, पहलुओं को दो प्रमुख प्रश्नों के प्रकाश में माना जाना चाहिए। सबसे पहले, यह मूल्यांकन किया जाना चाहिए कि क्या वीआर समाधान वास्तव में एक दृष्टिकोण से बेहतर है जो वीआर तकनीकों का उपयोग नहीं करता है। दूसरा, चूंकि वीआर समाधान मुख्य रूप से भारी और जटिल हार्डवेयर उपकरणों पर निर्भर हैं, पहनने के आराम और मानसिक प्रयास जैसे मापदंडों की अधिक गहराई से जांच की जानी चाहिए। इसके अलावा, उल्लिखित पहलुओं को हमेशा प्रश्न में आवेदन क्षेत्र के संबंध में जांच की जानी चाहिए। यद्यपि कई मौजूदा दृष्टिकोण इन प्रश्नों की जांच करने की आवश्यकता को देखते हैं2, कम अध्ययन मौजूद हैं जिन्होंने परिणाम प्रस्तुत किए हैं।
वीआर के क्षेत्र में एक शोध विषय, जो वर्तमान में महत्वपूर्ण है, को इमर्सिव एनालिटिक्स के साथ निरूपित किया जाता है। यह दृश्य विश्लेषिकी के अनुसंधान क्षेत्र से लिया गया है, जो विश्लेषिकी कार्यों में मानव धारणा को शामिल करने की कोशिश करता है। इस प्रक्रिया को दृश्य डेटा खनन4 के रूप में भी जाना जाता है। इमर्सिव एनालिटिक्स में डेटा विज़ुअलाइज़ेशन, विज़ुअल एनालिटिक्स, वर्चुअल रियलिटी, कंप्यूटर ग्राफिक्स और मानव-कंप्यूटर इंटरैक्शन के क्षेत्र के विषय शामिलहैं। हेड-माउंटेड डिस्प्ले (एचएमडी) में हाल के फायदों ने एक इमर्सिव तरीके से डेटा की खोज के लिए बेहतर संभावनाओं को जन्म दिया। इन रुझानों के साथ, नई चुनौतियां और शोध प्रश्न उभरते हैं, जैसे कि नई इंटरैक्शन सिस्टम का विकास, उपयोगकर्ता थकान की जांच करने की आवश्यकता, या परिष्कृत 3 डी विज़ुअलाइज़ेशन6 का विकास। पिछले प्रकाशन6 में, इमर्सिव एनालिटिक्स के महत्वपूर्ण सिद्धांतों पर चर्चा की गई है। बड़े डेटा के प्रकाश में, जटिल डेटा पूल के बेहतर विश्लेषण को सक्षम करने के लिए इमर्सिव एनालिटिक्स जैसे तरीकों की अधिक से अधिक आवश्यकता होती है। केवल कुछ अध्ययन मौजूद हैं जो इमर्सिव एनालिटिक्स समाधानों के प्रयोज्य पहलुओं की जांच करते हैं। इसके अलावा, ऐसे अध्ययनों में प्रश्न में डोमेन या क्षेत्र पर भी विचार किया जाना चाहिए। इस काम में, एक इमर्सिव एनालिटिक्स प्रोटोटाइप विकसित किया गया था, और उसके आधार पर, एक प्रोटोकॉल, जो उद्योग 4.0 परिदृश्यों के लिए विकसित समाधान की जांच करता है। प्रोटोकॉल इस प्रकार अनुभव विधि2 का फायदा उठाता है, जो व्यक्तिपरक, प्रदर्शन और शारीरिक पहलुओं पर आधारित है। हाथ में प्रोटोकॉल में, व्यक्तिपरक पहलुओं को अध्ययन उपयोगकर्ताओं के कथित तनाव के माध्यम से मापा जाता है। प्रदर्शन, बदले में, आवश्यक समय और त्रुटियों के माध्यम से मापा जाता है जो विश्लेषण कार्यों को पूरा करने के लिए किए जाते हैं। अंत में, एक त्वचा चालकता सेंसर ने शारीरिक मापदंडों को मापा। इस काम में पहले दो उपाय प्रस्तुत किए जाएंगे, जबकि मापा त्वचा चालकता का मूल्यांकन करने के लिए आगे के प्रयासों की आवश्यकता होती है।
प्रस्तुत अध्ययन में कई शोध क्षेत्र शामिल हैं, विशेष रूप से तंत्रिका विज्ञान पहलुओं और सूचना प्रणालियों सहित। दिलचस्प बात यह है कि सूचना प्रणालियों के तंत्रिका विज्ञान पहलुओं पर विचार ने हाल ही में कई शोध समूहों 7,8 का ध्यान आकर्षित किया है, जो संज्ञानात्मक दृष्टिकोण से भी आईटी सिस्टम के उपयोग का पता लगाने की मांग दिखाता है। एक अन्य क्षेत्र जो इस काम के लिए प्रासंगिक है, वह सूचना प्रणाली 9,10,11 के मानव कारकों की जांच का गठन करता है। मानव-कंप्यूटर इंटरैक्शन के क्षेत्र में, एक समाधान की प्रयोज्यता की जांच करने के लिए उपकरण मौजूद हैं। ध्यान दें कि सिस्टम प्रयोज्य स्केल मुख्य रूप से इस संदर्भ12 में उपयोग किया जाता है। थिंकिंग अलाउड प्रोटोकॉल13 सूचना प्रणालियों के उपयोग के बारे में अधिक जानने के लिए एक और व्यापक रूप से उपयोग की जाने वाली अध्ययन तकनीक है। यद्यपि सूचना प्रणालियों के प्रयोज्य पहलुओं को मापने के लिए कई दृष्टिकोण मौजूद हैं, और उनमें से कुछको बहुत पहले प्रस्तुत किया गया है, फिर भी ऐसे प्रश्न उभरते हैं जिन्हें नए उपायों या अध्ययन विधियों की जांच करने की आवश्यकता होती है। इसलिए, इस क्षेत्र में अनुसंधान बहुत सक्रियहै 12,15,16.
निम्नलिखित में, उन कारणों पर चर्चा की जाएगी कि वर्तमान कार्य में दो प्रचलित रूप से उपयोग की जाने वाली विधियों पर विचार क्यों नहीं किया गया है। सबसे पहले, सिस्टम प्रयोज्य स्केल का उपयोग नहीं किया गया था। पैमाना दसप्रश्नों 17 पर आधारित है और इसका उपयोग कई अन्य वीआरअध्ययनों 18 में भी पाया जा सकता है। जैसा कि इस अध्ययन का उद्देश्य मुख्य रूप से तनाव19 का माप करना है, तनाव से संबंधित प्रश्नावली अधिक उपयुक्त थी। दूसरा, कोई थिंकिंग अलाउड प्रोटोकॉल20 का उपयोग नहीं किया गया था। यद्यपि इस प्रोटोकॉल प्रकार ने सामान्य13 में अपनी उपयोगिता दिखाई है, इसका उपयोग यहां नहीं किया गया था क्योंकि अध्ययन उपयोगकर्ताओं का तनाव स्तर केवल इस तथ्य के कारण बढ़ सकता है कि थिंक अलाउड सत्र को भारी और जटिल वीआर डिवाइस के उपयोग के समानांतर पूरा किया जाना चाहिए। हालांकि इन दो तकनीकों का उपयोग नहीं किया गया है, लेकिन अन्य हालिया अध्ययनों के परिणामों को अध्ययन में शामिल किया गया है। उदाहरण के लिए, पिछलेकार्यों 21,22 में, लेखक अपने अध्ययन में नौसिखियों और विशेषज्ञों के बीच अंतर करते हैं। इन अध्ययनों के सफल परिणाम के आधार पर, प्रोटोकॉल अध्ययन उपयोगकर्ताओं के इस प्रस्तुत पृथक्करण का उपयोग करता है। तनाव माप, बदले में, निम्नलिखित कार्यों15,19,21,22 के विचारों पर आधारित है।
सबसे पहले, अध्ययन करने के लिए, विश्लेषणात्मक कार्यों को पूरा करने के लिए एक उपयुक्त उद्योग 4.0 परिदृश्य पाया जाना चाहिए। लेखकों के एक अन्य काम से प्रेरित होकर, दो परिदृश्यों (यानी, विश्लेषण कार्यों) की पहचान की गई है, (1) आउटलायर्स का पता लगाना, और (2) क्लस्टर की पहचान। दोनों परिदृश्य चुनौतीपूर्ण हैं, और उच्च-थ्रूपुट उत्पादन मशीनों के रखरखाव के संदर्भ में अत्यधिक प्रासंगिक हैं। इस निर्णय के आधार पर, छह प्रमुख विचारों ने इस काम में प्रस्तुत अध्ययन प्रोटोकॉल को प्रेरित किया है:
- अध्ययन के लिए विकसित समाधान तकनीकी रूप से मिश्रित वास्तविकता स्मार्टग्लास ( सामग्री की तालिका देखें) पर आधारित होगा और इसे मिश्रित वास्तविकता अनुप्रयोग के रूप में विकसित किया जाएगा।
- एक उपयुक्त परीक्षण विकसित किया जाना चाहिए, जो नौसिखियों को उन्नत उपयोगकर्ताओं से अलग करने में सक्षम है।
- प्रदर्शन उपायों को समय और त्रुटियों पर विचार करना चाहिए।
- एक डेस्कटॉप एप्लिकेशन विकसित किया जाना चाहिए, जिसकी तुलना इमर्सिव एनालिटिक्स समाधान से की जा सकती है।
- कथित तनाव स्तर का मूल्यांकन करने के लिए एक उपाय लागू किया जाना चाहिए।
- बाद के बिंदु के अलावा, तनाव स्तर को कम करने के लिए सुविधाओं को विकसित किया जाएगा, जबकि एक उपयोगकर्ता दो उल्लिखित विश्लेषण कार्यों की प्रक्रिया को पूरा करता है (यानी, (1) आउटलायर्स का पता लगाना, और (2) क्लस्टर की मान्यता)।
छह उल्लिखित बिंदुओं के आधार पर, अध्ययन प्रोटोकॉल में निम्नलिखित प्रक्रिया शामिल है। आउटलायर डिटेक्शन और क्लस्टर रिकग्निशन विश्लेषण कार्यों को मिश्रित वास्तविकता स्मार्टग्लास का उपयोग करके इमर्सिव तरीके से पूरा किया जाना है (सामग्री की तालिका देखें)। इसलिए, एक नया एप्लिकेशन विकसित किया गया था। स्थानिक ध्वनियां मानसिक प्रयास को बढ़ाए बिना विश्लेषण कार्यों के प्रदर्शन को आसान बना देंगी। एक आवाज सुविधा मिश्रित वास्तविकता स्मार्टग्लास के विकसित अनुप्रयोग के लिए उपयोग किए जाने वाले नेविगेशन को आसान बनाएगी (सामग्री की तालिका देखें)। एक मानसिक रोटेशन परीक्षण नौसिखियों को उन्नत उपयोगकर्ताओं से अलग करने का आधार होगा। तनाव का स्तर एक प्रश्नावली के आधार पर मापा जाता है। प्रदर्शन, बदले में, विश्लेषण कार्यों के लिए उपयोगकर्ता द्वारा आवश्यक (1) समय के आधार पर और विश्लेषण कार्यों के लिए उपयोगकर्ता द्वारा की गई (2) त्रुटियों के आधार पर मूल्यांकन किया जाता है। मिश्रित वास्तविकता स्मार्टग्लास में प्रदर्शन की तुलना एक नए विकसित और तुलनीय 2 डी डेस्कटॉप एप्लिकेशन में समान कार्यों की उपलब्धि के साथ की जाती है। इसके अलावा, तनाव के लिए एक संभावित संकेतक के रूप में त्वचा के चालकता स्तर को मापने के लिए एक त्वचा चालकता उपकरण का उपयोग किया जाता है। इस माप के परिणाम आगे के विश्लेषण के अधीन हैं और इस काम में चर्चा नहीं की जाएगी। लेखकों ने उसी उपकरण के साथ एक अन्य अध्ययन में खुलासा किया कि अतिरिक्त विचारों की आवश्यकता है।
इस प्रोटोकॉल के आधार पर, निम्नलिखित पांच शोध प्रश्नों (आरक्यू) को संबोधित किया जाता है:
आरक्यू 1: क्या प्रतिभागियों की स्थानिक कल्पना क्षमताएं कार्यों के प्रदर्शन को महत्वपूर्ण रूप से प्रभावित करती हैं?
आरक्यू 2: क्या समय के साथ कार्य प्रदर्शन में महत्वपूर्ण बदलाव हुआ है?
आरक्यू 3: क्या इमर्सिव एनालिटिक्स समाधान में स्थानिक ध्वनियों का उपयोग करते समय कार्य प्रदर्शन में महत्वपूर्ण परिवर्तन होता है?
आरक्यू 4: क्या विकसित इमर्सिव एनालिटिक्स को उपयोगकर्ताओं द्वारा तनावपूर्ण माना जाता है?
आरक्यू 5: क्या उपयोगकर्ता 2 डी दृष्टिकोण की तुलना में इमर्सिव एनालिटिक्स समाधान का उपयोग करते समय बेहतर प्रदर्शन करते हैं?
चित्रा 1 दो पैमानों के संबंध में प्रस्तुत प्रोटोकॉल को सारांशित करता है। यह बातचीत के स्तर के संबंध में विकसित और उपयोग किए गए उपायों और उनकी नवीनता को दर्शाता है। चूंकि वीआर सेटिंग के लिए सुविधाओं को विकसित करते समय इंटरैक्शन स्तर एक महत्वपूर्ण पहलू का गठन करता है, इसलिए चित्रा 1 इस काम में विकसित पूरे प्रोटोकॉल की नवीनता को बेहतर ढंग से दिखाएगा। यद्यपि दो उपयोग किए गए पैमानों के भीतर पहलुओं का मूल्यांकन व्यक्तिपरक है, उनका समग्र मूल्यांकन वर्तमान संबंधित कार्य और निम्नलिखित प्रमुख विचारों पर आधारित है: एक महत्वपूर्ण सिद्धांत प्राकृतिक बातचीत के लिए एक पर्यावरण की अमूर्तता के उपयोग का गठन करता है, जिसमें उपयोगकर्ता अभ्यस्त हो गया है। हाथ में प्रोटोकॉल के संबंध में, बिंदु बादलों का विज़ुअलाइज़ेशन उपयोगकर्ताओं के लिए सहज प्रतीत होता है और ऐसे बादलों में पैटर्न की पहचान को सामान्य रूप से एक प्रबंधनीय कार्य के रूप में मान्यता दी गई है। एक अन्य महत्वपूर्ण सिद्धांत उपभोग को ओवरले करना है। इसके द्वारा, हाथ में प्रोटोकॉल में उपयोग की जाने वाली स्थानिक ध्वनियों का उपयोग एक उदाहरण है, क्योंकि वे खोजी गई वस्तु की निकटता के साथ सहसंबंधित हैं। लेखक प्रतिनिधित्व को इस तरह से ट्यून करने की सलाह देते हैं कि अधिकांश जानकारी मध्यवर्ती क्षेत्र में स्थित है, जो मानव धारणा के लिए सबसे महत्वपूर्ण है। लेखकों ने इस सिद्धांत को शामिल नहीं करने का कारण उपयोगकर्ता को स्वयं द्वारा सबसे अच्छा स्थान खोजने के साथ-साथ डेटा विज़ुअलाइज़ेशन स्पेस में खुद को उन्मुख करने की कोशिश करने के लिए प्रोत्साहित करना था, जो एक बार में दिखाए जाने के लिए बहुत बड़ा है। प्रस्तुत दृष्टिकोण में, दिखाए जाने वाले 3 डी डेटा की विशेषताओं का कोई और विचार नहीं किया गया था। उदाहरण के लिए, यदि किसी आयाम को अस्थायी माना जाता है, तो स्कैटरप्लॉट दिखाए जा सकते थे। लेखक इस तरह के विज़ुअलाइज़ेशन को आम तौर पर उद्योग 4.0 के संदर्भ में दिलचस्प मानते हैं। हालांकि, इसे विज़ुअलाइज़ेशन के एक यथोचित छोटे सेट पर केंद्रित किया जाना चाहिए। इसके अलावा, एक पिछला प्रकाशन पहले से ही डेटा के सहयोगी विश्लेषण पर केंद्रित था। इस काम में, इस अध्ययन में अन्य संबोधित मुद्दों की जटिलता के कारण इस शोध प्रश्न को बाहर रखा गया था। यहां प्रस्तुत सेटअप में, उपयोगकर्ता चारों ओर घूमकर इमर्सिव स्पेस का पता लगाने में सक्षम है। अन्य दृष्टिकोण नियंत्रकों को आभासी स्थान का पता लगाने की पेशकश करते हैं। इस अध्ययन में, सिस्टम प्रयोज्य पैमाने (एसयूएस) का उपयोग करके प्रयोज्यता पर ध्यान केंद्रित किया गया है। एक अन्य पिछले प्रकाशन ने आर्थिक विशेषज्ञों के लिए एक अध्ययन किया है, लेकिन वीआर हेडसेट के साथ। सामान्य तौर पर, और सबसे महत्वपूर्ण बात, यह अध्ययन इस काम में उपयोग किए गए मिश्रित वास्तविकता स्मार्टग्लास जैसे अन्य उपकरणों के लिए सीमित क्षेत्र के बारे में शिकायत करता है (सामग्री की तालिका देखें)। उनके निष्कर्ष बताते हैं कि वीआर के क्षेत्र में शुरुआती विश्लेषणात्मक उपकरण का कुशलतापूर्वक उपयोग करने में सक्षम थे। यह इस अध्ययन के अनुभवों से मेल खाता है, हालांकि इस काम में शुरुआती लोगों को वीआर या गेमिंग अनुभवों के लिए वर्गीकृत नहीं किया गया था। अधिकांश वीआर समाधानों के विपरीत, मिश्रित वास्तविकता एक स्थिति के लिए तय नहीं है क्योंकि यह वास्तविक वातावरण को ट्रैक करने की अनुमति देता है। वीआर दृष्टिकोण जैसे उपयोगकर्ता को अपने डेस्कटॉप से मुक्त करने के लिए 360 ° अनुभव के लिए विशेष कुर्सियों के उपयोग का उल्लेख करना। लेखकों ने संकेत दिया कि धारणा के मुद्दे इमर्सिव एनालिटिक्स के प्रदर्शन को प्रभावित करते हैं; उदाहरण के लिए, छाया का उपयोग करके। हाथ में अध्ययन के लिए, यह संभव नहीं है, क्योंकि उपयोग किए गए मिश्रित वास्तविकता स्मार्टग्लास (सामग्री की तालिका देखें) छाया प्रदर्शित करने में सक्षम नहीं हैं। एक वर्कअराउंड एक आभासी मंजिल हो सकता है, लेकिन ऐसा सेटअप इस अध्ययन के दायरे से बाहर था। इमर्सिव एनालिटिक्स के क्षेत्र में एक सर्वेक्षण अध्ययन ने 3 डी स्कैटरप्लॉट्स को बहु-आयामी डेटा के सबसे आम प्रतिनिधित्वों में से एक के रूप में पहचाना। कुल मिलाकर, चित्रा 1 में दिखाए गए पहलुओं को वर्तमान में एक प्रोटोकॉल के लिए संकलित नहीं किया जा सकता है जो उद्योग 4.0 परिदृश्यों के लिए इमर्सिव एनालिटिक्स के प्रयोज्य पहलुओं की जांच करता है।
Protocol
Representative Results
Discussion
विकसित मिश्रित वास्तविकता स्मार्टग्लास ( सामग्री की तालिका देखें) आवेदन के बारे में, दो पहलू विशेष रूप से फायदेमंद थे। आउटलायर के पहचान कार्य के लिए स्थानिक ध्वनियों का उपयोग सकारात्मक रूप से ए?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
लेखकों के पास स्वीकार करने के लिए कुछ भी नहीं है।
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 |
References
- 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).
- 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).
- 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).
- Keim, D. A. Information visualization and visual data mining. IEEE transactions on Visualization and Computer Graphics. 8 (1), 1-8 (2002).
- Dwyer, T., et al. Immersive analytics: An introduction. Immersive analytics. , 1-23 (2018).
- 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).
- Davis, F. D., Riedl, R., Vom Brocke, J., Léger, P. M., Randolph, A. B. . Information Systems and Neuroscience. , (2018).
- Huckins, J. F., et al. Fusing mobile phone sensing and brain imaging to assess depression in college students. Frontiers in Neuroscience. 13, 248 (2019).
- Preece, J., et al. . Human-computer interaction. , (1994).
- Card, S. K. . The psychology of human-computer interaction. , (2018).
- Pelayo, S., Senathirajah, Y. Human factors and sociotechnical issues. Yearbook of Medical Informatics. 28 (01), 078-080 (2019).
- 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).
- 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).
- Hornbæk, K. Current practice in measuring usability: Challenges to usability studies and research. International Journal of Human-Computer Studies. 64 (2), 79-102 (2006).
- 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).
- 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).
- 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)
- Fang, Y. M., Lin, C. The Usability Testing of VR Interface for Tourism Apps. Applied Sciences. 9 (16), 3215 (2019).
- 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).
- Zugal, S., et al. Investigating expressiveness and understandability of hierarchy in declarative business process models. Software & Systems Modeling. 14 (3), 1081-1103 (2015).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Towards hmd-based immersive analytics. HAL Available from: https://hal.archives-ouvertes.fr/hal-01631306 (2017)
- 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).
- Fonnet, A., Prié, Y. Survey of Immersive Analytics. IEEE Transactions on Visualization and Computer. , (2019).
- 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).
- Vandenberg, S. G., Kuse, A. R. Mental rotations, a group test of three-dimensional spatial visualization. Perceptual Motor Skills. 47 (2), 599-604 (1978).
- 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).
- . RPY2: A Simple and Efficient Access to R from Python Available from: https://sourceforge.net/projects/rpy/ (2020)
- Hoppenstedt, B., et al. Applicability of immersive analytics in mixed reality: Usability study. IEEE Access. 7, 71921-71932 (2019).
- Hoppenstedt, B. Applicability of Immersive Analytics in Mixed Reality: Usability Study. IEEE Dataport. , (2019).
