PostAR

Aufbau einer User Research Strategie für eine Augmented Reality Applikation mit Artificial Intelligence

Rolle

UX Trainee

Vorgehen

Wissenschaftliche Recherche, Research, Prototyping, Testing, Evaluation

Tools

pen & paper

Im Zuge des Trainee Programms "Measuring UX in AR with the power of AI" wurde eine AR-Mobile App entwickelt, um einerseits Reseach-Strategien für AR-Applikationen zu entwickeln und andererseits Research-Methoden, wie quantitative Erhebungen mittels Artificial Intelligence zu entdecken.

Entwicklung einer Research Strategie

Um gängige Research-Methoden auf die Anwendung von AR-Applikationen zu überprüfen, habe ich neben einer ausgiebigen wissenschaftlichen Recherche auch Vorgehensweisen und Erfahrungswerte aus bestehenden AR-Projekten eigeholt, sowie die Erstellung einer eigenen Methode. Daraus resultierte ein Set an Methoden, die bezüglich Nutzeranalysen im AR Bereich verwendet werden können.

Dafür kombinierte ich später quantitative Methoden mit qualitative Methoden, um die Erkenntnisse miteinander zu vergleich. In der folgenden Übersicht wird meine Auswahl der Methoden, die dazugehörigen Annahmen, Forschungsfrage und die Probe abgebildet.

Paleo3.png

Aufstellung eines Use Cases und Planung

Für die praktische Anwendung einer Research-Strategie, habe ich einen Use Case und eine AR Applikation gebraucht. In den Büroräumen der ELCA Informatik AG hängen viele Paleo Poster aus unterschiedlichen Jahren an den Wänden. So entstand die Idee, eine simple AR App zu entwickeln, die durch die Camera-Perspektive Infos zu den jeweiligen Paleo Events anzeigt. Für die Entwicklung der AR App, habe ich Unterstützung eines Unity Entwicklers erhalten.

Durchführung und Evaluation

Ich kombinierte zwei quantitative Methode mit zwei qualitativen Methoden, um einerseits die Fülle der Erkenntnisse zu messen und andererseits die Ähnlichkeit der Erkenntnisse vergleichen zu können. 

 

Qualitativ

Interview und Beobachtungen

Quantitativ

Der Prototyp stand für alle Mitarbeiter für zwei Tage zum testen zur Verfügung. Im Anschluss mussten die Teilnehmer an einer Umfrage teilnehmen. 

Nach der Durchführung der quantitativen und qualitativen Methoden, habe ich die Erkenntnisse innerhalb eines Affinity-Diagrams gruppiert. Dabei hat jede Methode eine eigene Farbe erhalten, damit ich innerhalb der Gruppierungen erkennen konnte, welchen Anteil die Erkenntnisse in den jeweiligen Methoden haben. In der unteren Grafik ist die Gewichtung der Erkenntnisse zu erkennen. 

PostAR4.png

Unterstützend zur Movie-Methode habe ich eine heuristische Checkliste für AR Applikationen erstellt, damit die wichtigen Fokuspunkte beachtet werden können.

Künstliche Intelligenz übernimmt User Research

Wie können diese Methoden nun von KI-Techniken übernommen werden? 

Auch dieser Frage bin ich nachgegangen und habe mit Hilfe von einem Python-Entwickler viele technische Machbarkeiten und Ideen abklären können. Die Kombination aus Eye-Tracking und der klickrate innerhalb der Benutzung hat bereits grosses Potenzial gezeigt. Nur leider lieferte es nicht all zu viele Daten, um die KI damit versorgen zu können. 

Ausserdem beschäftigte ich mich mit der allgemeinen Übernahme von User Research oder das Erstellen von Personas innerhalb bestimmter Branchen durch künstliche Intelligenz. Die Auswertungen von Daten aus Bewertungen oder Social Media Post bieten hohes Potenzial. 

Learning

AR-Apps lösen eine komplett andere Verhaltensweise bei den Nutzern aus, das umso mehr innerhalb der Erhebungsmethoden beachtet werden muss. Es ist schwieriger Testumgebungen aufzubauen, ohne ein gleich fertiges Produkt zu haben. Ein paar Prototyping-Tools, wie Torch haben Potenzial. Dennoch ist die 3D Welt eine andere. Methoden wie die Wizard-of-Oz bieten auch Potenziale, um eine fiktive Situation zu erhalten und letztendlich ein zukünftiges AR-Produkt zu testen.  

Um eine KI aufzubauen und zu entwickeln, braucht es viele Daten und viel Zeit. Zudem kommt immer noch die Frage des Datenschutzes dazu und die Qualität der Daten.