中断任务恢复的AR提示可靠性影响用户的恢复策略和性能

荣誉提名
AR 导航与情境感知通知与中断管理

研究背景与问题

  • 作者发现了哪些问题或挑战?

    • 任务被打断后,人们恢复任务的效率和准确性通常会显著下降,可能导致延迟和错误。
    • 虽然传统的环境线索(如手中的物品)可以帮助恢复任务,但其有效性有限。增强现实(AR)线索提供了更多灵活性,但在实际应用中可能因技术限制而不具备100%的可靠性。
    • AR线索的亚理想可靠性(例如低于70%的可靠性)可能显著影响人的任务恢复表现,但目前鲜有研究探讨细化的可靠性水平如何影响恢复策略和结果。
  • 为什么这个问题很重要?

    • 打断和任务恢复广泛出现在高风险领域,如医疗、航空和制造业。理解与改进AR线索在这些任务中的表现具有重要意义,可提高整体效率并减少错误风险。
    • 可靠性水平如何影响恢复策略的选择及其与任务性能的关系,是设计有效恢复辅助工具的关键。
  • 研究动机与相关工作

    • 现有研究表明100%可靠的AR线索对任务恢复有效,但现实中实现完全可靠的AR系统极具挑战性。
    • 多项文献指出,自动化的效率和对用户任务性能的增强在可靠性低于70%时大幅下降。
    • 此研究通过实验,首次系统性探讨了不同可靠性水平(64%、86%、100%)下AR线索对任务恢复的影响。

解决方案

  • 作者提出了哪些方法或解决方案?

    • 设计了一项实验,研究用户在被打断的物理分类任务中的恢复表现,使用AR线索的可靠性(100%、86%、64%和无线索)作为主要变量。
    • 采用“记忆目标理论”作为理论框架,通过测量恢复延迟(resumption lag)和恢复错误(resumption errors)量化任务恢复表现。
    • 分析AR线索的可靠性如何影响用户选择的恢复策略(如依靠线索、记忆任务进度等)。
  • 该解决方案的创新之处是什么?

    • 在已有100%可靠线索研究基础上,首次探讨不完全可靠的AR线索对任务恢复的影响。
    • 将AR线索的可靠性与任务恢复策略联系起来,揭示可靠性对策略选择和最终任务表现的双重作用。
    • 通过分离“线索存在”和“线索缺失”的情境,细化了不同可靠性情境下的比较分析。
  • 实施步骤是什么?使用了哪些关键技术?

    1. 实验设计: 基于药丸分类任务(源于Bahnsen的研究),参与者需要按照AR指令将对应颜色的药丸放入特定盒子中。
    2. 干扰任务: 在任务进行中引入15秒或45秒的数学中断任务,模拟真实工作场景中的打断。
    3. 环境设置: 使用Microsoft HoloLens 2提供AR线索,线索以红色箭头形式显示当前任务应恢复的药丸。
    4. 变量控制: 在不同实验组中,设定AR线索可靠性(100%、86%、64%或无线索)。
    5. 数据分析: 测量恢复延迟和错误率,分类参与者的恢复策略,结合统计分析探讨可靠性与策略间的关系。

研究成果

  • 取得了哪些具体成果?

    • 任务恢复表现: 100%可靠的AR线索显著减少了恢复延迟和恢复错误,尤其是在较长中断时。
    • 亚理想可靠性影响:
      • 总体上,86%和64%可靠的线索仍优于无线索情境,但表现随着可靠性降低而减弱。
      • 86%可靠性组在线索缺失时更多依赖“检查任务状态”(但效率较低的策略),错误率未增加。
      • 64%可靠性组更多采用“记忆任务状态”(更快但错误率较高),其效果低于无线索组。
    • 策略选择: AR线索的可靠性显著影响了参与者选择的恢复策略,反过来影响了性能。
  • 与现有解决方案相比,它有哪些优势?

    • 探讨了不同可靠性下的任务恢复性能和策略,不仅考虑了任务恢复时间,还分析了错误率和策略。
    • 提供了针对不同任务可靠性设计AR线索的实用见解,帮助权衡效率和准确性。
  • 实验或评估结果是什么?

    • 在100%可靠性组中,几乎所有参与者选择“完全依赖线索”,恢复效率最高,错误率最低。
    • 在64%可靠性组中,因线索缺失引起的恢复慢且错误率增加,表明低于70%的可靠性可能引发策略和性能问题。
    • 即使在64%可靠性条件下,线索提供期间的任务恢复表现仍显著优于无线索情境,表明不完全可靠的线索仍有助益。
  • 局限性与未来方向

    • 局限性:
      • 实验任务模式较简单,未完全模拟实际工作环境的复杂性。
      • 中断频率高于实际工作场景,限制了一些策略的自然发展。
      • 采取较为明显的“线索丢失”故障,而非更隐蔽的“错误线索”,可能对参与者的信任和策略影响有限。
    • 未来方向:
      • 针对更复杂场景(如制造过程或医疗护理任务)的验证研究。
      • 探讨更多自动化故障形式对任务恢复表现及用户信任的影响。
      • 结合计算理论模型进一步预测不同可靠性下的任务恢复表现。

总结

该研究系统探讨了不同可靠性级别下的AR线索在中断任务恢复中的作用,揭示了可靠性对任务恢复效率、错误率及策略选择的深远影响。研究结果不仅证实了亚理想可靠性线索的部分有效性,还为实际应用场景中如何优化AR线索设计提供了重要依据。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/188761/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713685
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
荣誉提名
group
作者
3 位作者
sell
研究子方向
AR 导航与情境感知、通知与中断管理
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文