Les outils de suivi oculaire sont-ils efficaces pour les tests utilisateurs?
Les outils de suivi oculaire sont très attrayants pour les gestionnaires, ils sont commercialisables et donnent le sens de la technologie de pointe dans la conception de nos produits, etc.
Existe-t-il des études sur l'efficacité de l'eye tracking lorsqu'il est appliqué aux tests utilisateurs?
Par efficace, je ne fais pas référence à la précision du suivi des yeux, cela dépend évidemment de la technologie, je fais référence aux informations qu'ils produisent et à la manière dont ils réfléchissent aux décisions prises par les concepteurs par la suite.
Je ne pense pas que l'on puisse répondre à cette question en général, car en fin de compte, les tests de suivi oculaire ne capturent que le mouvement des yeux de l'utilisateur et ne peuvent pas vous dire exactement pourquoi l'utilisateur fait quelque chose (car c'est la même chose avec tous les tests utilisateur). ).
La façon dont les tests oculaires ont souvent été utilisés, comme vous l'avez souligné, est de fournir un soutien pour certaines décisions à prendre, et souvent les tests utilisateur sont `` truqués '' pour fournir le résultat souhaité. Autrement dit, les expérimentateurs introduisent souvent intentionnellement ou accidentellement des biais dans les tests et l'analyse des résultats à la recherche d'une réponse qu'ils attendent.
Nous savons donc déjà de la littérature existante dans le domaine de la psychologie comment l'eye-tracking a été utilisé pour détecter les mouvements de signature lors de l'analyse de l'expression des personnes, y compris le mouvement des yeux pour détecter les signes de tromperie , et il a a également été utilisé pour détecter des modèles de numérisation lors de l'analyse de la perception qu'ont les gens de leur image corporelle dans des maladies mentales telles que anorexie mentale .
Il semble que ces applications soient efficaces car elles essaient de capter le mouvement subconscient des yeux et de les séparer des mouvements conscients, qui peuvent être influencés par un certain nombre de facteurs. Donc, si vous pouvez créer des tests qui excluent un grand nombre de facteurs variables, il est plus susceptible d'être efficace pour tester par l'utilisateur l'hypothèse que vous testez.