Destaque Visual e Carga Cognitiva em Design de Sites
Esse estudo analisa como o destaque visual afeta a atenção do usuário sob carga cognitiva.
― 5 min ler
Índice
O destaque visual é um jeito de chamar a atenção dos usuários em interfaces (UIs). Isso é feito mudando as características visuais de certos elementos, tipo cor ou brilho. Embora se saiba que ajuda os usuários a se concentrar, a eficácia disso quando a galera tá sobrecarregada mentalmente não foi muito estudada. Este artigo investiga como diferentes tipos de destaque visual, juntos com a Carga Cognitiva de multitarefas, afetam onde as pessoas olham quando estão usando páginas da web complexas.
O Que Fizemos
Nosso estudo envolveu 27 participantes que olharam 150 designs diferentes de páginas da web sob várias condições. Queríamos ver como dois fatores influenciavam a atenção deles: o tipo de destaque visual (estático ou dinâmico) e a carga cognitiva de uma tarefa secundária.
Os participantes viram páginas da web em três cenários de destaque: sem destaque, destaque permanente e destaque dinâmico que aparecia depois de três segundos. Eles também fizeram uma tarefa secundária que ou não exigia muito esforço mental ou exigia bastante. Coletamos dados sobre onde o olhar deles estava focado enquanto interagiam com essas páginas.
Principais Descobertas
Efeito da Carga Cognitiva: À medida que a carga cognitiva dos participantes aumentava, a capacidade deles de notar os diferentes elementos na página diminuía. Eles tinham mais dificuldade em absorver informações quando estavam ocupados tentando contar em voz alta ou fazer qualquer outra coisa que exigisse esforço mental.
Destaque Visual Funciona: Quando uma área de uma página estava destacada, os participantes tendiam a notar mais. Eles focavam mais tempo nas áreas destacadas em comparação com outras partes da página, mesmo que essas partes normalmente chamassem a atenção.
Destaque Dinâmico vs. Estático: O destaque dinâmico, que aparecia depois de um tempo, foi especialmente eficaz em chamar atenção. Os participantes percebiam rapidamente as áreas destacadas dinamicamente, mesmo sob alta carga cognitiva. Os destaques estáticos também tiveram um efeito, mas não tão forte quanto os dinâmicos.
Impactos no Comportamento Geral do Olhar: Quando os destaques estavam presentes, os participantes tendiam a explorar menos a página. Isso significa que olhavam para menos áreas no geral, focando mais nas partes destacadas. No entanto, o destaque dinâmico ajudou a mitigar esse efeito, permitindo que os participantes explorassem mais áreas.
Desempenho dos Modelos de Saliência: Os modelos de saliência, que são ferramentas usadas para prever onde as pessoas vão olhar com base em entradas visuais, se saíram melhor quando consideravam diferentes tipos de destaque e carga cognitiva. Isso indica que entender a atenção do usuário requer considerar esses fatores.
Entendendo a Atenção do Usuário
Atenção é um recurso limitado; as pessoas não conseguem se concentrar em tudo ao mesmo tempo. Esta pesquisa buscou identificar como os sinais visuais influenciam o que as pessoas olham, especialmente quando estão distraídas ou sobrecarregadas.
Como o Destaque Afeta a Atenção
O destaque visual pode guiar os usuários para informações importantes em interfaces complexas. Mudando coisas como cor ou movimento, os designers podem direcionar os olhos dos usuários para o que eles querem que eles foquem. Pesquisas mostraram que certos sinais visuais podem ser mais eficazes que outros.
Carga Cognitiva e Seus Efeitos
Carga cognitiva se refere ao esforço mental necessário para realizar uma tarefa. Quando uma pessoa está exposta a uma carga cognitiva alta, isso pode levar à "visão em túnel". Isso significa que ela pode perder detalhes importantes na visão periférica. Nosso estudo descobriu que quando a carga cognitiva era alta, os participantes tinham tempos de fixação longos e menos fixações no geral. Isso sugere que estavam sobrecarregados e não conseguiam processar tanta informação.
Aprendendo a Prever Atenção
A previsão de saliência é sobre entender onde os usuários provavelmente vão olhar. Métodos tradicionais muitas vezes não consideravam os efeitos do destaque visual. No nosso estudo, usamos uma nova abordagem que leva esses fatores em conta, melhorando como conseguimos modelar para onde as pessoas vão direcionar o olhar.
O Papel do Conjunto de Dados
O conjunto de dados coletado durante este estudo é importante porque fornece insights sobre como diferentes condições influenciam a atenção do usuário. Com os dados de rastreamento ocular coletados, os pesquisadores podem investigar mais a fundo o comportamento do usuário em várias configurações e aprimorar modelos que prevêem padrões de olhar.
Implicações para o Design de Interfaces
Os resultados deste estudo têm implicações para como as interfaces são projetadas. Compreendendo melhor a atenção do usuário, os designers podem criar estratégias de destaque visual mais eficazes. Esta pesquisa sugere que combinar destaque dinâmico com consideração da carga cognitiva pode melhorar significativamente o engajamento do usuário e o desempenho nas tarefas.
Conclusão
Resumindo, nossa pesquisa mostra que o destaque visual é um método eficaz para guiar a atenção em interfaces de usuário. No entanto, a carga cognitiva pode atrapalhar a eficácia desses sinais visuais. O destaque dinâmico parece ser particularmente benéfico, mesmo sob alta carga cognitiva. Nossas descobertas estabelecem as bases para modelos preditivos mais avançados e fornecem insights valiosos para designers de interfaces.
Ao continuar explorando como os elementos visuais e fatores cognitivos se interagem, podemos aprimorar ainda mais como os usuários interagem com ambientes digitais complexos. Essa compreensão ajudará a criar designs mais amigáveis que guiem efetivamente a atenção e facilitem um melhor processamento de informações.
Título: Shifting Focus with HCEye: Exploring the Dynamics of Visual Highlighting and Cognitive Load on User Attention and Saliency Prediction
Resumo: Visual highlighting can guide user attention in complex interfaces. However, its effectiveness under limited attentional capacities is underexplored. This paper examines the joint impact of visual highlighting (permanent and dynamic) and dual-task-induced cognitive load on gaze behaviour. Our analysis, using eye-movement data from 27 participants viewing 150 unique webpages reveals that while participants' ability to attend to UI elements decreases with increasing cognitive load, dynamic adaptations (i.e., highlighting) remain attention-grabbing. The presence of these factors significantly alters what people attend to and thus what is salient. Accordingly, we show that state-of-the-art saliency models increase their performance when accounting for different cognitive loads. Our empirical insights, along with our openly available dataset, enhance our understanding of attentional processes in UIs under varying cognitive (and perceptual) loads and open the door for new models that can predict user attention while multitasking.
Autores: Anwesha Das, Zekun Wu, Iza Škrjanec, Anna Maria Feit
Última atualização: 2024-05-02 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2404.14232
Fonte PDF: https://arxiv.org/pdf/2404.14232
Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.
Ligações de referência
- https://creativecommons.org/licenses/by-nc-sa/4.0/
- https://dl.acm.org/ccs.cfm
- https://perspicuous-computing.science
- https://www.tobii.com/
- https://doi.org/10.18637/jss.v067.i01
- https://doi.org/10.1145/3173574.3173856
- https://doi.org/10.1145/3526113.3545651
- https://doi.org/10.1145/3379155.3391321
- https://doi.org/10.1145/3025453.3025599
- https://doi.org/10.1609/aimag.v30i4.2268
- https://doi.org/10.1177/001872088903100206
- https://doi.org/10.1145/3332165.3347945
- https://doi.org/10.1145/3491102.3501954
- https://doi.org/10.1145/2307798.2307800
- https://doi.org/10.1080/10447319409526098
- https://www.R-project.org/
- https://doi.org/10.1559/15230406384373
- https://doi.org/10.1109/TVCG.2015.2467759
- https://doi.org/10.1145/2168556.2168616
- https://osf.io/x8p9b/
- https://osf.io/x8p9b/?view_only=1dee01e9ce8442cfb7ef867a4bea290a