Com base nos resultados obtidos, algumas análises complementares feitas através de interpretação de dados não automatizada foram feitas. As constatações feitas seguem descritas abaixo.
Tais análises não fazem parte do objetivo deste trabalho, mas podem servir de base para a complementação deste processo, conforme sugerido neste documento em trabalhos futuros.
Os perfis de nr. 2,4 e 7 possuem mais de 50% de todos os usuários que participaram da pesquisa.
Observou-se ainda que os perfis citados acima possuem os menores valores de Desvio Padrão. Já os perfis 1, 6 e 10 possuem os maiores valores de Desvio Padrão. Aparentemente, a qualidade dos perfis (quanto menor o desvio padrão, melhor a qualidade do grupo) está diretamente ligado à quantidade de usuários de cada um, o que pode ser notado uma vez que os perfis 2, 4 e 7 são os que possuem maior quantidade de usuários e os perfis 1, 6 e 10 os que possuem menos usuários. No entanto não foi feita nenhuma análise a procura de uma explicação formal a respeito desta observação. A tabela 27 mostra tais informações para todos os perfis encontrados.
Observando-se os valores de desvio padrão e a análise de características principais para cada grupo verificou-se que, na maioria dos casos, as porcentagens de contribuição de cada característica para a diferenciação entre os usuários de um grupo, que foram calculadas através de um método baseado em PCA, e o desvio padrão destas características, são diretamente proporcionais. Em uma análise superficial pode-se afirmar que como ambos os cálculos são feitos com base na variância dos dados, tal constatação se mostra consistente e pode ser provada em trabalhos futuros.
Aparentemente grande parte dos usuários dedicaram muito tempo à pesquisa, mas fizeram questão de participar. Tal hipótese foi levantada devido o alto número de pessoas que não permaneceram muito tempo nas páginas detalhadas de conteúdo em conjunto com o alto número de pessoas que utilizaram apenas os destaques de destinos da página inicial como forma de navegar pelo site, o que demonstra certo desinteresse pelo tema e a procura pelo caminho mais rápido para completar o objetivo da tarefa, uma vez que era possível adicionar destinos à lista de desejos a partir da página principal, sem a necessidade de passar pelas páginas de conteúdo.
9 CONCLUSÕES
O processo desenvolvido nesta pesquisa permitiu a identificação automática de perfis de grupos de usuários de interfaces web, possibilitou visualizar o comportamento de navegação de cada perfil para as características analisadas e identificou quais as características mais importantes para a diferenciação dos diversos perfis encontrados. Com base nestes resultados pode-se afirmar que os objetivos desta pesquisa foram atingidos.
Por se tratar de um processo totalmente automático, o processo definido não depende de um especialista em usabilidade. No entanto os dados obtidos devem ser analisados por um especialista como forma de validar os perfis gerados, os quais servem de apoio para um melhor entendimento do comportamento de navegação dos usuário em uma interface web.
Em relação ao monitoramento e coleta de dados de navegação dos usuários, por se tratar de uma coleta remota, compatível com os principais navegadores (browsers) de mercado, e sem a necessidade de instalação de software na máquina cliente, a participação de usuários na pesquisa não ficou restrita a apenas algumas plataformas tecnológicas, o que facilitou a participação dos usuários na pesquisa.
O processo definido nesta dissertação analisa características de navegação comuns em interfaces web e assim sendo um algoritmo que espelhe este processo pode ser desenvolvido apenas uma vez e utilizado em diversas interfaces web. No entanto é necessário que tais interfaces sejam devidamente ajustadas de forma a se tornarem compatíveis com a técnica de coleta de dados. Por fim, tal processo pode ser aplicado a uma mesma interface web periodicamente, o que permite visualizar as alterações de comportamento de navegação dos usuários na interface.
Os custos para aplicação deste processo se resumem ao custo de contratação de um servidor disponível na internet para hospedagem da interface web e armazenamento dos dados coletados. Tais custos são baixos quando comparados com os custos dos Testes de Usabilidade presenciais, que dependem da presença de observadores especialistas, da existência de laboratórios devidamente equipados e do deslocamento dos usuários até o local dos testes entre outros.
Em relação à análise dos dados, apenas características relacionadas ao uso da interface web utilizando teclado e mouse foram coletadas e analisadas e cada um dos perfis gerados foi
definido com base nestas. Como o desenvolvimento de interfaces web define, entre outros itens, a interação dos usuários através destes dois dispositivos (teclado e mouse), conhecer os perfis dos grupos de usuários com base nas características sugeridas neste trabalho pode agilizar tal desenvolvimento.
A respeito das características analisadas, através da análise PCA foi possível verificar que tais características possuem baixa correlação entre si, o que significa que não há relação direta entre duas ou mais características e que cada uma mostra aspectos diferentes da navegação do usuário na interface web.
Assim sendo, conclui-se que o processo definido nesta pesquisa atingiu os objetivos desejados e pode auxiliar especialistas em usabilidade no melhor entendimento do comportamento de navegação do usuário em interfaces web.
10 TRABALHOS FUTUROS
O processo definido neste trabalho pode contribuir para aumentar o conhecimento a respeito do comportamento dos usuários na interação com uma interface web. No entanto, durante o desenvolvimento deste, algumas alternativas foram identificadas e estão reportadas neste capítulo.
Em relação às características analisadas neste processo, sugere-se a inclusão de outras características que são viáveis de se obter através de algoritmos javascript que não exigem a instalação de aplicativos no computador do usuário. Dentre elas, pode-se citar a inclusão de características relativas à seqüência de páginas visitadas pelo usuário e características ligadas ao uso dos dedos em dispositivos sensíveis ao toque, entre outros.
A aplicação deste processo em um grupo de características menor também é sugerido.
Tal cenário pode vir a ser interessante em interfaces web que não possuem todos os componentes necessários para a obtenção de dados relacionados a todas as características utilizadas nesta pesquisa. Como exemplo, um site que possua apenas páginas de conteúdo, sem a existência de formulários, poderia aplicar este processo sem considerar as variáveis relacionadas ao preenchimento dos formulários.
A aplicação de outros algoritmos de agrupamento, com abordagens diferentes nas regras de similaridade responsáveis pela geração dos grupos pode aumentar a qualidade dos grupos gerados.
Este processo gera, de forma automática, algumas informações primárias a respeito do perfil dos grupos de usuários. O cruzamento dessas informações entre si, também gerados de forma automática, pode produzir informações adicionais que enriquecem os resultados deste processo.
O processo demonstrado neste trabalho pode ainda ser aplicado individualmente a cada conjunto de características definidos neste trabalho. Para tanto, em um primeiro momento, aplica-se o processo completo apenas para as características relacionadas ao tempo de navegação, o que poderia gerar como resultado grupos de usuários agrupados apenas com base neste tipo de característica. O mesmo processo poderia ser aplicado, de forma independente, às características relacionadas ao tempo de preenchimento do questionário, e assim por diante, para cada um dos sete conjuntos de características discriminados no capítulo
3 deste documento. Como os algoritmos seriam aplicados a universos com dimensões bem inferiores as 26 originais tal abordagem pode gerar resultados mais precisos. Esta abordagem também permite que o especialista visualize os comportamentos dos usuários de forma setorial, considerando cada tipo de característica de uma vez ou, para um usuário em específico, em quais grupos este usuário se encaixa.
Sugere-se a aplicação do processo definido nesta dissertação a uma interface web de uso real, a qual poderia comprovar, em campo, a eficácia deste processo.
Por fim, estudos que façam a correlação das informações levantadas neste processo com o pensamento dos usuários durante a utilização de uma interface web podem enriquecer os dados obtidos neste trabalho.
11 REFERÊNCIA BIBLIOGRÁFICA
ABDI, H; WILLIAMS, L. Principal Component Analysis, WIREs Comp Stat, New Jersey, USA, v. 2, n. 4, p. 433 - 459, July/August. 2010.
ALSABTI, Khaled; RANKA, Sanjay; SINGH, Vineet. An efficient k-means clustering algorithm. Technical report, 1997. Disponível em:
<http://surface.syr.edu/cgi/viewcontent.cgi?article=1042&context=eecs>.
Acesso em: 24 de mar. 2012.
ANDREASEN, Morten S. et al. What happened to remote usability testing? an empirical study of three methods. In: PROCEEDINGS OF SIGCHI CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, 2007, San Jose, California, USA. p. 1405 – 1414.
AQUINO JR, P.T. PICaP: padrões e personas para a expressão da diversidade de usuários no projeto de interação. Tese (Doutorado) - Escola Politécnica da Universidade de S. Paulo. 224p. São Paulo, 2008.
ARROYO, Ernesto; SELKER, Ted; WEI, Willy. Usability tool for analysis of web designs using mouse tracks. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, 2006, Montreal, Quebec, Canadá. p. 484 – 489.
ATTERER, Richard; SCHMIDT, Albrecht. Tracking the interaction of users with AJAX applications for usability testing. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, 2007, San Jose, California, USA. p. 1347 – 1350.
ATTERER, Richard; WNUK, Monika; SCHMIDT, Albrecht. Knowing the user’s every move – user activity tracking for website usability evaluation and implicit interaction. In:
PROCEEDINGS OF THE INTERNATIONAL WORLD WIDE WEB CONFERENCE, 15, 2006, Edinburgh, Escócia. p. 203 – 212.
CALONGNE, Cynthia M. Designing for web site usability. Journal of Computing Sciences in Colleges, USA, v.16 n.3, p.39 - 45, 2001.
CHI, Ed H. et al. The bloodhound project: Automating discovery of web usability issues using the InfoScent simulator. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, 2003, Ft. Lauderdale, Florida, USA.
p. 505 – 512.
DIAS, Claudia. Usabilidade na WEB. Rio de Janeiro: Alta Books, 2003.
DINGLI, Alexiei; MIFSUD, Justin; USEFul: A framework to mainstream web site usability through automated evaluation. International Journal of Human Computer Interaction (IJHCI), Kuala Lumpur, Malaysia, v. 2, n. 1, p. 10 – 30, 2011.
DUMAS, J. S.; REDISH, J. C. A Practical Guide to Usability Testing. Revised Edition, USA: Intellect, 1999.
ESPOSITO, D. Programming Introducing Microsoft ASP.NET 2.0, USA: Microsoft Press, 2004
ESPOSITO, D. Programming Microsoft ASP.NET 4, USA: Microsoft Press, 2011
DUNTEMAN, G. Principal Component Analysis, 69 Edition, USA: SAGE, 1989.
FUKUNAGA, K. Introduction to Statistical Pattern Recognition, 2nd edition, USA:
Academic Press, 1990.
GAUCH, Susan et al. User profiles for personalized information access. In: Brusilovsky , Peter; Kobsa, Alfred; Nejdl, Wolfgang. The Adaptive Web: Methods and Strategies of Web Personalization, Berlin: Springer, 2007, p. 54 – 89.
GOYAL, P.; GOYAL, N.; GUPTA, A.; Designing self-adaptive websites using online hotlink assignment algorithm. In: PROCEEDINGS OF INTERNATIONAL CONFERENCE ON
ADVANCES IN MOBILE COMPUTING & MULTIMEDIA, 7, 2009, Kuala Lumpur, Malaysia. p.579 – 583.
HAIR, J. F. et al. Multivariate Data Analysis, 5th Edition, New Jersey: Prentice Hall Inc., 1998.
HOTELLING, H. Analysis of a Complex of Statistical Variables Into Principal Components, Journal of Educational Psychology, USA, v. 24, p. 417 – 441, 498 - 520, 1933.
IVORY, Melody Y.; HEARST, Marti A. The State of the Art in Automating Usability Evaluation of User Interfaces. ACM Computing Surveys, USA, n. 4, v. 33, p. 470 – 516, 2001.
LANGLEY, Pat; User Modeling in Adaptive Interfaces. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON USER MODELING, 7, 1999, Alberta. p. 357 – 370.
LAVOR, R. B.; LEITE, J. C. Ferramenta para modelagem de interação e interface de usuário.
In: CONGRESSO IBERO-AMERICANO EM SOFTWARE ENGINEERING (CIbSE), 14, 2011, Rio de Janeiro, Brasil.
LIU, J.; SUN, J.; WANG, S. Pattern Recognition: An overview. IJCSNS International Journal of Computer Science and Network Security, USA, v. 6, n.6, p. 57 – 61, 2006.
LIU, J.; WONG, C. K.; HUI, K. K.. An Adaptive User Interface Based on Personalized Learning. IEEE Intelligent Systems archive, USA, v. 18, n. 2, p. 52 – 57, 2003.
MACQUEEN, J. B. Some Methods for classification and Analysis of Multivariate Observations. In: PROCEEDINGS OF BERKELEY SYMPOSIUM ON MATHEMATICAL STATISTICS AND PROBABILITY, 5, 1967, USA, p. 281–297.
MAHAMED, G.H.; OMRAN, A. P. E.; AYED, S. Dynamic Clustering using Particle Swarm Optimization with Application in Unsupervised Image Classification. Transactions on Engineering, Computing and Technology, USA, p. 199 – 204, jul. 2005.
MARQUES, Alice; BELO, Orlando. Discovering Student Web Usage Profiles Using Markov Chains. The Electronic Journal of e-Learning, USA, v. 9, n. 1, p. 63 – 74, 2011.
Disponível em: < http://www.ejel.org/issue/download.html?idIssue=19>.
Acesso em: 28 mar. 2012.
NIELSEN, J. Enhancing the explanatory power of usability heuristics. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, 1994, USA, p. 152 – 158.
NIELSEN, J. Ten Usability Heuristics. Disponível em: <http:// www.useit.com/papers/
heuristic/heuristic_list.html>. Acesso em: 20 mar. 2012.
OTAZIA, Renato; RUSU, Cristian; RONCAGLIOLO, Silvana. Evaluating the Usability of Transactional Web Sites. In: PROCEDINGS OF INTERNATIONAL CONFERENCES ON ADVANCES IN COMPUTER-HUMAN INTERACTIONS, 3, 2010, St. Maarten, p. 32 – 37.
PEARSON, K. On lines and planes of closest fit to systems of points in space. Philosophical Magazine, Series 6, UK, v. 2, n. 11, p. 559 – 572, 1901.
RYAN, A.; SCHUTTA, N. T. Foundations of Ajax, New York: APRESS, 2006.
RODDEN, K.; HUTCHINSON, H.; FU, S. Measuring the User Experience on a Large Scale:
User-Centered Metrics for Web Applications. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, 28, 2010, Atlanta, Georgia, USA, p. 2395 – 2398.
SANDERS, WILLIAM B. Javascript Design, Boston: New Riders, 2002.
SANTANA, Vagner F.; BARANAUSKAS, M. Cecília C. Summarizing Observational Client-side Data to Reveal Web Usage Patterns. In: SYMPOSIUM ON APPLIED COMPUTING, 25, 2010, Suiça. p. 1219 – 1223.
SCHREIBER, Daniel et al. Web based evaluation of proactive user interfaces. Journal of Multimodal User Interfaces, USA, p. 61–72, 2008.
SUGOYAMA, Kazunari; HATANO, Kenji; YOSHIKAWA, Masatoshi. Adaptive Web Search Based on User Profile Constructed without Any Effort from Users. In:
PROCEEDINGS OF THE INTERNATIONAL WORLD WIDE WEB CONFERENCE, 13, 2004, New York, USA. p. 675 – 684.
SUNEETHA, K. R.; KRISHNAMOORTHI, R. Identifying User Behavior by Analyzing Web Server Access Log File. International Journal of Computer Science and Network Security (IJCSNS), USA, v. 9, n. 4, p. 327 – 332, abril 2009.
TULLIS, T. et al. An Empirical Comparison of Lab and Remote Usability Testing of Web Sites. In: USABILITY PROFESSIONALS ASSOCIATION CONFERENCE, Orlando, USA, 2002.
VARGAS, Ariel; WEFFERS, Harold; ROCHA, H. V. A Method for Remote and Semi-Automatic Usability Evaluation of Web-based Applications Through Users Behavior Analysis. In: PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON METHODS AND TECHNIQUES IN BEHAVIORAL RESEARCH, 7, 2010, Eindhoven, Netherlands, p. 24-27.
W3C – World Wide Web Consortium. HTML 4.01 Specification. Disponível em
<http://www.w3.org/TR/1999/REC-html401-19991224/>. Acesso em: 20 mar. 2012.
W3C – World Wide Web Consortium. Cascading Style Sheets Level 2 Revision 1 (CSS 2.1) Specification. Disponível em: <http://www.w3.org/TR/2009/CR-CSS2-20090908/>.
Acesso em: 20 mar. 2012.
WEINREICH, Harald et al. Off the Beaten Tracks: Exploring Three Aspects of Web Navigation. In: PROCEEDINGS OF THE INTERNATIONAL WORLD WIDE WEB CONFERENCE, 15, 2006, Edinburgh, Scotland. p. 675 – 684.
APÊNDICE A – DETALHAMENTO DAS CARACTERÍSTICAS ANALISADAS
Este apêndice contém uma tabela listando informações detalhadas sobre todas as características de navegação utilizadas no processo.
Código identificador da Característica: 1
Nome da Característica: Tempo total de navegação no site Tipo da Característica: Tempo de Navegação
Descrição da Característica: Informa o tempo que o usuário ficou navegando no site, considerando o início da navegação o momento em que o usuário acessou o site www.euqueroconhecer.com.br e o término o momento em que a página de agradecimento por participar da pesquisa é mostrada.
Motivação para uso desta Característica: Esta característica permite identificar os tempos médio, mínimo e máximo que foram necessários para responder à pesquisa, além de mostrar a concentração de usuários em cada intervalo de tempo.
Desta forma, é possível agrupar usuários de acordo com o tempo total de navegação no site.
Técnica para Medição: Com base nas informações coletadas pelo sistema de monitoramento de navegação, calcula-se o intervalo de tempo, em segundos, existente entre o instante que o usuário acessou a primeira tela do site (momento em que entrou em www.euqueroconhecer.com.br) e o instante em que terminou a pesquisa (momento em que a tela de agradecimento aparece para o usuário).
Este procedimento é repetido para todos os usuários cadastrados no sistema, e os valores encontrados, em segundos, são convertidos em uma escala de 0 a 10.
Conversão de Escala: Foi atribuído o valor 0 ao tempo de 318 segundos e 10 ao tempo de 2200 segundos. Este intervalo cobre 95% ou mais dos usuários que participaram da pesquisa.
Eventuais usuários que tiveram tempo de navegação inferior a 318 segundos automaticamente receberam valor 0 na nova escala. Usuários que tiveram tempo de navegação superior a 2200 segundos automaticamente receberam o valor 10. Os demais usuários foram distribuídos nesta escala de forma proporcional ao tempo total de navegação de cada um.
Os limites foram fixados entre 318 e 2200 segundos para garantir uma distribuição mais homogênea entre 0 e 10.
Proveniência dos dados: No log de navegação do sistema há registros do horário em que o usuário acessou a página inicial do site pela primeira vez e do horário em que o usuário
visualizou a página de agradecimentos, indicando que a pesquisa foi finalizada. Estas marcações são utilizadas para a medição desta característica.
Código identificador da Característica: 2
Nome da Característica: Tempo utilizado em navegação pelas páginas de conteúdo do site Tipo da Característica: Tempo de Navegação
Descrição da Característica: Informa o tempo em que o usuário ficou navegando pelas páginas de conteúdo no site, que correspondem às páginas onde não há formulários a serem preenchidos (vide item “Páginas contempladas nesta característica”, mais abaixo).
Motivação para uso desta Característica:
Através da análise desta característica é possível verificar se o usuário utilizou mais tempo navegando nas páginas de conteúdo do site ou nas de questionários, sendo possível verificar onde cada usuário gasta mais tempo de navegação e possibilitando a criação de mais um item de diferenciação de comportamento dos usuários. Possibilita também identificar usuários que, independente do tempo total de navegação, utilizaram tempo similar de navegação na área de conteúdo.
Técnica para Medição: Com base nas informações coletadas pelo sistema de monitoramento de navegação soma-se o tempo de navegação gasto pelo usuário em todas as páginas de conteúdo.
Este procedimento é repetido para todos os usuários cadastrados no sistema, e os valores encontrados, em segundos, são convertidos em uma escala de 0 a 10.
Conversão de Escala: Foi atribuído o valor 0 ao tempo de 10 segundos e 10 ao tempo de 900 segundos. Este intervalo cobre 95% ou mais dos usuários que participaram da pesquisa.
Eventuais usuários que tiveram tempo de navegação inferior a 10 segundos automaticamente receberam valor 0 na nova escala. Usuários que tiveram tempo de navegação superior a 900 segundos automaticamente receberam o valor 10. Os demais usuários foram distribuídos nesta escala de forma proporcional ao tempo de cada um.
Os limites foram fixados entre 10 e 900 segundos para garantir uma distribuição mais homogênea entre 0 e 10.
Proveniência dos dados: No log de navegação do sistema há registros do horário em que o usuário acessou cada uma das páginas do site e também o momento em que o usuário deixou
cada página, sendo possível determinar o tempo que os usuários permaneceram em cada página. Estas marcações são utilizadas para a medição desta característica.
Páginas contempladas nesta característica: Abaixo listagem das páginas do site consideradas páginas de conteúdo, e portanto, integrantes do cálculo desta característica.
Página inicial do site Listagem de destinos
Detalhamento (textos e fotos) dos destinos Lista de Desejos
Instruções Sobre a Pesquisa
Políticas de Privacidade
Código identificador da Característica: 3
Nome da Característica: Tempo utilizado nas páginas de questionários Tipo da Característica: Tempo de Navegação
Descrição da Característica: Informa o tempo que o usuário utilizou navegando pelas páginas de questionários do site, que correspondem às páginas onde há formulários a serem preenchidos (vide item “Páginas contempladas nesta característica”, mais abaixo).
Motivação para uso desta Característica:
Da mesma forma que o item anterior, através da análise desta característica é possível verificar se o usuário utilizou mais tempo navegando nas páginas de conteúdo ou nas páginas de questionários, possibilitando identificar usuários que, independente do tempo total de navegação, utilizaram tempo similar para responder aos questionários.
Técnica para Medição: Com base nas informações coletadas pelo sistema de monitoramento de navegação soma-se o tempo de navegação gasto pelo usuário em todas as páginas de questionários.
Este procedimento é repetido para todos os usuários cadastrados no sistema, e os valores encontrados, em segundos, são convertidos em uma escala de 0 a 10.
Conversão de Escala: Foi atribuído o valor 0 ao tempo de 250 segundos e 10 ao tempo de 1500 segundos. Este intervalo cobre 95% ou mais dos usuários que participaram da pesquisa.
Eventuais usuários que tiveram tempo de navegação inferior a 250 segundos automaticamente receberam valor 0 na nova escala. Usuários que tiveram tempo de navegação superior a 1500 segundos automaticamente receberam o valor 10. Os demais usuários foram distribuídos nesta escala de forma proporcional ao tempo de cada um.
Os limites foram fixados entre 250 e 1500 segundos para garantir uma distribuição mais homogênea entre 0 e 10.
Proveniência dos dados: No log de navegação do sistema há registros do horário em que o usuário acessou cada uma das páginas de questionário e também o momento em que o usuário deixou cada página, sendo possível determinar o tempo que os usuários permaneceram em cada página. Estas marcações são utilizadas para a medição desta característica.
Páginas contempladas nesta característica: Abaixo listagem das páginas do site que terão o tempo computado no cálculo do valor desta característica.
Questionário de Dados Pessoais
Questionário de Experiência Computacional Questionário de Turismo
Código identificador da Característica: 4
Nome da Característica: Tempo médio para preenchimento dos campos texto de todos os formulários
Tipo de Característica: Tempo de Preenchimento
Descrição da Característica: Informa o tempo médio gasto pelo usuário no preenchimento das caixas de texto dos formulários. Utiliza-se o tempo médio pois usuários diferentes podem ter respondido quantidade de perguntas textuais diferentes, e como deseja-se compará-los, é necessário trabalhar com o tempo médio.
Motivação para uso desta Característica: Possibilita identificar usuários que possuem tempos similares de preenchimento dos campos texto, os quais são especialmente analisados por se tratarem de campos onde os usuários necessitam elaborar as respostas e digitá-las.
Apesar de não ser possível identificar exatamente a parcela relativa à destreza de digitação e a capacidade de elaboração de respostas dos usuários, esta característica contribui como mais um item de similaridade ou diferenciação entre os usuários.