UNIVERSIDADE DE TRÁS-OS-MONTES E ALTO DOURO
Mapas de Importância
para a WEB
DISSERTAÇÃO DE MESTRADO EM
COMUNICAÇÃO E MULTIMÉDIA
MARTINHO FRADEIRA GONÇALVES
Curso de Mestrado em Comunicação e Multimédia
Mapas de Importância para a WEB
Dissertação do curso de Mestrado em Comunicação e Multimédia
de
Martinho Fradeira Gonçalves
Dissertação submetida à Universidade de Trás-os-Montes e Alto Douro para cumprimento dos requisitos necessários à obtenção do grau de Mestre em Comunicação e Multimédia, elaborada sob a orientação do Prof. Doutor Maximino Bessa e Prof. Doutor Luís Magalhães da Universidade de Trás-os-Montes e Alto Douro.
Orientador Professor Doutor Maximino Bessa
Co-Orientador Professor Doutor Luís Magalhães
Agradecimentos
Ao terminar esta dissertação, desejo manifestar o meu verdadeiro reconhecimento pelo auxílio e pelas contribuições de diversas pessoas a quem estou agradecido.
Ao Magnífico Reitor da UTAD, Prof. Doutor Armando Mascarenhas Ferreira, Reitor da UTAD, pela disponibilidade e facilidades concedidas durante a realização deste trabalho.
Ao Prof. Doutor Maximino Bessa pela oportunidade, paciência, dedicação, e apoio que sempre demonstrou.
Ao Prof. Doutor Luís Magalhães por todo o apoio e perseverança demonstrada durante a execução deste trabalho.
Ao Doutor Emanuel Peres pelo apoio técnico ao longo do desenvolvimento deste trabalho.
Aos meus colegas de trabalho e amigos, em especial ao Fernando Lebres, Marisa Simões, Sofia Silva e Carlos Pimenta, pelo auxílio e amizade.
A todas as pessoas que se voluntariaram para realizar as experiências. Aos Funcionários do Engenharias pela ajuda prestada.
Aos meus Pais, ao Alexandre, à Ana Oliveira e à Ilda, por todo o apoio e força que me deram ao longo de toda a minha vida.
À Cátia Fernandes pela amizade, carinho e paciência.
Ao João Granja, David Morais, Ricardo Matos, Luís Rocha, Francisco Ribeiro e Ermelinda Silva pela amizade única.
A todas as pessoas que me apoiaram no decorrer dos trabalhos, o meu muito obrigado.
Resumo
A utilização da internet e das tecnologias associadas à mesma tornou-se indispensável para muitas pessoas em todo o mundo. Consequentemente, na internet podemos encontrar todo o tipo de informação e executar um sem-número de tarefas que podem ir desde a pesquisa de informação sobre um determinado assunto, à compra de bens e serviços, pesquisa de informação sobre uma determinada empresa onde gostaríamos de trabalhar, entre outras.
A forma e aparência dos sítios da internet onde realizamos todas estas tarefas são díspares, podendo ir desde layouts muito simples até aplicações Web bastante complexas. Conhecer qual é a informação mais importante quando um utilizador está a realizar uma tarefa qual/quais as zonas que supostamente irão atrair a sua atenção pode ser importante quando concebemos novos designs de forma a torná-los mais fáceis de interpretar por parte do utilizador.
Com este trabalho pretende-se estudar a hipótese de criar um Mapa de Importância para a Web que permita, de uma forma semi-automática, conhecer quais são as zonas que irão captar o interesse do utilizador quando ele está a realizar uma determinada tarefa na Web. Os Mapas de Importância podem ser construídos através da junção dos mapas de saliência com os mapas de tarefa. Assim, foi realizado um estudo que através de um eyetracker foi possível obter os Mapas de Tarefas dos respectivos sítios de internet. Utilizando o software Ezvision foram gerados mapas de saliência para cada uma das tarefas/sítio, os quais em conjunção com os mapas de tarefa obtidos permitem criar um Mapa de Importância.
Com base na análise dos resultados obtidos, é apresentada uma primeira abordagem para um modelo conceptual que permita identificar qual a tarefa que está a ser executada pelo utilizador.
Abstract
The use of the Internet and related technology has become crucial for many people around the world. In the Web we can finnd all kind of information and perform a large number of tasks that can go from searching for information on a particular subject or the purchase of goods and services to search for jobs, information on a company where we want to work, among others.
The shape and appearance of sites where we performe all these tasks have different layouts and diverge from very simple to very complex Web applications. Knowing what is the most important information when a user is performing a task, what or which areas that supposedly will attract their attention the most, it would be important when developing new designs to make them easier to interpret and use by the user.
This study aims to study the possibility of creating Importance maps to Web pages that could in a semi-automatic way know what are the areas that will capture the user's interests when they are carrying out a task on those Web pages.
The Importance maps can be made by combining the saliency maps with the task maps. Thus, a study was conducted that by using a eye tracker made possible the creation of task maps for the corresponding web sites. Using the software Ezvision were generated saliency maps for each of the tasks, which in conjunction with the task maps allow to create an Importance map.
Based on the analysis of the obtained results, is presented a first approach to a conceptual model to identify which task is being performed by the user.
Agradecimentos ... v Resumo ... vi Abstract ... vii Índice ... viii Índice de Imagens ... x Índice de Tabelas ... xi
Siglas e Acrónimos ... xii
Glossário ... xiii 1. Introdução ... 1 1.1. Organização do documento ... 2 1.2. Áreas de aplicação ... 3 2. Estado da Arte ... 4 2.1. A Atenção Visual ... 5 2.1.1. Bottom-up ... 6 2.1.2. Top-down ... 7
2.2. Modelos de Atenção Visual ... 8
2.2.1. Mapas de Saliência ... 8
2.2.2. Mapas de Tarefa ... 10
2.2.3. Mapas de Importância ... 11
2.3. A Percepção Visual e as Páginas Web ... 12
2.4. Métricas ... 15
2.5. Sumário ... 16
3. Análise dos padrões de navegação ... 17
3.1. Hipótese ... 17
3.2. Caso de estudo ... 17
3.5. Métricas ... 20
3.6. Resultados ... 20
3.6.1. Análise da Informação Recolhida ... 20
3.6.2. Mapas de Gaze ... 27
3.6.3. Sumário ... 29
4. Mapas de Importância para a Web ... 31
4.1. Proposta de Mapas de Importância ... 31
4.2. Definição do modelo conceptual ... 33
5. Conclusões e Trabalho Futuro ... 39
6. Bibliografia ... 41
ANEXOS ... 45
Anexo A – Inquérito Teste 1 ... 46
Anexo B – Inquérito Teste 2 ... 48
Anexo C – Folha de Consentimento... 50
Anexo D – Protocolo da Experiência ... 52
Anexo E – Folha de Observações para o Teste 1 ... 56
Figura 1 - Estrutura física do olho humano ... 4
Figura 2 – Pintura de Repin e diferentes movimentos de olhos: a) explorar livremente, b) adivinhar as condições sociais e económicas da família, c) adivinhar a idade das personagens, d) Adivinhar o que é que as personagens estariam a fazer antes de chegar o “convidado inesperado”, e) recordar quais as roupas que as personagens tinham vestidas, f) recordar a posição das pessoas e dos objectos na sala, e g) estimar o tempo que o “convidado inesperado” esteve longe da família. ... 7
Figura 3 - Modelo computacional de atenção de Koch. Retirado de [Koch1985]. ... 9
Figura 4- Diagramas de Box Plot - a) Tarefa 4, b) Tarefa 5, c) Tarefa 7 ... 21
Figura 5 - Histogramas a) Tarefa4, b) tarefa 5, c) Tarefa 7 ... 22
Figura 6- Mapa de Gazes na página da Google (Tarefa1- Pesquisar em motores de busca) ... 27
Figura 7 – Excerto do Mapa de Gazes na página do expresso (Tarefa explorar) ... 28
Figura 8 - Mapa de Gazes da página da Amazon (Tarefa comprar produtos online) .. 28
Figura 9 - Mapa de gazes da página do expresso (Tarefa Pesquisa de informação num site de informação) ... 29
Figura 10 - Excerto do Mapa de Gazes da página da Amazon ( Tarefa Explorar) ... 29
Figura 11 - Esquema de desenvolvimento de um Mapa de Importância – a) imagem original do sítio da Google, b) imagem com o total dos hotspots dos utilizadores neste sítio, c) Mapa de Saliência do a) , d) Mapa de Tarefa de b) e e) Mapa de Importância da primeira página da Tarefa Pesquisar a receita de uma sobremesa. ... 32
Figura 12 - Mapas de Importância dos sitos para as tarefas: a) pesquisar uma receita de uma sobremesa (Google), b) explorar o site do Expresso, c) comprar um livro do Dawn Brown na Amazon e d) procurar informações sobre a “HP” ... 33
Figura 13 - Explorar Jornal de Noticias, a) imagem com os hospots do eyetracker, b) mapa de saliência e c) sobreposição de a) e b) ... 34
Figura 14 - Sobreposição dos hotspots com os mapas de saliência a) tarefa pesquisar motor de busca, b) comprar produto site Amazon, c) pesquisar informação site HP e d) pesquisar informação em site de noticias... 35
Tabela 1 - Teste de Esfericidade de Mauchly's para o Teste 1 ... 23
Tabela 2 - Teste de Amostras Emparelhadas para o Teste 1 ... 23
Tabela 3 – Teste de Esfericidade de Mauchly's para o Teste 2 ... 23
Tabela 4 - Teste de Amostras Emparelhadas para o Teste 2 ... 23
Tabela 5 – Resultados da comparação de Tarefas através de Amostras Emparelhadas24 Tabela 6 - Resultados da comparação de Tarefas dos Testes 1 e 2 ... 26
Tabela 7 - Excerto da tabela 5, Resultados da comparação de Tarefas através de Amostras Emparelhadas ... 39
SVH – Sistema Visual Humano
Áreas de interesse: Uma área de interesse é uma região do monitor ou da interface em
avaliação que é definida quando os investigadores pretendem analisar apenas os movimentos oculares que recaem nessas áreas.
Eyetracker: Dispositivo utilizado para determinar pontos de importância, e para medir
movimentos oculares, tais como fixações, saccades, e regressões. Este funciona monitorizando várias características distintivas dos olhos, tal como os reflexos de luz infravermelha provenientes da córnea, ou pelo estado da pupila, entre outros.
Eyetracking: Uma técnica pela qual são medidos os movimentos oculares de um
indivíduo, para que o investigador tome conhecimento para onde uma pessoa está a olhar num determinado momento, e quando os seus olhos se movem de um local para outro.
Fixation: Momento em que os olhos estão relativamente parados, recolhendo
informações ou a realizar o processo mental como resposta às informações recolhidas.
Gaze: Métrica para eyetracking, é a soma das durações das fixações dentro de uma
área prescrita. Também chamada de "dwell", "fixation cluster", ou "fixation cycle".
Outlier: Valor discrepante ou atípico em relação a um conjunto de valores.
Ponto de interesse: Ponto no espaço para onde uma pessoa está olhando.
Normalmente utilizado na investigação para revelar para onde a atenção é dirigida.
Rendering: Processo pelo qual uma imagem é criada a partir de um modelo
computacional, ou síntese de imagem a partir de um modelo computacional.
Saccade: Movimento ocular, ocorre entre fixações, tipicamente com a duração de 20 a
35 milissegundos. O objectivo da maioria dos saccades é mover os olhos para a próxima posição de visualização. O processamento visual é automaticamente suprimido durante os saccades para evitar a diluição da imagem visual.
Scanpath: Métrica de eyetracking, geralmente é uma sequência completa que interliga
1. Introdução
A utilização da internet, e das tecnologias associadas à mesma, tornou-se indispensável para muitas pessoas em todo o mundo. Na Web podemos encontrar todo o tipo de informação e executar um sem-número de tarefas como, por exemplo a pesquisa de informação sobre um determinado assunto, compra de bens e serviços, pesquisa de informação sobre uma determinada empresa.
A organização da informação e o design das páginas são aspectos que variam de sítio para sítio da internet. Podemos encontrar páginas bem organizadas e também páginas mal construídas, onde é difícil encontrar a informação desejada, ou até é difícil ter acesso aos serviços. A forma como a informação é disposta influencia a forma como a percebemos. Por essa razão é importante perceber como o Sistema Visual Humano (SVH) funciona, de forma a conseguirmos desenvolver páginas mais eficientes e usáveis.
A nossa atenção (para onde olhamos) pode ser capturada de uma forma involuntária, através de um estímulo visual, ou pode ser dirigida de uma forma controlada dependendo da tarefa que estamos realizar. Os mapas de saliência tentam identificar as zonas salientes ou visualmente importantes que irão atrair a nossa atenção de uma forma involuntária. Os mapas de tarefa, por outro lado, tentam identificar as zonas que são perceptualmente importantes de acordo com a tarefa que está a ser realizada. Podem ser construídos mapas de importância através da junção dos mapas de saliência e dos mapas de tarefa, representando desta forma as áreas que numa imagem atraem a nossa atenção por qualquer um dos processos de atenção visual anteriormente identificados.
O objectivo principal deste trabalho é estudar a hipótese de criar Mapas de Importância para a Web, que possibilitem, através de um processo semi-automático, a identificação da tarefa que está a ser realizada e consequentemente as zonas que irão captar o interesse do utilizador.
Para tal, será necessário estudar o comportamento dos utilizadores quando navegam em sítios da internet e verificar se é possível catalogar os padrões de
navegação. Com base nessa informação, será possível criar os Mapas de Tarefa, os quais em conjunção com os Mapas de Saliência obtidos através de software específico, tornam possível a criação de Mapas de importância para a Web.
Finalmente, com base neste estudo será delineada uma estratégia para tentar identificar a tarefa que o utilizador está a executar e consequentemente prever o seu comportamento.
1.1. Organização do documento
Este documento encontra-se dividido em 6 capítulos.
No primeiro capitulo é realizada uma pequena introdução ao tema, assim como é apresentada qual a motivação que nos levou a desenvolver este projecto, os objectivos a que nos propusemos, uma pequena descrição da organização da tese e ainda uma descrição das áreas onde este projecto pode ser futuramente aplicado.
No segundo capítulo apresenta-se uma revisão do trabalho relacionado com a temática em questão, incidindo essencialmente sobre a percepção visual, os estudos realizados acerca da forma como utilizamos os sítios Web e o tipo de métricas existentes.
No terceiro capítulo é realizado um estudo sobre o comportamento visual dos utilizadores quando executam determinadas tarefas em páginas Web. Este estudo implicou a realização de uma experiência com recurso a um eyetracker, da qual se apresenta o caso de estudo e os seus resultados quer da análise estatística, quer da análise das imagens dos Gazes extraídos do eyetracker.
No quarto capítulo são apresentados os Mapas de Importância para a Web e proposto um modelo conceptual para identificar, de uma forma semi-automática, qual a tarefa que o utilizador está a executar.
No quinto capítulo são apresentadas as principais conclusões desta dissertação, assim como direcções para trabalho futuro.
1.2. Áreas de aplicação
Os resultados deste estudo podem ser aplicados a várias áreas das novas tecnologias da internet, mas como principais poderemos distinguir: Usabilidade e a Acessibilidade em sítios de internet, a reestruturação de conteúdos Web para dispositivos móveis e Televisão Digital, a publicidade e a sua forma de aplicação nos sítios da internet e o próprio desenvolvimento de sítios Web.
Com a análise do caminho visual percorrido pelos utilizadores para realizar tarefas nos diferentes sítios Web, é praticável analisar quais as principais dificuldades na realização dessas tarefas, assim como prever qual a melhor forma de colocar a informação para que possa ser acedida de uma forma mais fácil e eficaz.
Com este estudo é, também, possível analisar quais as principais características de cada sítio Web, assim como as preferências dos utilizadores. Com isto é exequível seleccionar qual é a informação mais importante e qual é a melhor forma de a colocar disponível para os utilizadores. Quando se pensa nos dispositivos móveis, na dificuldade de leitura das páginas e na pouca quantidade de informação que é possível mostrar em cada página, encontramos varias questões que podem ser melhoradas com este tipo de estudos.
Relativamente à colocação de publicidade nas páginas Web, é possível verificar, através deste tipo de estudos, se esta é eficaz, assim como se a sua distribuição ao longo da página está bem efectuada. Com o tempo que os utilizadores demoram a completar as suas tarefas, com o caminho visual percorrido ao longo do site, é possível analisar se o tipo de publicidade (banner, hiperligação, imagem ou vídeo) é o mais eficaz nas páginas.
Outra aplicação deste estudo é a própria construção dos sítios Web, verificando quais os seus principais objectivos, quais as características que se deseja que os utilizadores vejam é possível elaborar os sítios Web de forma a que os utilizadores ao navegarem vão ao encontro à informação que desejamos mostrar.
2. Estado da Arte
Para uma melhor compreensão do trabalho realizado e apresentado neste documento, é importante o conhecimento de várias áreas, nomeadamente a percepção visual, os estudos realizados acerca da temática Web e o tipo de métricas existentes.
Figura 1 - Estrutura física do olho humano
A estrutura física do olho é há muito conhecida (Figura 1Figura 1). Esta estrutura física é composta por órgãos visuais muito importantes, sem os quais, o processamento da informação visual não é possível. Na primeira fase de processamento de informação visual a córnea, a pupila, a íris, o cristalino e o humor vítreo deixam passar luz através de cada um deles até que se atinja a retina, localizada na parte de trás do olho. Quando isso acontece, um processo fotoquímico converte luz em actividade neural, permitindo que o cérebro processe informações ópticas. Os fotoreceptores na retina são compostos por dois distintos e especiais tipos de células, os cones e os bastonetes. Os bastonetes estão presentes em quase toda a retina e proporcionam visão periférica, têm baixa acuidade espacial e são mil vezes mais sensíveis à luz do que os cones. Esta característica permite aos bastonetes responderem mesmo com baixos níveis de luminosidade, no entanto não são sensíveis à cor. Por
outro lado, os cones proporcionam visão cromática mas necessitam de um nível mais elevado de luminosidade.
2.1. A Atenção Visual
Compreender como os sentidos humanos funcionam pode ajudar a compreender de uma forma mais eficaz o comportamento humano e a sua reacção quando deparado com estímulos externos. Como principais características da visão podemos referir o percurso visual, a identificação de profundidade, a consistência perceptual, o reconhecimento de padrões visuais, a sensibilidade visual e o contraste.
Quando o utilizador é submetido a um estímulo externo (visualizar uma página Web), há um processamento do estímulo e é produzida automaticamente uma resposta. Essa resposta é influenciada por um conjunto de factores tais como o tipo de estímulo em si, a experiência socioeconómica do sujeito, entre outros.
Apesar do largo espectro da nossa visão e de estarmos constantemente a capturar informação, a nossa visão é selectiva e apenas pequenas partes da informação visual é focada ou dada a importância.
Uma das mais populares definições de atenção visual foi apresentada pelo famoso psicólogo, William James [James1983]: "Todos nós sabemos o que é a atenção. Consiste na tomada de posse de forma clara e vívida pela mente de um entre vários possíveis objectos ou linhas de pensamento que surgem simultaneamente. A focalização e a concentração da consciência são a sua essência. Implica a retirada de algumas coisas para lidar eficazmente com outras". E, apesar dos estudos que foram efectuados mais recentemente nesta área, a definição de atenção visual de William James permanece como uma das mais bem estabelecidas.
A área da fóvea, localizada na retina, é onde a definição visual é maior, enquanto que o resto da retina tem muito baixa definição. A área da fóvea só é capaz de registar uma pequena porção do campo visual captado pelo olho humano. Assim, quando um dos olhos se concentra numa determinada zona do campo visual, durante o processamento visual, os recursos serão concentrados nessa zona, enquanto o restante
do campo visual irá apenas receber uma pequena parte da capacidade de processamento visual. Normalmente, um sujeito está a prestar atenção à parte do campo visual que está a ser focada. Um exemplo ilustrativo pode ser dado por um sujeito que, ao ver um pedaço de papel, move os olhos fixando as palavras que está a ler nesse papel.
O mecanismo pelo qual o sujeito pode mover rapidamente o seu olhar directamente para os objectos de interesse num ambiente visual é chamado de Atenção Visual selectiva. A atenção visual pode ser atraída automaticamente pelo estímulo, por bottom-up ou por top-down, o que necessariamente depende do contexto.
2.1.1. Bottom-up
Os mecanismos Bottom-up surgem na entrada sensorial, onde a atenção é rapidamente e involuntariamente conduzida para as características visuais mais marcantes [Itti2000]. No interior do processo de Bottom-up, o estímulo visual capta automaticamente a atenção, sem que seja possível fazer uma escolha consciente para definir as características de maior importância.
Os exemplos são uma mancha vermelha contra um campo de verde (uma tocha acesa num quarto escuro) ou um súbito movimento de um predador, que instintivamente capta a nossa atenção.
Treisman et. al, apresentaram a Teoria de Integração de Características em 1980 [Treisman1980]. Esta teoria afirma que o sistema visual humano (SVH) regista, simultaneamente e de forma automática, as características sobre a totalidade de um campo visual. A identificação do objecto é feita sequencialmente e acontece numa fase posterior, o que exige uma atenção mais elevada e focada. Os autores da teoria afirmam que: “o estímulo visual é inicialmente codificado com algumas diferentes dimensões tais como a cor, orientação, frequência espacial, brilho e a direcção do movimento". Para vincular todas essas dimensões distintas e garantir a síntese exacta das características de cada objecto, é necessária uma atenção focada para um processo sequencial de estímulos locais. Estes estímulos locais são os únicos que podem ir através do estrangulamento do campo visual, para posterior processamento. Esta
teoria tem servido como base para muitos modelos computacionais de Bottom-up, na detecção de zonas de importância no campo visual.
2.1.2. Top-down
Os mecanismos Top-down estão relacionados com um processo cognitivo de longo prazo, uma estratégia onde o conhecimento e o contexto têm um papel fundamental para o modo como se escolhe prestar atenção ao estímulo visual. Yarbus [Yarbus1967] mostrou que a forma como alguém percebe um estimulo visual depende de quem ele é e de qual a tarefa que ele está actualmente a realizar.
Figura 2 – Pintura de Repin e diferentes movimentos de olhos: a) explorar livremente, b) adivinhar as condições sociais e económicas da família, c) adivinhar a idade das personagens, d) Adivinhar o que é que as
personagens estariam a fazer antes de chegar o “convidado inesperado”, e) recordar quais as roupas que as personagens tinham vestidas, f) recordar a posição das pessoas e dos objectos na sala, e g) estimar o tempo que
o “convidado inesperado” esteve longe da família.
a)
b) c)
d) e)
Numa das suas experiências, Yarbus registou os movimentos oculares, fixações e saccades (como referido anteriormente, um movimento rápido dos olhos, uma vez que muda o foco do movimento de um ponto para outro), de observadores enquanto observavam a pintura de Repin, "A visita inesperada". Antes de os participantes iniciarem o teste, eles foram instruídos a realizar uma das sete tarefas, conforme ilustrado na Figura 2. Embora todos os observadores tenham sido submetidos ao mesmo estímulo (pintura de Repin), os padrões de movimentos oculares registados foram muito diferentes, verificando-se que estes dependeriam da tarefa que estavam a realizar (Figura 2).
Existem também outros dois fenómenos relevantes na percepção visual conhecidos como “Change Blindness” e “Inattentional Blindness”. Estes fenómenos destacam algumas debilidades no sistema visual humano e demonstram que, embora sejam excelentes, os olhos humanos não são perfeitos e, por isso, quando a informação não é objecto da atenção visual do sujeito alguma dessa informação pode literalmente passar despercebida.
2.2. Modelos de Atenção Visual
Através do estudo do comportamento visual humano, foi possível definir modelos de atenção visual ou mapas de comportamento visual, a serem determinados antes mesmo dos sujeitos serem submetidos ao estímulo visual.
2.2.1. Mapas de Saliência
O primeiro mapa plausível de arquitectura computacional sobre Bottom-up foi proposto por Koch e Ullman [Koch1985]. A sua aplicação está intimamente ligada à teoria de integração de características. Foi com este trabalho que a expressão “Saliency Maps” foi introduzida.
Um Mapa de Saliência é um mapa topográfico explícito e bidimensional, que combina as informações de cada um dos mapas topográficos, as suas diferentes
dimensões, tais como a cor, a orientação das linhas, disparidade, e direcção do movimento. Nos mapas de saliência existem informações específicas para cada dimensão, sobre todas as partes constituintes do campo visual.
Figura 3 - Modelo computacional de atenção de Koch. Retirado de [Koch1985].
Koch e Ullman descreveram o referido processo da seguinte forma (Figura 3): em primeiro lugar, um conjunto de diferentes características elementares do campo visual são processadas em paralelo, e este é representado como sendo um conjunto de mapas topográficos corticais, que por sua vez são também conhecidos como sendo os mapas de características. As localizações no espaço visual que diferem da sua vizinhança, interligadas a uma característica fundamental, como orientação, cor e movimento são detectadas no mapa topográfico correspondente. A informação resultante desses mapas é combinada num mapa de saliência, codificando as características mais salientes no conteúdo visual. Em segundo lugar, pelo método de selecção Winner-takes-All (WTA), mecanismo de funcionamento deste mapa, a localização mais saliente é automaticamente apontada. Em terceiro lugar, as propriedades da localização seleccionada são encaminhadas para a representação central. A rede da WTA, em seguida, desloca a informação para a próxima localização definida. A mudança pode ser influenciada pela preferência de proximidade ou similaridade. [Koch1985]
Ao longo dos anos, os mapas de saliência foram alvo de vários estudos, com particular destaque para a sua arquitectura. Com o passar do tempo esta tornou-se
mais específica e diferenciada. As características dos mapas topográficos foram divididas, tornando possível diferenciar mais camadas. Para uma análise mais extensa, por favor consulte: [Itti1998].
Os mapas de saliência estão no centro da arquitectura de vários modelos bem sucedidos de controlo de atenção visual baseados nos mecanismos de Bottom-up. As diferenças entre os modelos computacionais são geralmente encontradas nas estratégias empregues para analisar a informação sensorial recebida e analisar a mesma para a construção do mapa de saliência.
2.2.2. Mapas de Tarefa
Os Mapas de Tarefa (Task maps) foram inicialmente introduzidos na computação gráfica. Com a criação destes mapas, foi possível desenvolver uma optimização do rendering de imagens.
Cater et al. mostrou que fenómenos como Change Blindness e Inattentional Blindness, podem ser explorados para aumentar a velocidade da síntese das imagens das sequências animadas. Argumenta-se que, para aplicações de realidade virtual em que o piscar dos olhos e as saccades do observador são conhecidas ou que possam ser previstas em tempo real, as poupanças computacionais alcançadas através da exploração da Change Blindness podem ser drásticas[Cater2003].
Demonstrou-se também, num estudo realizado por Cater e tal. [Cater2002], que os objectos salientes numa imagem de computação gráfica, que normalmente atraem a atenção dos observadores, são ignorados se eles não forem relevantes para a tarefa em questão (Inattentional Blindness). Nestas experiências, os observadores visualizavam duas animações: uma animação completamente sintetizada em alta definição e uma animação com rendering de alta definição selectivo, onde apenas os pixéis do ângulo visual da fóvea (2 graus), centrados em torno da localização do objectivo da tarefa foram os sintetizados com alta definição. Esta área foi misturada com o resto da imagem, onde o rendering tinha sido realizado com um nível muito inferior de qualidade. Quando realizaram a tarefa, os observadores fixaram a sua atenção visual foi fixada exclusivamente na área da tarefa, e não conseguiram detectar diferenças
significativas na qualidade entre as duas animações. Então, foi proposto que, tendo um conhecimento prévio do objectivo da tarefa que um utilizador iria realizar, a qualidade do rendering das áreas que não estão próximas da área da tarefa poderia ser inferior. Foi então concebida uma Framework para animação progressiva, que combina um Mapa de Tarefa indexado com uma função de sensibilidade ao contraste espaço-temporal, para determinar que áreas necessitam de uma maior qualidade de imagem. Os Mapas de Tarefa especificam quais as partes de uma animação que são perceptivamente mais importantes para realizar uma determinada tarefa. Estes mapas podem ser definidos manualmente ou automaticamente.
2.2.3. Mapas de Importância
Sundstedt et al., tendo como ponto de partida o trabalho de Cater, introduziram o conceito de Mapa de Importância (Importance Maps). Este mapa resulta da combinação entre o Task Map e o Saliency Map. O Task Map é construído utilizando a metodologia proposta por Cater et al. e os Saliency map são obtidos utilizando o modelo computacional de atenção visual de Itti & Koch [Itti1998]. As pesquisas efectuadas por Sundstedt et al., mostraram que as animações sintetizadas por computador com qualidade selectiva baseada nos Mapas de Importância são perceptivamente indistinguíveis quando comparadas com a mesma animação sintetizada em alta definição, e até mesmo em condições de livre visualização [Sundstedt2004].
Como já referido anteriormente, os Mapas de Tarefa e os Mapas de Importância foram utilizados originalmente em aplicações de computação gráfica. No estudo apresentado nesta dissertação, os mesmos conceitos (Task Maps e Saliency Maps) serão utilizados no âmbito da visualização de sítios Web.
2.3. A Percepção Visual e as Páginas Web
Recentemente foram realizados estudos sobre o comportamento visual/ocular das pessoas na visualização das páginas Web. Houve já vários investigadores, [PanB, 2004], [Lorigo2008], [Laura2004], [Poole2006], [Jansen2001], [Hsich-Yee2001], [Bilal2002], [Spink1999] que se debruçaram sobre esta temática.
Talvez por ser uma das tarefas mais recorrentes, diversos investigadores debruçaram-se sobre o tema da pesquisa na Internet usando motores de busca. Os autores Lorigo et al. [Lorigo2008] estudaram a pesquisa online, definindo quais os conhecimentos a retirar das experiências realizadas assim como as dificuldades encontradas. Comparando diferentes motores de busca, concluíram que todas as métricas que utilizaram não mostravam valores significativamente diferentes, podendo assim afirmar que as pesquisas em motores de busca eram semelhantes no processo visual e na complexidade do seu raciocínio. Por outro lado, a satisfação dos indivíduos em relação aos motores de busca utilizados difere, sendo que um dos motores de busca utilizado é “preferido” pela maioria dos indivíduos. Como principais dificuldades apontaram a interpretação dos dados retirados do eyetracker, a dificuldade de analisar qual a interacção entre os indivíduos e os resultados da pesquisa e a dificuldade de integrar os estudos realizados com eyetracker com estudos de usabilidade. A falta de feedback e de análise do sucesso da tarefa delimitam os tipos de estudos que se podem realizar com os eyetrackers.
Em 2004 foi realizado um estudo onde Laura A. Granka et al. [Laura2004] analisaram o comportamento dos indivíduos quando estes efectuam pesquisas na Web, no que diz respeito à forma como eles interagem com os sites e os resultados que obtêm. Tendo como referência o tempo que os indivíduos demoram a seleccionar a hiperligação desejada, este estudo demonstra a complexidade do processo mental envolvido na escolha da hiperligação, assim como a complexidade da informação que nos é apresentada. A ordem pela qual são apresentados os resultados numa pesquisa, está relacionada com o tempo que os indivíduos dão “atenção” aos links dispostos. Assim sendo, a pesquisa está limitada automaticamente ao comportamento do motor de busca e à forma como este apresenta os seus resultados.
Os investigadores Bernard J. Jansen e Udo Pooch realizaram uma revisão bibliográfica dos estudos que se debruçaram sobre a temática da pesquisa na internet [Jansen2001]. Numa primeira fase elaboraram uma pesquisa onde analisaram todos os estudos relativos à pesquisa na internet. Na impossibilidade de comparar directamente os motores de busca, devido às diferenças na estrutura dos portais, utilizam outro tipo de informação para verificar se existe o conceito de que uma pesquisa de informação na internet seja universal. Comparando o tempo de respostas, número de respostas, número de pesquisas e informação disponibilizada, constata-se que apesar de os portais serem diferentes e a tecnologia utilizada em cada um deles ser diferente, o conceito de pesquisa na internet é universal. Contudo, os investigadores acrescentam que é necessário uniformizar as métricas utilizadas para realizar estes tipos de estudo na internet de modo a que estes se tornem mais conclusivos e passíveis de comparações mais rigorosas.
Ingrid Hsieh-Yee [Hsich-Yee2001] realizou um estudo sobre o comportamento humano, durante a elaboração de pesquisas na internet, fazendo uma revisão bibliográfica de 1995 a 2000 onde reuniu todos os estudos sobre crianças e adultos efectuados até à altura. A maioria dos estudos analisados sobre as crianças descrevia apenas a sua interacção com a Web. Já nos estudos que se debruçavam sobre os adultos, os investigadores tinham como principal objectivo descrever padrões. Muitos investigaram, também, os efeitos dos factores identificados na pesquisa comportamental, incluindo a organização da informação e a sua apresentação, o tipo de tarefa de pesquisa, a experiência na Web, capacidades cognitivas e estado afectivo. O que distingue os trabalhos de investigação em adultos é a utilização de múltiplos métodos de recolha de dados. A investigação sobre o comportamento na pesquisa na Web obriga a que haja um compromisso de examinar os utilizadores em suas condições ambientais e obriga a um rigor na concepção e análise dos dados. Apesar de estes estudos terem uma cada vez mais rigor objectivo, ainda existe uma falta de aceitação dos mesmos, assim como a sua validação.
Para verificar se a diferença nas faixas etárias influenciam o sucesso na realização de pesquisas na internet Dania Bilal e Joe Kirby realizaram um estudo composto por adultos e crianças [Bilal2002]. Neste estudo, eles concluem que a pesquisa na internet é afectada: pela capacidade cognitiva dos utilizadores; estado afectivo; e estado físico; uma vez que o utilizador dá uma resposta diferente
dependendo do tipo de tarefa que realiza. Utilizando diferentes tipos de software foi possível analisar todas as variáveis que poderiam afectar o sucesso das tarefas. Como principais resultados deste estudo, os autores salientam a capacidade dos adultos reformularem as pesquisas quando deparados com um impasse, o tipo de navegação utilizado ao longo das páginas e a concentração durante a realização de uma tarefa.
A experiência sociocultural dos adultos é um dos factores que mais os distingue o que resulta numa taxa de sucesso mais elevada. Amanda Spink et al. [Spink1999] realizaram um estudo onde os indivíduos analisavam o tipo de informação retornada pela mesma pesquisa em diferentes motores de busca. Devido ao facto da internet ser muito utilizada como fonte de acesso a informação, realizou-se este estudo de modo a analisar a eficácia dos portais na resposta às pesquisas dos utilizadores. Este trabalho identificou um grave problema no design dos motores de busca, nomeadamente a falta de transparência. Esta leva a que as pesquisas avançadas realizadas sejam mais difíceis de completar perdendo quaisquer benefícios destas sobre as pesquisas básicas.
Além dos estudos realizados sobre a pesquisa online, alguns estudos incidiram sobre a usabilidade e a interacção com os portais Web, baseando-se nos resultados obtidos através da utilização de um eyetracker. Robert J. K. e Keith S. Karn efectuaram um estudo onde determinam a possibilidade de efectuar estudos de usabilidade e de interacção entre os sujeitos e um portal Web, baseados nos resultados extraídos de um eyetracker [Jacob2003]. Um dos principais problemas com que se depararam foi a dificuldade na interpretação dos dados retirados do eyetracker. Numa primeira fase, é necessário efectuar uma identificação do tipo de modelo computacional utilizado (Bottom-up ou Top-Down), para depois ser possível efectuar una análise fidedigna dos restantes dados que são dados pelo eyetracker (número de gazes, duração da fixação, Scanpath, etc).
Bing Pan et al. [Pan2004]estudaram qual a importância do comportamento visual nas páginas Web. Através da analise da ordem pela qual as páginas eram visitadas, assim como a complexidade das mesmas. Com efeito, eles concluíram que o comportamento visual humano durante a visualização de páginas Web é resultado da ordem pela qual as páginas são visualizadas pelos indivíduos em si e também pela relação entre os sítios visitados. Os resultados dos scanpaths (caminho pelo qual o olhar dos indivíduos seguiu durante a visualização das páginas Web) mostraram que
existe a possibilidade de relacionar o comportamento visual de diferentes indivíduos e a estrutura visual das páginas Web.
Alex Poole e Linden J. Ball [Poole2006] estudaram a usabilidade e a interacção entre o homem e o computador com o uso do eyetracker. Com os resultados do eyetracker não se quantifica apenas a interacção dos indivíduos com o computador, mas também consegue-se obter outros dados assim como o seu significado quando se relaciona os resultados com os sítios Web. Relacionando vários estudos efectuados na área, identificam variáveis e factores que indicam não apenas o tempo que os indivíduos demoram a efectuar determinadas tarefas, mas também a possibilidade da complexidade da tarefa ser mais elevada, a dificuldade em obter a informação, a estruturação das páginas Web, entre outros. Com o conhecimento desta interacção entre o homem e o computador, assim como da informação que se pode extrair deste tipo de estudo, este torna-se numa ferramenta muito importante para uma análise profunda sobre a usabilidade dos sistemas, assim como da eficácia das tecnologias/estruturas de informação utilizadas.
2.4. Métricas
As principais métricas utilizadas na investigação de movimentos oculares são: fixações e "saccades", que por sua vez ocorrem entre as fixações [Salvucci2000]. Há também uma infinidade de métricas que derivam destas medidas fundamentais, incluindo o tamanho do "gaze" e o caminho percorrido "scanpath". A dilatação das pupilas e o número de vezes que o sujeito pisca os olhos podem também ser estudados.
Como principais métricas estudadas temos:
Fixation: Momento em que os olhos estão relativamente parados, a recolher
informações ou a realizar o processo mental como resposta às informações recolhidas.
Gaze: Métrica para eyetracking. É a soma das durações das fixações dentro de
uma área prescrita. Também designada por de "dwell", "fixation cluster", ou "fixation cycle".
Saccade: Movimento ocular, ocorre entre fixações, tipicamente com duração de
20 a 35 milissegundos. O objectivo da maioria dos saccades é mover os olhos para a próxima posição de visualização. O processamento visual é automaticamente suprimido durante os saccades para evitar a diluição da imagem visual.
Scanpath: Métrica de eyetracking. É geralmente é uma sequência completa, que
interliga as fixações e saccades.
Durante a revisão bibliográfica efectuada, verificámos que vários estudos que utilizaram o eyetracker, para a recolha de informação, utilizavam estas variáveis [Pan2004], [Lorigo2008], [Granka2004], [Poole2006], [Jansen2001], [Hsich-Yee2001], [Bilal2002].
2.5. Sumário
Neste capítulo é analisado o modo pelo qual o sistema de percepção visual pode ser integrado numa série de áreas de computação gráfica; consideramos em particular o modo como o sistema visual humano utiliza os mecanismos de atenção visual, Bottom-up e Top-Down. Apresenta-se também alguns estudos já desenvolvidos na área da percepção visual quando os utilizadores visualizam páginas de sítios da internet e na visualização de imagens em computadores. FInalmente é apresentado algumas das diferentes variáveis que podem ser utilizadas em estudos utilizando eyetrackers.
3. Análise dos padrões de navegação
Como Yarbus [Yarbus1967] demonstrou, os padrões de movimentos oculares na presença de um estímulo visual dependem de quem nós somos e da tarefa que está a ser executada. Um Mapa de Tarefa apresenta, para uma determinada tarefa, as zonas mais importantes do ponto de vista da sua execução. Esse mapa é construído através da análise dos padrões dos movimentos oculares registados durante a execução da tarefa.
Assim, para se verificar se é possível catalogar os padrões de navegação, decidiu-se realizar um estudo para identificar os padrões de movimentos oculares existentes na realização de tarefas em páginas Web. Tal como identificado por Bing Pan et al. [Pan2004], as tarefas mais comuns que realizamos na Web são: pesquisa em motores de busca, pesquisa em sites de informação, compra de produtos e leitura livre da informação. O registo desses padrões será realizado com recurso a um eyetracker.
3.1. Hipótese
Neste estudo iremos tentar responder, em primeiro lugar, à seguinte questão: Será que os utilizadores ao executarem diferentes tarefas na internet utilizam as mesmas estratégias de navegação? Caso a resposta seja negativa, será necessário, numa segunda fase, identificar entre quais tarefas existem diferenças e quais são os padrões de navegação para cada uma delas. O mapa de gaze irá fornecer informação relevante para a definição desses padrões de navegação e, consequentemente, para a construção dos Mapas de Tarefa.
3.2. Caso de estudo
Para realizar este estudo foram elaborados dois testes distintos: o primeiro teste consistia em realizar quatro tarefas diferentes em quatro sítios Web diferentes, o
segundo teste era semelhante ao primeiro, excepto o facto das tarefas 2 e 3 terem sido alteradas de forma a comparar tarefas diferentes realizadas no mesmo sítio.
Assim, para o primeiro teste as tarefas a realizar consistiam em:
Tarefa 1 - Pesquisar uma receita de uma sobremesa (Google);[Google] Tarefa 2 - Explorar o site do Expresso; [Expresso]
Tarefa 3 - Comprar um livro do Dawn Brown na Amazon; [Amazon] Tarefa 4 - Procurar informações sobre a “HP”; [Hp]
No caso do segundo teste, as tarefas realizadas no sítio do Jornal Expresso e na Amazon foram alteradas:
Tarefa 5 - Pesquisar uma receita de uma sobremesa (Google); [Google] Tarefa 6 - Pesquisar um BLOG de economia no site do Jornal do Expresso;
[Expresso]
Tarefa 7 - Explorar o site da Amazon; [Amazon] Tarefa 8 - Procurar informações sobre a “HP”; [Hp]
Estes testes envolvem sítios da internet com bastante utilização, representando também os tipos de sítios mais comuns que podemos encontrar na internet.
3.3. Condições
Todas as experiências foram realizadas individualmente e em ambiente controlado, tendo sido preparada uma sala isolada sem perturbações do exterior. A sala estava equipada com um computador Pentium 4, um eyetracker tobii X50 em combinação com a aplicação Clear View 2.0.1 para recolher dados relativos ao movimento ocular, e uma secretária com uma cadeira confortável. As experiências
foram visualizadas num monitor de dezassete polegadas com uma resolução de 1024 por 768 pixéis. No final de cada tarefa realizada, a aplicação gravava automaticamente toda a informação. Para analisar os dados quantitativos fornecidos pelo sistema de eyetracking utilizou-se um software de análise estatística, o SPSS Statistic 17.0.
Para uniformizar as experiências e garantir que estas decorriam conforme o planeado, foi elaborado um protocolo da experiência (Anexo D). Foi também criado um pequeno inquérito (Anexos A e B) para recolher informações sobre os sujeitos, como a idade, género, dificuldades de visão, experiência na utilização da Web, entre outros. Com os dados obtidos através deste inquérito pode, por exemplo, ser efectuada a análise às diferenças na visualização das páginas Web, dependendo do sexo ou da escala etária dos sujeitos.
Para verificar se o setup experimental era correcto, foram realizados dois testes pilotos envolvendo um total de 30 sujeitos. Procurou-se, também, analisar problemas com a ligação à internet, tipos de tarefas efectuadas na experiência, duração da experiência e ainda o comportamento dos sujeitos durante a realização das tarefas. Após a análise dos resultados destes dois testes pilotos verificou-se que a forma como os indivíduos se comportavam durante a realização das experiências não permitia ao eyetracker captar o seu campo visual. Por outro lado, duas das tarefas tiveram que ser alteradas pois os sujeitos tinham dificuldades em completar os objectivos propostos. Foi também necessário proceder ao reajuste do tempo previsto para realização das tarefas e quanto à organização dos dados no eyetracker passou a ser efectuado relativamente às tarefas e não aos sujeitos.
3.4. Participantes
A experiência final foi realizada com uma amostra composta por quarenta e quatro sujeitos, dos quais dez são do sexo feminino e trinta e quatro do sexo masculino. Oito dos sujeitos tinham mais de 30 anos, tendo os restantes idades compreendidas entre os dezoito e os trinta anos. Todos os sujeitos utilizam a internet diariamente. Nenhum dos sujeitos que efectuou as experiências possuía conhecimento prévio da mesma, de mmodo a evitar que os resultados finais fossem comprometidos.
3.5. Métricas
Como foi apresentado na secção 4 do capítulo 2, podem ser usadas diversas métricas para analisar o comportamento dos utilizadores durante a realização da tarefa. Optou-se pelo saccade rate uma vez que esta métrica está relacionada com o número de movimentos rápidos dos olhos e, consequentemente, com o padrão dos movimentos oculares. Por outro lado, esse valor também está directamente relacionado com a complexidade do raciocínio envolvido para completar a tarefa proposta. Diferenças nos valores desta métrica permitem, por um lado, constatar diferenças nos padrões dos movimentos oculares e, por outro, a complexidade da tarefa.
3.6. Resultados
3.6.1. Análise da Informação Recolhida
De forma a verificar a integridade da informação recolhida pelo eyetracker, procedeu-se à análise dos diagramas de box plot relativos aos valores do saccade rate para cada uma das tarefas. Com esta análise pretende-se verificar a existência de outliers (valores que se afastam demasiado dos restantes), assim como a distribuição dos resultados para cada tarefa. Como pode ser observado na Figura 4, foi detectada a existência de alguns outliers, em especial nas tarefas 4, 5 e 7. Os dados para cada tarefa seguem uma distribuição aproximadamente normal.
Figura 4- Diagramas de Box Plot - a) Tarefa 4, b) Tarefa 5, c) Tarefa 7
Devido ao tamanho da amostra e à forma como os dados se encontram distribuídos poder-se-ia correr o risco de ao retirar os outliers identificados obter uma distribuição aonde ainda se poderia identificar mais outliers. Para evitar esta situação decidiu-se considerar a existência de um outlier quando um determinado valor aparece isolado no histograma.
De acordo com a heurística anteriormente definida, e após analisar os histogramas (Figura 5) das tarefas 4, 5 e 7, foi decidido, na tarefa 4 retirar apenas os dados referentes ao sujeito 43 e na tarefa 7 retirar os dados relativos ao sujeito 32.
a) b)
Figura 5 - Histogramas a) Tarefa4, b) tarefa 5, c) Tarefa 7
Após ter-se retirado dos resultados as anomalias identificadas anteriormente, iniciou-se a análise dos dados com a verificação da existência de diferenças significativas entre os resultados para o saccade rate das tarefas em cada um dos testes:
Teste 1 – tarefa 1, tarefa 2, tarefa 3, tarefa 4; Teste 2 – tarefa 5, tarefa 6, tarefa 7, tarefa, 8;
Assim, e para cada teste, considerou-se a seguinte hípotese nula:
H0: “Os valores do saccade rate para cada uma das tarefas são semelhantes”
Uma vez que para cada teste, Teste 1 ou Teste 2, todos os sujeitos realizaram as quatro tarefas, aplicou-se o teste de amostras emparelhadas aos resultados de cada um dos testes.
a) b)
Tabela 1 - Teste de Esfericidade de Mauchly's para o Teste 1
Within Subjects Effect df Sig.
Epsilona
Greenhouse-Geisser Huynh-Feldt Lower-bound
factor1 5 ,234 ,738 ,957 ,333
Tabela 2 - Teste de Amostras Emparelhadas para o Teste 1
Source df F Sig. factor1 Sphericity Assumed 3 7,445 ,001 Greenhouse-Geisser 2,214 7,445 ,003 Huynh-Feldt 2,870 7,445 ,001 Lower-bound 1,000 7,445 ,021
Tabela 3 – Teste de Esfericidade de Mauchly's para o Teste 2
Tabela 4 - Teste de Amostras Emparelhadas para o Teste 2
Within Subjects Effect df Sig.
Epsilona
Greenhouse-Geisser Huynh-Feldt Lower-bound
factor1 5 ,628 ,867 1,000 ,333
Source df F Sig.
factor1 Sphericity Assumed 3 16,099 ,000
Greenhouse-Geisser 2,601 16,099 ,000
Huynh-Feldt 3,000 16,099 ,000
Para o Teste 1 pode assumir-se a existência de esfericidade (Tabela 1, valor próximo de 1), o que aponta para um nível de significança de 0,001 ver Tabela 2, portanto inferior a 0.05, rejeitando-se a hipótese nula, o que significa que existem diferenças significativas entre os valores do saccade rate para as tarefas realizadas neste teste. Para o teste 2 também se pode assumir a existência de esfericidade, com o valor exacto de 1, como podemos verificar na Tabela 3, observando-se um nível de significancia de zero (Tabela 4), por conseguinte inferior a 0.05, rejeitando-se a hipótese nula, podendo-se afirmar que existem diferenças significativas entre os valores do saccade rate das tarefas do teste 2.
Tabela 5 – Resultados da comparação de Tarefas através de Amostras Emparelhadas
TESTE df F COMPARAÇÔES SIG. (Alfa=5%)
1 3 7,445 T1/T2/T3/T4 0.001 1 21,209 T1/T2 0.000 1 2,902 T1/T3 0.111 1 5,688 T1/T4 0.036 1 8,533 T2/T3 0.010 1 7,927 T2/T4 0.015 1 0,372 T3/T4 0.553 2 3 16,099 T5/T6/T7/T8 0.000 1 27,564 T5/T6 0.000 1 46,830 T5/T7 0.000 1 17,476 T5/T8 0.001 1 0,046 T6/T7 0.833 1 2,925 T6/T8 0.105 1 4,319 T7/T8 0.050
Estes resultados permitem concluir que existem diferenças significativas no valor do saccade rate entre as várias tarefas, o que indicia a existência de diferenças nos padrões de exploração e navegação entre os tipos de páginas considerados e que dependem da tarefa que se está a realizar. No entanto, não permitem concluir entre que tarefas é que existem essas diferenças. Assim, analisaram-se as tarefas, comparando-se duas a duas, para identificar aquelas que são diferentes entre si e as que apresentam
semelhanças. A hipótese nula mantém-se a mesma (H0), mas a análise é entre somente
duas tarefas.
Como pode ser observado na tabela 5, para o teste 1 as comparações realizadas entre as tarefas 1 (Pesquisar no site da Google) e tarefa 2 (Explorar o site do Expresso), tarefas 1 (Pesquisar no site da Google) e tarefa 4 (Pesquisar informações sobre a Hp), tarefas 2 (Explorar o site do Expresso) e tarefa 3 (Comprar um produto na Amazon), e tarefa 2 (Explorar o site do Expresso) e tarefa 4 (Pesquisar informações sobre a Hp), apresentam um nível de significância inferior a 0.05, rejeitando-se a hipótese nula, indicando assim diferenças significativas relativas à realização das tarefas.
Para o teste 2, as comparações realizadas entre as tarefas 5 (Pesquisar no site da Google) e tarefa 6 (Pesquisar um Blog no site do Expresso); tarefas 5 (Pesquisar no site da Google) e tarefa 7 (Explorar o site da Amazon); tarefas 5 (Pesquisar no site da Google) e tarefa 8 (Pesquisar informação sobre a Hp); e tarefa 7 (Explorar o site da Amazon) e tarefa 8 (Pesquisar informação sobre a Hp); apresentam um nível de significância inferior ou iguais a 0.05, rejeitando-se a hipótese nula, indicando assim também diferenças significativas relativas à realização das tarefas.
Com estes resultados pode-se verificar que é possível observar diferenças claras em relação às tarefas de pesquisa em motores de busca, compras online, explorar um site e pesquisa num site de informação, no que diz respeito ao valor do saccade rate. Por outro lado, como também pode ser verificado na Tabela 5, para as tarefas 1 (Pesquisar no site da Google) e tarefa 3 (Comprar um produto na Amazon); tarefa 3 (Comprar um produto na Amazon) e tarefa 4 (Procurar informações sobre a Hp); tarefa 6 (Pesquisar um blog no site do Expresso) e tarefa 7 (Explorar o site da Amazon) e por último tarefa 6 (Pesquisar um blog no site do Expresso) e tarefa 8 (Pesquisar informações no site da Hp), com os níveis de significância obtidos, não se rejeita a hipótese nula, o que significa que existe uma semelhança no processo mental ou no raciocínio exigido para completar as diferentes tarefas.
Analisando os resultados entre tarefas de diferentes testes, pode-se comparar tarefas diferentes mas realizadas no mesmo site, ou a mesma tarefa realizada em sites diferentes. Devido ao facto dos sujeitos que realizaram o Teste 1 serem diferentes dos que realizaram o Teste 2, considera-se que estes testes são independentes. Continuou-se
a considerar a mesma hipótese nula. Aplicando o teste One Way ANOVA do SPSS para comparar variáveis independentes obtiveram-se os seguintes resultados:
Tabela 6 - Resultados da comparação de Tarefas dos Testes 1 e 2
TAREFAS df F SIG. (alfa=5%)
T1/T6 1 29,660 0.000 T2/T7 1 0,960 0.333 T2/T6 1 1,293 0.263 T3/T7 1 4,396 0.043 T4/T6 1 2,055 0.162 T3/T6 1 5,217 0.029
Como pode ser verificado na tabela 6, as comparações realizadas para as tarefas 1 (Pesquisar no site da Google) e 6 (Pesquisar um Blog no site do Expresso), tarefas 3 (Comprar um produto na Amazon) e 7 (Explorar no site da Amazon), tarefas 3 (Comprar um produto na Amazon) e 6 (Pesquisar um Blog no site do Expresso), apresentam um valor de significância inferiores ou iguais a 0.05, rejeitando-se a hipótese nula, indicando assim diferenças significativas relativas à execução das tarefas.
Para as tarefas 2 (Explorar no site do expresso), e para a tarefa 7 (Explorar no site da Amazon), não se rejeita a hipótese nula, pelo que não existem diferenças significativas entre os valores do saccade rate, mostrando que a tarefa explorar possui valores semelhantes, independentemente do portal onde estas tarefas estão a ser realizadas, o que está de acordo com os resultados obtidos por Bernard J. Jansen e Udo Pooch [Jansen2001].
Por outro lado, para a tarefa 3 (Comprar um produto na Amazon) e para a tarefa 7 (Explorar o site da Amazon), apesar destas diferentes tarefas se efectuarem no mesmo site, podemos também verificar pelo nível de significância (p=0.043) que se rejeita a hipótese nula, logo existem diferenças significativas entre os valores de saccade rate, assim como diferentes padrões de navegações diferentes para cada uma das tarefas.
Não foram apresentadas comparações entre a tarefa 1 e 5 e entre a tarefa 4 e 8, devido ao facto das tarefas serem as mesmas em ambos os testes.
3.6.2. Mapas de Gaze
Outros dados relativos às estratégias utilizadas pelos sujeitos quando estão a navegar nos sítios da internet são os Mapas de Gaze. Como se vai observar de seguida, estes além de nos indicar qual o caminho percorrido pelos sujeitos, ainda nos indicam os pontos de focagem e quais os locais que os sujeitos visualizaram. Esta informação é relevante para a construção dos Mapas de Tarefa.
Figura 6- Mapa de Gazes na página da Google (Tarefa1- Pesquisar em motores de busca)
Na Figura 6 apresenta-se o mapa de gaze de um dos participantes, o mesmo comportamento foi observado para os restantes. Os gazes encontram-se preferencialmente nas hiperligações do topo, não existindo nenhum ponto de desvio de atenção visual do lado direito da página. As pessoas não efectuam uma leitura ordenada, mas antes procuram logo nos quatro a cinco primeiros links uma resposta
para a sua pesquisa. Podemos verificar também na imagem qual a área que os utilizadores visualizam quando o site abre no browser.
Figura 7 – Excerto do Mapa de Gazes na página do expresso (Tarefa explorar)
Como se pode verificar na figura 7, o sujeito ao completar a tarefa “Explorar”, efectuou uma leitura quase integral do site, deixando pontos de gaze de grande intensidade ao longo de toda a página. Verifica-se, também, que a leitura da página não é efectuada de uma forma ordenada.
Figura 8 - Mapa de Gazes da página da Amazon (Tarefa comprar produtos online)
Observando a figura 8, pode-se constatar que quando os sujeitos começavam a efectuar esta tarefa preferiam as pesquisas automáticas e de acesso facilitado nesta página. A maior parte dos gazes encontram-se mesmo ao redor do menu de pesquisa e na imagem dos livros, pois era esse o objectivo da tarefa pedida.
Figura 9 - Mapa de gazes da página do expresso (Tarefa Pesquisa de informação num site de informação)
Comparando a Figura 9 com a Figura 7, pode-se verificar que apesar de ambas serem provenientes da página do expresso, os mapas de gaze são completamente diferentes. Na figura 9, pode-se constatar que os utilizadores ao fazerem uma pesquisa no site, automaticamente, limitam a maioria da sua atenção visual aos menus e às pesquisas avançadas.
Verifica-se, também, na Figura 10, que o mapa de gaze também é completamente diferente do mapa de gaze da figura 8, apesar das tarefas terem sido, igualmente, realizada na mesma página da Amazon.
Na tarefa “explorar”, os utilizadores fazem uma leitura geral da página, tentando obter o máximo de informação possível.
Figura 10 - Excerto do Mapa de Gazes da página da Amazon ( Tarefa Explorar)
3.6.3. Sumário
Com os resultados das tabelas 5 e 6 pode-se verificar que é possível observar diferenças claras em relação aos padrões de visualização das tarefas de pesquisa em
motores de busca, compras online, explorar um site e pesquisa num site de informação, no que diz respeito ao valor do saccade rate. Esta diferença pode também ser verificada através da observação dos Mapas de Gaze para os diferentes tipos de tarefa (Figuras 6, 7, 8 e 9) em que existe uma diferença clara na navegação do site por parte dos utilizadores, comprovando assim os dados estatísticos. Estas observações irão servir de base, no próximo capítulo, à construção dos Mapas de Tarefa e, consequentemente, dos Mapas de Importância.
4. Mapas de Importância para a Web
Neste capítulo pretende-se, por um lado, propor mapas de importância para a Web, tendo em conta o tipo de tarefa a ser executada, e, por outro, definir um modelo conceptual que permita identificar o tipo de tarefa que está a ser executada. Esta informação é relevante uma vez que permite, em conjunção com o Mapa de Importância, prever o comportamento do utilizador.
4.1. Proposta de Mapas de Importância
Um Mapa de Importância resulta da combinação entre um Mapa de Tarefa e um Mapa de Saliência. Para cada tipo de tarefa pode ser criado um Mapa de Tarefa com base nos padrões de navegação identificados no capítulo anterior. O Mapa de Saliência identifica as zonas com características visuais mais marcantes e para onde o observador dirige a sua atenção de uma forma rápida e involuntária. Este mapa pode ser gerado recorrendo a aplicações informáticas desenvolvidas para esse propósito.
O estudo desenvolvido no capítulo anterior mostrou que os padrões de navegação para cada um dos tipos de tarefa (pesquisa num motor de busca, explorar uma página Web, fazer compras online e procura de informação especifica sobre uma empresa) são diferentes, logo os Mapas de Tarefa também são distintos. Através das imagens produzidas pelo eyetracker é possível identificar as zonas para onde os sujeitos dirigiram mais a sua atenção quando estavam a executar uma determinada tarefa. O facto de ser possível criar uma imagem dos hotspots com a informação relativa a todos os sujeitos que realizaram uma determinada tarefa leva a que o Mapa de Tarefa seja baseado neste.
O Mapa de Saliência para cada tarefa foi gerado com base na sua imagem, extraída através da aplicação Clear View 2.0.1, e recorrendo ao software Ezvision. Este software analisa as imagens e calcula a saliência de cada objecto contida nas
mesmas. Após a sua análise elabora um mapa onde através de escalas de cinza nos indica quais as áreas mais salientes na imagem inserida no software.
Os Mapas de Importância, para cada tarefa, foram gerados através da sobreposição dos Mapas de Tarefa e dos Mapas de Saliência (figura 11).
Figura 11 - Esquema de desenvolvimento de um Mapa de Importância – a) imagem original do sítio da Google, b) imagem com o total dos hotspots dos utilizadores neste sítio, c) Mapa de Saliência do a) , d) Mapa de Tarefa de b) e e) Mapa de Importância da primeira página da Tarefa Pesquisar a receita de uma sobremesa.
O mesmo processo foi utilizado para todos os sítios e respectivas tarefas (Figura12).
a) b)
c) d)
![Figura 3 - Modelo computacional de atenção de Koch. Retirado de [Koch1985].](https://thumb-eu.123doks.com/thumbv2/123dok_br/15940528.1096224/22.892.282.610.259.516/figura-modelo-computacional-de-atenção-koch-retirado-koch.webp)
