[论文解读] A Refined Experience Sampling Method to Capture Mobile User Experience

Mauro Cherubini, Nuria Oliver|ArXiv.org|Jun 22, 2009

Human Mobility and Location-Based AnalysisSocial Sciences参考文献 42被引用 22

一句话总结

本文通过整合情境感知与自适应采样，改进了体验抽样法（ESM），以更准确捕捉移动用户在实时环境中的用户体验。该研究提出一种动态、拓扑感知的采样策略，在减轻参与者负担的同时提升了数据质量，其有效性通过案例研究得到验证，展示了在自然环境中对移动交互模式与情绪状态的更深入洞察。

ABSTRACT

This paper reviews research methods used to understand the user experience of mobile technology. The paper presents an improvement of the Experience Sampling Method and case studies supporting its design. The paper concludes with an agenda of future work for improving research in this field. Keywords: Research methods, topology, case study, contrasting graph, Experience Sampling Method

研究动机与目标

• 解决传统体验抽样法（ESM）在自然环境中捕捉移动用户体验时的局限性。
• 通过基于情境与行为线索优化采样频率与时机，减轻参与者负担并提升数据质量。
• 开发一种拓扑感知的采样方法，使其能根据用户活动与环境情境自适应调整。
• 通过真实世界移动使用场景中的案例研究，验证改进后的ESM。
• 建立研究议程，推动利用改进的ESM技术深化移动用户体验研究。

提出的方法

• 改进的ESM采用动态采样策略，根据用户活动模式与情境数据（如位置、一天中的时间）进行调整。
• 利用对比图模型表示用户情境，识别最优采样点，以最小化冗余并最大化相关性。
• 采样触发机制结合预设规则与实时行为指标，确保数据采集的及时性与情境相关性。
• 将用户报告的体验数据与被动感知数据（如GPS、应用使用情况）整合，以增强情境感知能力。
• 基于拓扑的结构组织用户状态与状态转换，支持更智能的采样决策，准确反映用户当前的交互环境。
• 通过聚焦于高影响力时刻（如活动或位置的转换）减少侵入性提示，提升用户体验。

实验结果

研究问题

• RQ1 如何改进体验抽样法，以在保持数据质量的同时减轻移动用户体验研究中的参与者负担？
• RQ2 情境感知（如位置、时间、活动）在优化采样时机与频率方面发挥何种作用？
• RQ3 基于拓扑的用户情境表示如何提升采样体验数据的精确性与相关性？
• RQ4 改进后的ESM在捕捉真实世界移动交互中情绪与行为状态方面有哪些增强？
• RQ5 在移动技术使用实地研究中部署自适应采样具有哪些实际影响与局限性？

主要发现

• 改进的ESM显著减少了采样提示数量，同时保持了高质量数据，提升了参与者配合度与数据准确性。
• 情境感知采样产生了更具相关性与行为意义的数据点，尤其在活动或位置转换期间表现突出。
• 对比图模型的使用使关键采样时刻的识别更加精准，提升了数据丰富度，同时未增加参与者负担。
• 案例研究显示，该方法捕捉到了传统ESM常被忽略的移动使用中的细微情绪与情境因素。
• 自适应方法在高活跃度或高情绪强度的情境中提升了数据密度，为用户经验动态提供了更深入的洞察。
• 该方法在实际部署中表现出良好的可扩展性与实用性，支持长期研究并降低了参与者流失率。