Develando las emociones reales de nuestros usuarios: el futuro de la investigación de experiencia del usuario

Es posible que la evaluación de la experiencia del usuario incluya nuevos métodos para medir la respuesta emocional mediante tecnologías adaptadas y refinadas de la neurología y la biología humana. Aún existen grandes desafíos a la hora de implementar estas nuevas medidas; no obstante, la generación actual de herramientas es considerablemente más económica y práctica que antes para los investigadores de experiencia del usuario. Con el tiempo, llegaremos a una instancia donde la recopilación de información fisiológica que nos ayude a comprender las emociones de nuestros usuarios será una tarea habitual.

Grupo de gente en una montaña rusa con diferentes expresiones y lenguaje corporal.

Piensa respecto a las emociones que se experimentan mientras se viaja en una montaña rusa.

Errores de los Métodos Actuales

La investigación de UX suele centrarse en obtener conocimientos directamente de los participantes para entender su experiencia. Sin embargo, es importante reconocer que esos participantes (así como los investigadores) no siempre son objetivos, y caen presas de las debilidades de la mente humana. Una forma común de abordar aspectos emocionales y cognitivos en pruebas de experiencia de usuario hoy en día es a través de un auto informe en retrospectiva, donde se les pide a los usuarios describir o responder a preguntas sobre su experiencia, ya sea de forma verbal o en un cuestionario escrito. Mientras estos métodos son lugares comunes, confían demasiado en la naturaleza altamente subjetiva de la interpretación y recolección de sus emociones de parte de los participantes. La realidad es que los participantes nos cuentan lo que piensan que queremos escuchar y/o selectivamente reportan sus emociones. Algunas veces ellos ni siquiera pueden interpretar sus propios sentimientos lo suficientemente bien para contarnos acerca de ellos. Mediciones fisiológicas remueven la subjetividad en las evaluaciones de experiencia de usuario apoyándose en métricas cuantitativas que entregan dispositivos que miden principalmente respuestas a estímulos que son involuntarios y a menudo subconscientes.

Nuevos métodos para Medir las Emociones

Nuevos dispositivos biométricos (así como neurométricos) que son prácticos, a un precio razonable, y adecuados para los profesionales de UX, han generado tanto entusiasmo como escepticismo. Admito que yo era muy escéptico de los dispositivos aparentemente místicos que podían decirme lo que mis usuarios estaban sintiendo, pero también estaba fascinado por las posibilidades. Gran parte del escepticismo tiene sus raíces en la falta de conocimiento y experiencia. En la actualidad, poco se ha publicado o presentado sobre este tema dentro de la comunidad UX y, que yo sepa, son pocos los que actualmente están llevando a cabo este tipo de investigación. Mi viaje personal con estos dispositivos comenzó con la aplicación de seguimiento de los ojos (Eye Tracking) en la investigación UX. El Eye Tracking ofrece una manera objetiva para comprender directamente el movimiento de los ojos del usuario.

Eye Tracking (Seguimiento Ocular)

El Eye Tracking es una poderosa herramienta para investigadores de usuarios y, cuando se utiliza apropiadamente puede proveer conocimientos que son inalcanzables por otros métodos de investigación. La más obvia habilidad del Eye Tracker, no obstante única, (Figura 2), es que se puede rastrear la ubicación de los ojos del participante del estudio.

A woman works at a computer with the small eye tracker hardware attached under the monitor.

Figura 2. Un monitor con una máquina de seguimiento ocular. Cortesía de Tobii Technologies.

El seguimiento de los ojos es una herramienta esencial que puede ser combinada con cualquier medición biométrica; estas mediciones son inútiles a menos que sean analizadas en el contexto de lo que el usuario está observando. La medición del tiempo en conjunto con el movimiento de los ojos es clave para entender exactamente cuándo y qué es lo que el participante está mirando. Mientras el seguimiento de los ojos es revelador, sólo te puede decir lo que el usuario está mirando, no por qué.

Entrando en las cabezas de nuestros usuarios: EEG

En mis primeras investigaciones de búsqueda de dispositivos adecuados para medir respuestas emocionales, me encontré con la electroencefalografía (EEG). La EEG mide la actividad eléctrica en el cerebro mediante la colocación de electrodos en varios puntos del cuero cabelludo. Las señales obtenidas de estos electrodos son representadas por formas de onda que reflejan la variación de tensión con el tiempo. (Figura 3)

Una pantalla con muchos despliegues de datos en diferentes ventanas.

Figura 3. Salida en tiempo real de los datos de una EEG que muestran la actividad de regiones cerebrales y los canales de electrodos. Cortesía de Emotiv.

EEG es el instrumento más sensitivo que está disponible para los investigadores de UX y ofrece características que incluyen:

  • En tiempo real, nivel de precisión de milisegundos.
  • Espectro completo de emociones y actividad cognitiva.
  • Representación de las emociones sobre la marcha (dependiendo del software utilizado).

Modelos más recientes de EEG, como los cascos Emotiv (Figura 4) son completamente inalámbricos a través de conectividad Bluetooth y utilizan una solución salina de venta libre para proveer conductividad a los electrodos. Estos cascos pueden ser utilizados cómodamente durante una prueba de experiencia de usuario e interfieren mínimamente con las conductas naturales del participante. La tendencia hacia soluciones menos costosas, más livianas, y totalmente inalámbricas harán a la EEG más práctica para los investigadores de UX en los próximos años.

Un hombre con un dispositivo en su cabeza está sentado frente a un computador, mientras otra persona ajusta la pantalla.

Figura 4. Preparando un estudio con un participante utilizando un casco para EEG Emotiv.

Es verdad que la interpretación correcta del significado de las ondas de la EEG y traducir esos datos en estados emocionales es extremadamente complejo y probablemente fuera de la experiencia de un investigador de UX. No obstante, las herramientas de análisis pueden procesar los datos en bruto de la EEG y producir visualizaciones que se correspondan con un conjunto estandarizado de estados emocionales, tales como el compromiso, el interés, la frustración, la felicidad o la tristeza.

Tu piel revela mucho acerca de cómo te sientes: GSR

La respuesta galvánica de la piel (GSR) se ha utilizado por mucho tiempo para medir la excitación fisiológica. La tecnología mide la conductividad eléctrica de la pequeña cantidad de sudor generado por los poros de la piel. GSR puede proporcionar ideas sobre un espectro de estados emocionales, desde estar excitado, comprometido, o estresado, a sentimientos de aburrimiento, desinterés, o relajación. Esta medida es ideal para detectar situaciones en las que un usuario está teniendo dificultad para usar una interfaz y cada vez se siente más frustrado y estresado. Estas mediciones pueden ser evaluadas longitudinalmente para determinar las tendencias emocionales (por ejemplo, los períodos de aumento o disminución del estrés) que se sintieron durante la experiencia. Para las aplicaciones diseñadas para mantener a un usuario participando y/o interesado activamente, la GSR puede ayudar a medir la intensidad de su compromiso, así como el tiempo que se puede sostener. Los dispositivos más nuevos, como el Shimmer3 (Figura 5) son mucho menos intrusivos y permiten una total libertad de movimientos mientras se interactúa con los dispositivos. Además de la comodidad de los participantes, el dispositivo también libera bastante de estrés a los investigadores que desean configurarlo rápidamente y recabar los datos.

Una mano con sensores alrededor de tres dedos y con un pequeño dispositivo electrónico en su muñeca.

Figura 5. Un participante conectado a los sensores de Shimmer3 GSR + Optical Pulse (por ejemplo, para medir frecuencia cardiaca). Imagen cortesía de Shimmer.

Para todas las mediciones biométricas, pero sobre todo con GSR, es crítico obtener una medición de línea basal antes de la presentación de estímulos. En los participantes variarán los niveles típicos de producción de sudor y su estado emocional (por ejemplo, la sensación de ansiedad) cuando lleguen al lugar de las pruebas. Se ha demostrado que establecer una línea de base entrega un punto de comparación entre su estado antes y después de un estímulo. Es importante saber que la GSR es incapaz de representar un conjunto amplio de estados emocionales, como sí lo hacen la EEG o el análisis de respuesta facial, que pueden detectar tanto los niveles de valencia (emociones positivas o negativas). Por ejemplo, la GSR sería capaz de detectar con gran precisión el nivel de excitación de una persona mientras viaja en una montaña rusa (como se ve en la Figura 1). Sin embargo, no sería capaz de detectar si está teniendo una buena experiencia (o como yo, una aterradora). Las EEG y GSR no son para todos debido a la complejidad de la configuración y el análisis. Puede que algunos participantes no se muestren muy entusiasmados respecto a utilizar algo en sus cabezas o tener algo atado en sus muñecas. Un método mucho menos intrusivo (y potencialmente encubierto) para captar las emociones es mirarlo fijamente a la cara.

Encarémoslo, tus emociones se ven: Análisis de Respuesta Facial

La codificación facial es el análisis sistemático de las expresiones faciales. En la década de 1970, los primeros trabajos del psicólogo Paul Ekman identificaron la universalidad de seis emociones básicas. También es bien conocido por popularizar el Sistema de Codificación Facial de Acciones (FACS, pos sus siglas en inglés) que describe sistemáticamente las expresiones y movimientos faciales.

Cuatro fotografías de la cara del mismo individuo mostrando distintas expresiones faciales.

Figura 6. Detectar y extraer expresiones faciales. Imagen cortesía de Affectiva.

Compañías como Affectiva y Emotient han desarrollado nuevos softwares que pueden ser utilizados para analizar las emociones de un usuario al examinar sus reacciones faciales. Las webcams ya se utilizan para capturar comportamientos no verbales y audio de los participantes en estudios de experiencia de usuario. Utilizar el análisis facial es uno de los métodos menos intrusivos para captar las reacciones emocionales de una forma altamente automatizada. Estos sistemas usan algoritmos computacionales que captan video de una webcam común y entregan como resultado métricas de emociones cuadro a cuadro. El primer paso al analizar los datos es localizar el rostro y luego extraer los puntos de referencia faciales clave (representados por puntos verdes en la Figura 6) necesarios para clasificar cada característica emocional. El resultado generado por el software produce una puntuación de compromiso (Figura 7, arriba) que indica si el usuario está enfocado (por ejemplo, “la cara mirando a la pantalla”) en la tarea. Los valores más bajos de atención indican que el usuario no está mirando a la cámara, lo que por lo general es una indicación de aburrimiento o fatiga (por ejemplo, él o ella está “distraído”). Las emociones individuales (Figura 7, abajo) se muestran junto con la intensidad de la emoción que sentía el usuario.

Dos gráficos. El de arriba es una línea simple. El de abajo tiene regiones con códigos de color.

Figura 7. Estos gráficos muestran cómo se ven los resultados de un análisis facial. El primero muestra el compromiso emocional a nivel general mientras que el segundo muestra la intensidad de cada emoción individual. Imagen cortesía de Emotient.

Si bien la respuesta facial es el más fácil de recoger y analizar respecto a los otros métodos, en mi experiencia, también es el menos preciso. Los algoritmos actuales son muy precisos para las emociones altamente expresivas, como una gran sonrisa, pero no son consistentes para las emociones más complejas, como el desprecio. En una prueba UX las reacciones de los participantes a menudo se transmiten sutilmente, como una leve sonrisa para indicar que están satisfechos, o una ligera levantada de las cejas para indicar sorpresa. La capacidad de capturar estas emociones menos expresivas o niveles variables de valencia (sentimientos positivos o negativos) es fundamental para la investigación de experiencia de usuario donde los participantes no siempre tienen una reacción a los estímulos fuertemente demostrativa.

Por qué un método mixto es importante

Ninguno de las mediciones discutidas pueden, por sí solas, capturar completamente la experiencia emocional del usuario. Yo las consideraría complementarias y, en algunos casos, suplementarias. El beneficio de usar múltiples tipos de dispositivos biométricos y neurométricos es que podemos aprender distintas cosas de distintos dispositivos. Valencia es una medida de la naturaleza positiva o negativa de la experiencia del participante. Al utilizar EEG y análisis de respuesta facial podemos medir si participante está una reacción relativamente buena o mala. GSR y el ritmo cardíaco no miden valencia, pero son buenos indicadores del nivel de excitación del participante. Cuando se combinan los beneficios de cada tipo de medición podemos identificar tipos específicos de experiencias emocionales (Figura 8).

El texto de la imagen està en la caja de màs abajo.

Figura 8. El modelo Excitación/valencia desarrollado por James Russell y Lisa Feldman Barrett. (Lea el texto en esta imagen)

Otro beneficio de usar múltiples tipos de mediciones es que podemos utilizarlos frecuentemente para validar o invalidar unos a otros. Por ejemplo, si los datos de análisis facial indican fuertemente que un participante está experimentando altos niveles de felicidad, pero los datos de la EEG indican altos niveles de ira, es probable que una de las mediciones esté entregando información incorrecta. Al principio de este artículo discutí los problemas de depender del auto-reporte de lo que sentía el usuario. Si bien no podemos descansar completamente en los usuarios para que entreguen esta información, sigue siendo fundamental preguntarles. Incluso si los métodos fisiológicos fueran 100 por ciento exactos (que no lo son) quedaríamos sin comprender por qué los usuarios sintieron de la manera que lo hicieron. Mediante el uso de varios de estos métodos en conjunto se crea un sistema de pesos y contrapesos para garantizar un mayor grado de confianza en que estamos interpretando y entendiendo las emociones del usuario con precisión.

Aplicaciones para la Investigación de Experiencia de Usuario

Los investigadores de UX y diseñadores pueden ahora trabajar en crear y refinar las experiencias que sean usables y también evoquen respuestas emocionales específicas. La calidad de la experiencia de un usuario ya no está limitada a si puede utilizar una interfaz, pero ahora puede incluir cómo se siente mientras interactúa con ella. Digamos que es tu trabajo ayudar a tu equipo a evaluar la efectividad de los nuevos procesos de selección de productos de un sitio web. En circunstancias normales, lo más probable sería identificar las métricas clave que midieran la experiencia, tales como la ejecución de tareas, comentarios verbales, las puntuaciones de satisfacción, etc. Sin embargo, te das cuenta de que esto no será suficiente para identificar los puntos débiles sutiles, y puede que no te ayude a conocer cómo las emociones del usuario afectan su proceso de toma de decisiones. Mediante el uso de una combinación de seguimiento de los ojos, EEG, GSR, y el análisis de la respuesta facial (Figura 9) puedes identificar cuando se están haciendo sentir ciertas emociones.

Una pantalla con eye tracking identifica a qué reacciona el usuario. El gráfico EEG (Emotiv) puede describir emociones específicas como la frustración. La respuesta facial (Emotient) puede ser utilizada para medir respuestas positivas y negativas. GSR (Shimmer) identifica periodos de stress.

Figura 9. Resultados de respuestas emocionales durante una prueba de usabilidad. La pantalla es de iMotion Attention.

Los beneficios clave de este enfoque incluyen: Entender qué atrae e involucra la atención. Utilizando el seguimiento de los ojos podemos determinar:

  • Lo que inicialmente atrae la atención (por ejemplo, el precio, ofrecer comparaciones, elementos interactivos, fotos, etc.)
  • Lo que sostiene a la atención de los usuarios
  • *¿Qué patrón siguen los ojos de los usuarios mientras navegan por la tienda en línea?

Entender el compromiso emocional. El uso de EEG, GSR, y el análisis de la respuesta facial podemos determinar:

  • Cuál es el estado emocional momento a momento durante toda la experiencia online
  • Reacción de la valencia general (positiva o negativa) a través de la Respuesta Facial
  • Qué excita al usuario y qué considera atractivo (GSR)

Usando los métodos auto informes conducidos tras la experiencia conoceremos:

  • Por qué los usuarios miran ciertos elementos en el sitio web
  • Por qué los usuarios se sienten de cierta manera cuando miran los elementos
  • Cómo los usuarios se sienten en diversas etapas de la experiencia de compra (como la página principal, landing pages, páginas de productos, o el proceso de pago)

Al comprender los altos y bajos del viaje emocional de un usuario, se pueden optimizar las características del diseño para minimizar puntos débiles específicos y hacer hincapié en los elementos que proporcionan una experiencia positiva.

Desafíos para el Investigador de Experiencia de Usuario

Los beneficios de estas herramientas también implican retos importantes para los investigadores de los usuarios. Todas estas herramientas se originan en campos que son desconocidos para los investigadores de usuario, como la fisiología y neurología humana. Por lo tanto, estas herramientas pueden ser intimidantes y potencialmente riesgosas para que las adopten los investigadores de usuarios. Incluso con los nuevos y más accesibles equipos, hay muchos desafíos al enfrentar este tipo de investigación:

  • Se debe adquirir la competencia técnica necesaria para preparar y operar este equipamiento avanzado y así asegurar un proceso riguroso para recolectar datos precisos
  • Es necesario que alguien en tu equipo tenga conocimientos en neurociencia, cognición, o psicología experimental (de preferencia un doctorado).
  • Los estudios fisiológicos requieren mayores tamaños de muestra que los métodos típicos de investigación cualitativos de usuarios.
  • Las pruebas piloto son esenciales para determinar si el equipamiento está configurado correctamente y entregando los tipos de datos esperados.
  • El equipamiento debe ser calibrado cuidadosamente con cada participante y las mediciones de referencia se deben tomar en cuenta ante las variaciones de resultados entre individuos.

Otro desafío está en la interpretación de los datos, ya que el mismo tipo de respuestas fisiológicas se puede observar para diferentes estados mentales, como la frustración, sorpresa, o el aumento de esfuerzo cognitivo. Una correcta interpretación requiere el conocimiento del contexto en el que se obtuvo la información. Para entender mejor los resultados es recomendable registrar observaciones adicionales junto con las mediciones fisiológicas, tales como comentarios, comportamientos observados, y valoraciones subjetivas de los acontecimientos.

El Futuro de Estudiar las Emociones

Los métodos actuales para comprender la respuesta emocional de un usuario son, en el mejor de los casos, limitados, y en el peor, completamente inexactos. A medida que el campo de la experiencia del usuario evoluciona, tenemos que explorar nuevos métodos para medir la respuesta emocional utilizando tecnologías prestadas y refinadas de la neurociencia y biología humana. Todavía hay retos importantes para la implementación de estas nuevas mediciones. Sin embargo, la actual generación de herramientas es considerablemente más económica y práctica para los investigadores UX que nunca antes, y todo indica que esta tendencia continuará en los próximos años. Estoy convencido de que con el tiempo vamos a llegar a un punto en que será común la obtención de datos fisiológicos que nos ayuden a entender las emociones de nuestros usuarios. Un nuevo mundo de la investigación experiencia de usuario que incluye respuestas fisiológicas está en camino. Manténganse al tanto.

Dónde aprender más

Introducción al Estudio de las Emociones

Eye Tracking

  • Eye Tracking in UX Design -Este libro entrega una visión general del seguimiento de los ojos en la investigación UX y, específicamente, se refiere a la utilización de la biometría.
  • SMI Eye Tracker + EEG Integration – SMI está trabajando actualmente para integrar las mediciones fisiológicas con seguimiento de los ojos.

EEG

  • EmotivEpoc Headset – El Emotiv EEG headset ofrece la mejor combinación de precisión y que los participantes relativamente sientan escasa molestia.

GSR

  • Shimmer3 GSR + Optical Pulse – La Shimmer3 es una unidad de GSR inalálbrica, fácil de configurar y que relativamente genera pocas molestias en el participante.

Análisis Facial

Soluciones Integradasted Solutions

  • iMotions Platform – La plataforma de atención iMotion proporciona una plataforma para recoger y analizar de numerosos datos de mediciones bio/neurométricas.
  • Noldus Usability Testing Suite – Software para la captura de diversas métricas de pruebas de usabilidad que ahora incluye un módulo de análisis facial.

Texto de la Figura 8: Modelo Excitación/Valencia 

Este diagrama muestra una lista de palabras descriptivas alrededor de un círculo. El círculo está dividido por una línea horizontal que muestra la valencia desde desagradable a agradable y una línea vertical que muestra la excitación desde activada a desactivada. Partiendo desde la parte superior del círculo, los cuatro cuadrantes son:

  • Activado y Agradable
    • alerta
    • emocionado
    • entusiasta
    • exaltado
    • feliz
  • Desactivado y Agradable
    • contento
    • sereno
    • relajado
    • calmo
  • Desactivado y Desagradable
    • aburrido
    • inactivo
    • deprimido
    • triste
  • Activado y Desagradable
    • perturbado
    • estresado
    • nervioso
    • tenso

Schall, A. (2015). Develando las emociones reales de nuestros usuarios: el futuro de la investigación de experiencia del usuario. User Experience Magazine, 15(2).
Retrieved from http://uxpamagazine.org/the-future-of-ux-research/?lang=es

Comments are closed.