Project

General

Profile

10092015

Présents:

Nabil Ouerhani
Carole Baudin
David Grunenwald
Claudia Gheorghe
Andreea Mihet
Chloé Lecomte
Julien Roland

Retours sur la proposition d’heuristique (Changements par rapport à la proposition initiale sont mis en évidence)

Niveau d’analyse(pour un testeur) Questions sous-jacentes Résultats attendus de l’analyse Interprétations possibles
1. Micro-analyse sur AOI Les zones les plus importantes du site web sont-elles bien perçues ? Analyse sur AOI selon leur type (informative ou cible) Repérage des AOI non visibles, et des AOI non ou mal comprises
2. Macro-analyse sur AOI
Macro-scanpath sur AOI (relation entre les pages)
Quels sont les comportements de recherche du testeur ? Chemin de recherche (transitions) entre AOI
Mesure de l’hésitation
Moments d’errance et d’hésitation, transitions entre AOI difficiles, chemins les plus réussis…
2. Macro-analyse sur AOI
Relation entre AOI sur une même page
Comment la structure de la page répond-elle aux stratégies de recherche ? Analyse de la structure de la page
Interactions des éléments entre eux
Stratégie de recherche sur une page et possibilités d’amélioration
3. Analyse globale Le testeur a-t-il réussit à trouver la bonne information sans hésitation ? Mesure de la performance (réussi, échec, hésitation) L’interface correspond (ou non) aux hypothèses de l’expert

Commentaires Julien : Pour être précis, une AOI est relative au comportement visuel, c’est un moyen d’obtenir des métriques sur une zone qui à du sens dans la page ; une cible est relative au comportement de clic, c’est un moyen de mesurer si l’utilisateur suit le « bon » chemin ou non. Donc une cible n’est pas un type d’AOI à proprement parler, mais on peut définir une AOI autour de la cible (p.ex. un lien) pour calculer le TTFF sur l’AOI, puis le temps de clic sur la cible.

1. Micro-analyse sur AOI
Pour un testeur :

a. Durée de fixation sur AOI (dwelltime)
b. Ou durée relative de fixation sur AOI (par rapport au reste de la page)
c. Temps de 1ère fixation (TFF) sur AOI
d. TFF + 1er clic sur AOI

Commentaires Julien: Voir remarque précédente, si possible : TTFF sur AOI + Clic sur la cible correspondante

e. Nombre de clics sur AOI

Commentaires Julien : S’agit-il d’une mesure agrégée des clics sur une AOI, sur plusieurs pages / URLs ? P.ex. si je clique plusieurs fois sur le Menu « Home » au cours de mon parcours ?

Trois catégories d’AOI :

- AOI vues et cliquées
- AOI vues et non cliquées
- AOI non vues et non cliquées – « AOI non vues » suffit, puisque cela implique qu’elles sont non cliquées.

Ces trois propositions de catégories sont davantage un résultat théorique qu’une suggestion d’implémentation technique.
Différence entre AOI et cible : Une AOI a trait à un comportement visuel, une cible à un comportement de clic. Ce n’est pas la même sémantique. On peut cependant dire qu’on approche la cible voulue par une AOI qui l’entoure.

Commentaires Julien: Oui, p.ex. pour mesurer un enchaînement TTFF sur AOI, clic sur cible correspondante.

2. Macro-analyse sur AOI

a. Le parcours de clics (AOI cliquées) – à voir si Ogama permet de retracer la séquence d’URL, sinon il y a des logiciels qui le font.

Commentaires Julien: Il me semble qu’il est sans doute plus intéressant de connaître les cibles (liens, boutons, menus, etc.) qui sont cliquées, plutôt que les clics sur les AOIs qui ne sont pas forcément « active ». On peut imaginer un utilisateur qui clique machinalement à côté d’un lien en réfléchissant (= enregistré comme un clic sur AOI), alors que « ce qui compte » c’est sa décision de cliquer sur le lien = la cible.

b. Le parcours de fixation (parcours du regard sur AOI) – il serait intéressant d’avoir en plus du nom de l’AOI aussi le contexte (dans quelle page l’AOI a été vue)

Commentaires Julien: Oui, que ce soit pour les AOI (visuel) ou les cibles (clics), il est fondamental de connaître la page / URL. P.ex. « Si je dis que l’utilisateur à vu, puis cliqué sur le Menu « Approfondir », il est essentiel que je sache depuis quelle page. »

Pourquoi SwissCreativeCenter génère plusieurs URL pour une même page web ? Ce serait lié à Ajax, David propose de regarder le site.

Hésitation : plusieurs niveaux de lecture

1) Par les transitions : celles qui ne suivent pas le chemin classique montrent un effet d’hésitation

Commentaires Julien: Est-ce que cela fait référence au comportement visuel ou au comportement de clics ?

2) Retrouve-t-on les détours de manière récurrente et consistante chez les testeurs ? Si oui, c’est signe de quelque chose qui ne va pas sur l’interface. On doit donc pouvoir récupérer les click-paths de ces moments d’hésitation pour pouvoir les comparer entre les testeurs

Commenatires Julien: Oui, de manière concrète, si la page de départ est la page A et la page d’arrivée / de succès de la tâche est la page E, et que tous les participants font A -> B –> C –> D -> E, alors qu’il existe une chemin A -> E, il y a sans doute quelque-chose à apprendre du chemin A -> B –> C –> D -> E pour faciliter A -> E. Donc les « détours non optimaux » sont très intéressants.

En addition de l’heuristique sur les transitions d’AOI, il faut également pouvoir analyser le comportement visuel sur une page (prépondérance d’une AOI, etc.)
L’objectif ultime serait de pouvoir mettre en rapport l’efficacité de la recherche (navigabilité) avec le display d’une page web (trop d’information, pas assez d’information,…)
Notre proposition pour l’instant s’occupe de comprendre les comportements qui ont eu lieu, mais il faut aussi comprendre les comportements qui n’ont pas généré du succès.
Donc rajouter une analyse synthétique de la stratégie de recherche de tous les utilisateurs sur une page (interactions des éléments entre eux, comment simplifier la comparaison des scanpath, etc.) => nécessite une nouvelle réflexion sur l’heuristique possible

3. Analyse globale

- Temps de réalisation global de la tâche (supérieur à un temps moyen défini par l’expert)
- Nombre de clics total (supérieur au nombre de clics moyen) – Est-ce vraiment utile ?

Commentaires Julien: Je dirais plutôt par rapport à un temps cible défini dans les exigences clients : « Il doit falloir moins de 15 secondes à un utilisateur novice pour trouver le nom de la modératrice … ». Je dirais qu’il faut définir un ou plusieurs chemins acceptables pour la tâche, et identifier toutes les variations (significatives) en nombre de clics / ces chemins acceptables.

- Nombre de fixations total (supérieur au nombre de fixations moyen) – Est-ce vraiment utile ?

Commentaires Julien: Non, je ne pense pas. Autant le temps et le nb de clics peuvent être interprétés en termes d’efficacité, d’efficience – autant le nombre de fixations ???

Commentaire de Julien : attention à ces critères, qui peuvent rapidement évaluer la performance des utilisateurs et non plus l’ergonomie de l’interface.

L’option retenue est de définir un ou plusieurs chemins acceptables et ensuite faire des mesures en fonction de ceux-ci (distance de Levenshtein).

Sur le dashboard

- Séquence vidéos associées aux moments clés

o Ex : mesure de la distance de Levenshtein de XX
o Quelles sont les chaines de transition qui correspondent
o Pouvoir sélectionner les transitions qui nous intéressent, et visionner les séquences vidéo correspondantes

Proposition de Julien : Voir le logiciel Evalyzer en ligne, qui propose des tests en ligne, et qui est assez avancé au niveau métrique et visualisation. Il pourrait donner des idées sur la manière de faire le dashboard.

Commentaires Julien: Oui, il faut pouvoir facilement passer des métriques synthétiques que l’on va sortir (performance, comportement visuel, comportement de clic, etc.) aux données qualitatives correspondantes (enregistrements audio / vidéo, gaze vidéo, réponses questionnaires, etc.) pour des résultats donnés, par participant et par tâche. P.ex. « Je cherche les vidéos (relatives à une tâche seulement) de tous les participants qui ont échoué à la tâche C, et dont le TTFF sur l’AOI2 / Page 1 était inférieur à 3s »