Το στρες αποτελεί ένα κοινωνικό φαινόμενο το οποίο παρουσιάζει ανοδική τάση. Το στρες είναι ένα σύνθετο συναίσθημα που σε ορισμένες εκφάνσεις της ζωής μπορεί να έχει θετική επίδραση (eustress). Παρ’ όλα αυτά η πλειοψηφία των χρηστών διαδραστικών συστημάτων το έχει συνδέσει με αρνητικές εμπειρίες (distress). Έχει διαπιστωθεί ότι η παρατεταμένη έκθεση σε στρεσογόνο περιβάλλον μπορεί να μειώσει σημαντικά την παραγωγικότητα των χρηστών και να επηρεάσει την υγεία τους συνολικά. Πιο συγκεκριμένα, έχει υπολογιστεί ότι το κόστος του σχετιζόμενου με την εργασία στρες ανέρχεται στα 617 δις ευρώ ετησίως (σε Ευρωπαϊκό επίπεδο). Ως εκ τούτου, είναι σημαντικό να μπορεί κανείς να εντοπίσει με αξιόπιστο και αποδοτικό τρόπο σημεία που προκαλούν στρες κατά τη διάρκεια της αλληλεπίδρασης με ένα σύστημα. Στην παρούσα διατριβή προτείνεται η ανάπτυξη της μεθοδολογίας REACTION. Η μεθοδολογία υποστηρίζεται από κατάλληλο λογισμικό ανάλυσης και παρατήρησης, το PhysiOBS, και μπορεί να εφαρμοστεί κατά τη διάρκεια της αξιολόγησης της εμπειρίας χρήσης (User eXperience, UX). Ειδικότερα, η REACTION επικεντρώνεται στον αυτόματο εντοπισμό προβληματικών σημείων αλληλεπίδρασης που συνδέονται με την πρόκληση στρες κάνοντας χρήση βιοσημάτων (π.χ. επιδερμική αγωγιμότητα, καρδιακή συχνότητα, επιδερμική θερμοκρασία κ.ά.). Το στρες μπορεί να προκληθεί κατά τη διάρκεια της αλληλεπίδρασης με εφαρμογές που περιέχουν σχεδιαστικά ή και λειτουργικά σφάλματα. Η χρήση των βιοσημάτων έχει υιοθετηθεί πλέον από πολλούς ερευνητές και επαγγελματίες του πεδίου ΑΑΥ κατά τη διαδικασία αξιολόγησης της εμπειρίας χρήσης. Η αντικειμενικότητά τους (ο τυπικός χρήστης δεν μπορεί να ελέγξει εύκολα τα φυσιολογικά δεδομένα, όπως θα μπορούσε ενδεχομένως να συμβεί με τις εκφράσεις του προσώπου) και η δυνατότητα καταγραφής τους καθ’ όλη τη διάρκεια της αλληλεπίδρασης αποτελούν δύο βασικά χαρακτηριστικά, τα οποία, σε συνδυασμό με την εξέλιξη της τεχνολογίας των αισθητήρων καταγραφής, συνέβαλαν στην ευρύτερη αποδοχή τους. Στον αντίποδα, τα βιοσήματα απαιτούν εξειδικευμένη γνώση ανάλυσης δεδομένων, γνώση χρήσης του εξοπλισμού καταγραφής (π.χ. σωστή τοποθέτηση) και εμπειρία στη διαμόρφωση κατάλληλων πειραματικών συνθηκών προκειμένου να συλλεχθούν αξιόπιστα δεδομένα. Επιπλέον, η συλλογή τους πρέπει να γίνεται από χρήστες που πληρούν τις απαραίτητες προϋποθέσεις συμμετοχής στην εκάστοτε πειραματική διαδικασία (π.χ. η μέτρηση της αγωγιμότητας του δέρματος δε θα πρέπει να εφαρμοστεί σε κάποιον ο οποίος παρουσιάζει a priori υψηλά επίπεδα εφίδρωσης λόγω κάποιου παθολογικού προβλήματος). Η μέτρηση της δερμικής αγωγιμότητας αποτελεί αξιόπιστο δείκτη του στρες και είναι το σήμα στο οποίο βασίστηκε η έρευνα σε αυτήν τη διατριβή. Πιο συγκεκριμένα, η δερμική αγωγιμότητα αναπαριστά την ικανότητα του δέρματος να άγει ηλεκτρισμό ως αποτέλεσμα της συμπαθητικής ενεργοποίησης των ιδρωτοποιών αδένων του δέρματος. Δηλαδή, σε κάθε ενεργοποίηση των ιδρωτοποιών αδένων αυξάνεται η αγωγιμότητα του δέρματος. Επιπλέον, παραδοσιακές πηγές δεδομένων, όπως βίντεο και σχόλια του χρήστη –δεδομένα που έχουν καταγραφεί κατά τη διάρκεια αλληλεπίδρασης–, μπορούν επίσης να συνδυάζονται από τον αξιολογητή στο πλαίσιο εφαρμογής της REACTION, συνεισφέροντας με αυτόν τον τρόπο σε μία πιο πολύπλευρη προσέγγιση αξιολόγησης της εμπειρίας χρήσης. Στο πλαίσιο της παρούσας διατριβής πραγματοποιήθηκε μία σειρά από μελέτες με στόχο τη δημιουργία ενός κατάλληλου μηχανισμού αναγνώρισης του στρες μέσω της επιδερμικής αγωγιμότητας, την ενσωμάτωση αλλά και τη δοκιμαστική λειτουργία του παραπάνω μηχανισμού στο υποστηρικτικό λογισμικό PhysiOBS. Τα αποτελέσματα της έρευνας έδειξαν ότι η προτεινόμενη μεθοδολογία αξιολόγησης REACTION μπορεί αξιόπιστα να εντοπίσει περιόδους άγχους και μπορεί να εφαρμοστεί είτε αυτόνομα είτε σε συνδυασμό με άλλες μεθόδους αξιολόγησης της εμπειρίας χρήσης (π.χ. παρατήρηση χρήστη, πρωτόκολλο ομιλούντων υποκειμένων). Συνοψίζοντας, πρέπει να τονιστεί ότι σε καμία περίπτωση δεν προτείνεται η αντικατάσταση των παραδοσιακών τεχνικών αξιολόγησης της εμπειρίας χρήσης με τη REACTION. Αντιθέτως, υποστηρίζεται ότι η μεθοδολογία μπορεί να χρησιμοποιείται συμπληρωματικά επιτρέποντας στους ερευνητές και επαγγελματίες του πεδίου να διαχειρίζονται πιο αποδοτικά τις διαθέσιμες πηγές δεδομένων που καταγράφονται.