Two distinct routes for inducing emotions in HCI design

Lee, Kiljae K.; Choi, Junseo; Marakas, George M.; Singh, Surendra

doi:10.1016/j.ijhcs.2018.11.012

Cited by 8 publications

(3 citation statements)

References 51 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…for early risk identification, prevention and intervention mechanisms iHELP seeks to leverage the latest advances in mobile, IoT and wearable technologies to develop engaging and usercentric applications for personalised eHealth/eCare that will also help achieve intelligent personalised monitoring and consultancy [32], [34] - [36]. The latter will create an advanced sensing environment with intelligent reasoning, which will be able to preserve and interpret physical, cognitive, mental and social data in real-time.…”

Section: User-engagement Toolsets and Personalised Interfacesmentioning

confidence: 99%

iHELP: Personalised Health Monitoring and Decision Support Based on Artificial Intelligence and Holistic Health Records

Manias

Akker²,

Azqueta

et al. 2021

2021 IEEE Symposium on Computers and Communications (ISCC)

View full text Add to dashboard Cite

Scientific and clinical research have advanced the ability of healthcare professionals to more precisely define diseases and classify patients into different groups based on their likelihood of responding to a given treatment, and on their future risks. However, a significant gap remains between the delivery of stratified healthcare and personalization. The latter implies solutions that seek to treat each citizen as a truly unique individual, as opposed to a member of a group with whom they share common risks or health-related characteristics. Personalisation also implies an approach that takes into account personal characteristics and conditions of individuals. This paper investigates how these desirable attributes can be developed and introduces a holistic environment, the iHELP, that incorporates big data management and Artificial Intelligence (AI) approaches to enable the realization of datadriven pathways where awareness, care and decision support is provided based on person-centric early risk prediction, prevention and intervention measures.

show abstract

Section: User-engagement Toolsets and Personalised Interfacesmentioning

confidence: 99%

iHELP: Personalised Health Monitoring and Decision Support Based on Artificial Intelligence and Holistic Health Records

Manias

Akker²,

Azqueta

et al. 2021

2021 IEEE Symposium on Computers and Communications (ISCC)

View full text Add to dashboard Cite

show abstract

“…Similarly, Magids et al ( 2015 ) find that customers emotionally connected to a brand are more valuable than those reported to be very satisfied. More recently, emotions have been shown to play an essential role in rational thinking and reasoning systems, thereby sparking the interest of researchers in neuroscience and cognitive psychology (Lee et al, 2019 ).…”

Section: Literature Review and Hypotheses Developmentmentioning

confidence: 99%

Examining emotions linked to live chat services: The role of e-service quality and impact on word of mouth

et al. 2021

View full text Add to dashboard Cite

The purpose of this article is twofold: (1) to investigate the emotions experienced by banking customers when using live chat services and their impact on positive word-of-mouth intentions; and, (2) to identify which dimensions of e-service quality ( accessibility, customer service and support, perceived security/privacy and design ) impact these emotions. A survey was conducted with 682 members of a Web-based panel. Findings demonstrate that emotions, both positive and negative, significantly impact word of mouth. Results further reveal that customer service and support followed by design of live chat services mostly influence consumer emotions. On a practical level, the recommendations provided will improve consumer experience and encourage consumers to use live chat services. This is all the more important since such services are now part of the promotion and contribution of a sustainable mode of consumption that is accessible to all.

show abstract

“…Designing for emotional experience (Desmet & Hekkert, 2009;Norman, 2005) has been one of the central issues in the Human-Computer Interaction (HCI) field during the last decades and still remains an important research topic (Hanington, 2017;K. Lee, Choi, Marakas, & Singh, 2019;Obrist, Ranasinghe, & Spence, 2017).…”

Section: Introductionmentioning

confidence: 99%

Human-computer interaction

Liapis¹,

Λιάπης²

View full text Add to dashboard Cite

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.

show abstract

Two distinct routes for inducing emotions in HCI design

Cited by 8 publications

References 51 publications

iHELP: Personalised Health Monitoring and Decision Support Based on Artificial Intelligence and Holistic Health Records

iHELP: Personalised Health Monitoring and Decision Support Based on Artificial Intelligence and Holistic Health Records

Examining emotions linked to live chat services: The role of e-service quality and impact on word of mouth

Human-computer interaction

Contact Info

Product

Resources

About