Physiologiebasierte Emotionserkennung während der Nutzung eines alltäglichen Elektronikgerätes

Die Erfassung positiver und negativer Emotionen während der Techniknutzung ist ein komplexes, jedoch äußerst lukratives, Thema. Positive Emotionen verbessern die Attraktivität eines Produktes und führen zu einer höheren Kauf- und Empfehlungswahrscheinlichkeit (positive UX). Heutzutage verlässt man sich überwiegend auf rein subjektive Fragebogendaten (z.B. Wie empfanden Sie das Produkt? Wie fühlen Sie sich gerade?) – und das obwohl vieles in uns unbewusst verarbeitet wird und unsere Antworten auf solche Fragen aufgrund von sozialer Erwünschtheit verzerrt sein können. Die Berücksichtigung von physiologischen Informationen von Nutzer*innen ist ein vielversprechendes Feld, um zukünftige Produktentwicklungen an ihren Endnutzer*innen zu orientieren und so bedarfsgerecht gestalten zu können.

So wichtig und gewinnbringend die Erforschung von Emotionen während der Techniknutzung ist, desto vielschichtigere und schwierigere Fragen ergeben sich: Wie erkennt man Emotionen auf physiologischer Ebene? Wie erfasst man die physiologischen Daten in realen Nutzungssituationen? Wie wertet man die Daten realitätsgetreu aus und kann daraus verständliche und greifbare Interpretationen ableiten? Diesen Fragen haben wir uns gemeinsam in einem Projekt mit einem weltweit agierenden Technologieunternehmen gewidmet.

Es wurden wissenschaftlich fundierte und state-of-the-art Erfassungsmethoden ausgewählt, um Emotionen während der Techniknutzung zu erheben: So wurden die Elektroenzephalographie, die Elektrokardiographie und die Messung der Schweißbildung auf der Haut (Hautleitfähigkeit) als physiologische Parameter erhoben. Mit Hilfe einer Gesichtsverarbeitungssoftware, welche Methoden des maschinellen Lernens nutzt, konnten Emotionen aufgrund von Gesichtsbewegungen automatisch entschlüsselt werden (sog. Facial Decoding). Zusätzlich wurden subjektive Daten mittels Fragebögen erhoben, um das ganze experimentelle Set-Up mit den Antworten der Teilnehmer*innen vergleichen zu können.

Die Analysen der multiplen erfassten physiologischen und subjektiven Daten wurden mithilfe von maschinellem Lernen und höherer Statistik durchgeführt und daraufhin Interpretationen abgeleitet und verständlich für die Allgemeinheit aufbereitet.

Das Projekt zeigt, dass positive und negative Emotionen während der Techniknutzung erfasst und voneinander unterschieden werden können – sowohl in der Physiologie als auch in der Analyse der Gesichtsbewegungen. Diese Real-Life Messungen konnten mittels maschinellem Lernen ausgewertet werden und somit neue Einblicke für unsere Kund*innen liefern. Die Ergebnisse sind valide, zuverlässig und wissenschaftlich auf höchstem Niveau.

Durch Erkenntnisse aus physiologiebasierten Emotionserkennungsstudien können Kund*innen wichtige Erkenntnisse über die Attraktivität, Zufriedenheit und Akzeptanz ihres Produktes erhalten ohne sich dabei nur auf die subjektiven Aussagen der Tester*innen zu verlassen. So liefert unser multimethodischer Ansatz einen umfassenderen Einblick und Verständnis in die Erlebniswelt der Nutzer*innen im Umgang mit technischen Produkten.