Estudio del comportamiento de la carga cognitiva de usuarios que navegan en un sitio Web

Abstract

En psico-fisiología la carga cognitiva se define como la cantidad total de información que el cerebro es capaz de procesar en un momento dado, cantidad que es finita y que se relaciona con la atención, percepción, memoria corto y largo plazo, control, motor, entre otros. Cuando un usuario se enfrenta a tareas de interacción Humano Computador (HCI) necesariamente utiliza su capacidad mental, por ejemplo, al analizar una página web el usuario lee, discrimina en el contenido, concentra su atención, etc. Una sobreexigencia del recurso cognitivo genera frustración, desagrado y problemas para completar tareas definidas, lo que disminuye el nivel de experiencia del usuario que navega en un sitio web. Bajo el contexto del proyecto Fondecyt A Cognitive Resource-Aware Mobile Service Framework to Support Human-Computer-Interactions in Ubiquitous Computing Environments liderado por el Profesor Ángel Jiménez, se desarrolla esta memoria cuya objetivo es comprobar la hipótesis de que es posible medir la carga cognitiva para actividades de navegación web frente a un computador mediante señales psico-fisiológicas y que, además, se produce una baja en la carga mental del usuario en momentos de transición entre el análisis de un elemento web y otro. El diseño experimental considera la medición de 61 voluntarios utilizando 6 sensores psico-fisiológicos: Eye tracker, sensor de respuesta electrodermal (GSR), Sensor de Temperatura, Fotopletismógrafo (PPG), electrocardiógrafo (ECG) y electroencefalógrafo (EEG). Cada participante navega libremente por una página web que se presenta en 3 versiones manteniendo su diseño y variando su contenido. Mediante un análisis de varianza con medidas repetidas (ANOVA-MR) y utilizando la media del diámetro pupilar como medida directamente relacionada con la carga cognitiva, se comprueba con un grado de significancia de p-value=0,00184 en un intervalo de confianza de 95% que es estadísticamente significativa la baja de la carga mental en los momentos de transición entre el análisis de un elemento web y otro. Para determinar los niveles de carga cognitiva existentes y poder etiquetarlos se aplica el algoritmo de agrupamiento k-means. Los resultados de la clasificación con redes neuronales profundas demuestran que sí es posible medir la carga cognitiva durante la navegación web. Para la combinación de los sensores GSR, PPG y EEG se obtiene el mejor resultado con una exactitud de 95,73% al clasificar. Además, se determina que el EEG es el sensor que más aporta a la clasificación (por sí solo alcanza una exactitud del 88,78%), con lo que se concluye que es posible replicar el experimento y medir la carga mental utilizando solamente el EEG; o bien, el EEG acompañado del sensor de GSR y PPG que son fáciles de utilizar y de bajo costo en relación a otros sensores.