Les chercheurs prédisent l’intérêt des téléspectateurs pour le contenu des écrans publics, et pas seulement leur attention

Nous sommes constamment entourés d’écrans qui nous offrent des informations sur la météo, l’actualité ou les dernières offres de la boutique du coin. Pourtant, la plupart des affichages sont mis à jour manuellement, voire pas du tout. Des chercheurs de l’Université Aalto et du Centre finlandais d’intelligence artificielle FCAI ont maintenant développé une nouvelle façon plus simple de choisir et d’organiser le contenu d’affichage public afin qu’il attire vraiment l’attention des gens.

« Dans le passé, les dispositifs de suivi oculaire étaient utilisés pour voir comment les gens se comportaient devant l’écran. Cela vous renseigne sur l’attention des utilisateurs, mais pas tellement sur leur intérêt réel. Nous quantifions maintenant l’intérêt des utilisateurs, ce qui n’a pas été le cas. Cela n’a jamais été fait auparavant », déclare Maria Montoya Freire, chercheuse postdoctorale à l’Université Aalto et première auteure de l’étude présentée à la conférence Ubicomp la semaine dernière.

La nouvelle méthode fonctionne sur les écrans numériques qui ont plusieurs éléments de contenu. Si certains éléments, comme un orage prévu ou des informations sur un détour, suscitent l’intérêt, l’affichage s’adapte automatiquement pour hiérarchiser le contenu et la façon dont il apparaît. Cela promet une amélioration notable des pratiques actuelles dans lesquelles la plupart des écrans sont mis à jour manuellement.

« La disposition de l’écran est recalculée afin que les sujets intéressants soient plus susceptibles d’être remarqués et que plus d’informations apparaissent. Par exemple, si les informations météorologiques ou les horaires de bus sont plus importants que les menus des restaurants, notre méthode peut détecter cela, et après un certain temps, ils le feront obtenir plus d’importance lorsque la mise en page est ré-optimisée. Et tout cela se produit automatiquement », explique Antti Oulasvirta, professeur à l’Université Aalto et coordinateur du programme de recherche de FCAI sur l’IA interactive.

Au lieu d’eye-trackers, la nouvelle méthode ne nécessite que des informations sur le temps que les téléspectateurs passent devant différents contenus. Il est basé sur la modélisation inverse, une approche qui n’a pas été utilisée jusqu’à présent dans la recherche sur les écrans omniprésents.

« Le plus souvent, dans ce domaine, la résolution de problèmes se fait en utilisant une modélisation avancée, où le point de départ est un modèle, et des données de type humain sont générées à partir de cela. Ici, nous avons fait le contraire : nous utilisons des données pour déduire les paramètres du modèle , qui s’appelle la modélisation inverse. L’avantage est qu’elle est beaucoup plus précise pour caractériser le comportement des utilisateurs », explique Montoya.

Les chercheurs ont d’abord utilisé des données synthétiques, c’est-à-dire des données produites artificiellement qui partagent certaines similitudes avec les ensembles de données d’origine, comme base pour la construction du modèle. Ils ont ensuite rassemblé des données d’utilisateurs du monde réel en montrant des personnes changeant d’affichage avec différents éléments de contenu simultanément à l’écran. L’équipe a mesuré le temps de visionnage des participants et, par la suite, les participants ont été invités à évaluer leur intérêt pour le contenu affiché.

Jusqu’à présent, les chercheurs ont développé et utilisé le modèle dans un contexte universitaire, avec un contenu d’affichage impliquant des événements à venir, des actualités locales, etc. Pour étendre son utilisation à d’autres contextes, seules les données de temps de visualisation du nouveau paramètre seraient nécessaires.

« Ce qui est nouveau avec la méthode, c’est que nous n’avons pas besoin de suivi oculaire ou de données de clic pour modéliser ce qui intéresse les gens. Il suffit que l’écran puisse mesurer combien de temps les gens restent devant. téléspectateurs du tout », dit Oulasvirta.

L’étude s’appuie sur la théorie de la recherche de nourriture, qui a été développée à l’origine en biologie pour prédire le comportement de chasse et de recherche de nourriture des animaux. La théorie de la recherche d’informations vise à caractériser le comportement des utilisateurs lorsqu’ils recherchent des informations ou doivent choisir entre des sources.

L’article est publié en Actes de l’ACM sur les technologies interactives, mobiles, portables et ubiquitaires.