Research and development of a remote usability testing platform for better user experience

Nowadays smartphones and laptops equipped with cameras have become an integral part of our daily lives. The pervasive use of cameras enables the collection of an enormous amount of data, which can be easily extracted through video images processing. This opens up the possibility of using technologies that until now had been restricted to laboratories, such as gaze tracking and emotion analysis systems, to analyze users’ behavior during the interaction with websites. By implementing deep learning algorithms, face detection, facial expressions recognition and gaze tracking convolutional neural network models can be trained and implemented in remote usability testing. The thesis studies the traditional usability testing, modern day usability testing methods and proposes a more advanced deep learning based remote usability testing platform. The development process of the low-cost platform, training of the deep learning models, gaze tracking dataset building, finally the evaluation of the platform by conducting a case study are explained in detail. Some aspects of UX assessment that could help in addressing the usability such as user insights, engagement is explored and the development of a dashboard for the usability testing platform to present the automatically analyzed results is described. The data obtained using the usability testing platform is particularity important in revealing more user insights and engagements as well as addressing effectiveness, efficiency and satisfaction aspects of usability testing.

Oggigiorno smartphone e laptop equipaggiati con telecamere sono diventati una parte integrante della nostra vita quotidiana. L'uso diffuso di telecamere permette di raccogliere un grande quantitativo di dati, che può essere facilmente ricavato da operazioni di image processing. Questo porta alla possibilità di usare tecnologie che fino ad ora erano rimaste confinate nei laboratori; tecniche come il tracciamento dello sguardo (gaze tracking) o sistemi automatici di riconoscimento delle emozioni (emotion recognition) possono essere usati per analizzare il comportamento degli utenti durante le loro interazioni con i siti web. Implementando tecniche di deep learning si possono allenare reti neurali convoluzionali per rilevare volti, analizzare espressioni facciali e direzione dello sguardo in modo da ottenere modelli impiegabili per testare l'usabilità di determinati servizi remoti (remote usability testing). La presente tesi studia i metodi tradizionali e moderni per lo studio dell'usabilità, e propone una piattaforma per lo studio della Usability test a distanza basata sui più moderni metodi di deep learning. Il processo di sviluppo di una piattaforma a basso costo, l'allenamento dei modelli di deep learning, la costruzione di un dataset per il tracciamento dello sguardo, sono tutti aspetti analizzati in dettaglio insieme alla valutazione della piattaforma stessa in base alla realizzazione di un caso di studio. Vengono esplorati, inoltre, alcuni aspetti dell'esperienza utente che potrebbero aiutare nel valutarne l'esperienza, viene analizzato il coivolgimento degli utenti stessi, ed infine, viene descritto lo sviluppo di una dashboard per la visione dei dati raccolti, aggregati ed analizzati. I dati ottenuti usando la piattaforma per il testing dell'usabilità risultano particolarmente importanti sia per ottenere dettagli rilevanti sugli utenti che usano il sistema ed il loro livello di coinvolgimento, sia per valutare l'usabilità del sistema stesso in termini di efficacia, efficienza e soddisfazione.