事后问卷。在完成每份问卷后，参与者在一个非正式的访谈中被问道一个开放式的问题，以引出其进一步的观点。
个人资料统计和视频游戏经历
参与者来自校园的不同部门不同专业。在完成任何考验之前，每个使用者需要完成一份关于个人资料和视频游戏经验的预问卷。表1列出了平均结果。
表一：个人资料统计和经历
年龄 19.87 2.77 1.84 1.每周个人游戏时间 2.每周个人视频游戏时间 任务1
第一个任务的目的是调查参与者理解复杂3D路径数据并使用它来判断实际距离的能力。每个参与者完成两个任务模块，各自包括五项实验。参与者被告知有时候出现预期外的情况，有必要在飞行中进行路线重排。每个实验都从一架无人机飞过一条预先订好的路线开始。在几秒之后，无人机遭遇到意外情况，一个标注为“新警报”的对话框提示参与者按C键。然后显示出一个对话窗指示用户按A键来检验警报。当参与者按了A键时，四个并列的路径选项显示在原路径外。应用记录下该时间节点，用于计算试验完成时间。参与者被建议选择与原路线平均距离最短的一条备选路线。解释了这条路径不一定是最短的也不一定最节约燃料。参与者被特别告知一条给出的路径优势取决于它到原路径多个节点距离的平均。图2到图5表现了参与者在实验1中经历的简单视角。
图二.这是任务1中2N组的参与者在选择一条路径前所看到的场景
图3.这是任务1中2N组的参与者在选择一条路径而未经确认时所看到的
图4.这是任务1中3D组在选择一条路径前的20个所见场景之一
图5.这是任务1的3D组在选择一个路径而未确认时的20所见场景之一
许多主观因素影响了实验困难度但是想到有一种很容易控制的测量量：在路径选择间的相对距离。每个实验中的路径都是根据这个标准通过控制相对优势细心创建出来的。实验的每个模块包括五种情景，以不同的差异性展现出来，分别是45%，35%，25%，15%和5%。例如，在每个模块的第一个实验中，次优路径选择相比最优选择比原始路径远45%。排在第三的选择比最优选择远90%。模块顺序在参与者之间进行了平衡。不同的参与者经历了不同的情景顺序但是不同的参与者之间情景发展难度是相同的。
在完成了任务1后，每个参与者会立刻被要求在笔记本上完成一个
NASA-TLX级别的工作量。这是个主观测验，设计用来得知参与者主观感受到的工作量。
任务2
创建第二个任务的目的是进一步迫使使用附加的3D数据来选择正确的路径。在这三项实验中，参与者遇到了敌人的威胁。第一次实验没有威胁，第二次又两个，第三次有三个。每个威胁的范围用一个由红色等高线组成的圆屋顶形状来进行图形化表示。参与者被告知除了需要满足任务1中最近原则的指示外，飞行器不能进入一个代表威胁的圆顶区。因此正确的解法是先删掉所有通过圆顶的路径，在剩下的路径选择中选择里原始路径最近的选项。在现实生活中，路径规划算法通常能够处理以此种方式定义的威胁。但是做出这些指示的目的是调查参与者判断并剔除与圆顶相交差的路径的能力。这个指令有两个副产品。首先，一个实验在某种程度上变简单了，如果使用者可以在判断距离前剔除掉一些路线。其次，一个实验变得更加困难了，因为为了避开威胁，剩下的路径变得距原始路径有更远的运动距离。这些实验的难度随着威胁数（一个，两个或三个）的增加而提升。
图6到图9表示了任务1的参与者所体验的视觉举例。
图6.这是任务2中2N组的参与者在选择路径前看到的场景
图7. 这是任务2中2N组的参与者在选择路径而未确认选择时所看到的场景。
相关推荐：
loading