Modalitätenwahl bei multimodaler Interaktion. - Graduiertenkolleg ...

Modalitätenwahl bei multimodaler Interaktion.
Eine experimentelle Untersuchung
zum Einfluss fehlerbehafteter Eingabenerkennung
auf Nutzungsverhalten und subjektive Bewertung.
vorgelegt von
Michael Minge
Matrikelnummer: 310466
Masterarbeit zur Erlangung des akademischen Grades
Master of Science (M.Sc.)
im Studiengang
Human Factors
an der Technischen Universität Berlin
Fakultät V für Verkehrs- und Maschinensysteme
Institut für Psychologie und Arbeitswissenschaft
Erstgutachter: Prof. Dr. Manfred Thüring
Zweitgutachter: M.Sc. Stefan Schaffer
Berlin, im August 2012

Erklärung
Hiermit erkläre ich die selbstständige und eigenständige Anfertigung der vorliegenden
Masterarbeit im Studiengang Human Factors an Eides statt.
Berlin, den 24.08.2012
…...….………………………………
Michael Minge

Zusammenfassung
______________________________________________________________________________
Zusammenfassung
Bei der Multimodalität handelt es sich um ein aktuell weit verbreitetes und viel
umworbenes Bedienkonzept zur Gestaltung von Mensch-Maschine-Interaktionen, das
vor allem darauf abzielt, eine verbesserte Anpassung der Systemsteuerung an die
menschlichen Leistungsvoraussetzungen zu gewährleisten. Um dies zu erreichen, bieten
multimodale Geräte verschiedene Wahrnehmungs- und Aktionsmodalitäten alternativ
oder kombiniert an, damit Nutzer über unterschiedliche Kanäle Informationen von der
Maschine registrieren bzw. Systemeingaben an die Maschine vornehmen können.
Bietet das technische Gerät seinen Anwendern verschiedene Aktionsmodalitäten
an, welche alternativ für eine Systemeingabe verwendet können, so ist der Nutzer gefordert,
sich für eine der zur Verfügung stehenden Alternativen zu entscheiden und somit
eine Modalitätenwahl zu treffen. Häufig kann die Wahl der Modalität jederzeit,
auch innerhalb einer Aufgabe, angepasst bzw. revidiert werden, sodass in diesem Zusammenhang
auch von einem Modalitätenwechsel gesprochen wird (vgl. Jöckel, 2010).
Das Ziel der vorliegenden Arbeit besteht darin, im Rahmen einer experimentellen
Untersuchung ausgewählte Faktoren, die die Modalitätenwahl beeinflussen können,
systematisch zu variieren und Auswirkungen auf das Nutzungsverhalten und subjektive
Bewertungen zu studieren. Als Untersuchungsgegenstand dient in dieser Masterarbeit
ein prototypisches Testprogramm in Form eines Listenauswahlsystems, das auf einem
mobilen Endgerät (Smartphone) präsentiert wird. Dieses System kann sowohl über einen
Touchscreen (manuell) als auch über Spracherkennung (auditiv) gesteuert werden.
Der theoretische Teil dieser Arbeit definiert die grundlegenden Begriffe und
stellt ausgewählte ingenieurspsychologische Konzepte vor, welche aus kognitiver Sicht
beleuchten, wie Menschen Entscheidungen treffen. Aus der Diskussion möglicher Einflussfaktoren
für die Modalitätenwahl werden die Untersuchungsfrage und Forschungshypothesen
abgeleitet, welche mit dem empirischen Teil dieser Arbeit beantwortet werden.
Zusammenfassend zeigen die Ergebnisse, dass sowohl die Modalitätenwahl als
auch subjektive Bewertungen durch erlebte fehlerhafte Systemeingaben und durch unterschiedlich
erwartete Effizienzvorteile beeinflusst werden.
Schlagworte: Mensch-Technik-Interaktion, Multimodalität, Modalitätenwahl, Spracherkennung,
Nutzungserleben, Usability.
I

Vorwort
______________________________________________________________________________
Vorwort
Mein Dank gilt allen, die den Entstehungsprozess dieser Arbeit ermöglicht, motiviert
und hinterfragt haben. Dazu gehören allen voran die Mitglieder des Graduiertenkollegs
prometei (Prospektive Mensch-Technik-Interaktion) sowie des Fachgebiets Kognitionspsychologie
und Kognitive Ergonomie der Technischen Universität Berlin.
Zudem danke ich der Deutschen Forschungsgemeinschaft (DFG), die die Realisierung
der empirischen Datenerhebung finanziell förderte sowie allen Studienteilnehmerinnen
und Studienteilnehmern für ihre Zuverlässigkeit, ihre Neugier und ihr Engagement bei
der Durchführung der Untersuchung.
II

Inhaltsverzeichnis
______________________________________________________________________________
Inhaltsverzeichnis
Zusammenfassung ……………………………………………………………..
Vorwort ………………………………...……………………………………….
Inhaltsverzeichnis ……………………………………………………………...
Abbildungsverzeichnis …………………………………………………………
Tabellenverzeichnis ……………………………………………………………
I
II
III
V
VI
1 Einführung …………………………………………………………….. 1
1.1 Ausgangslage und Zielsetzung ………………………………….. 1
1.2 Aufbau der Arbeit ……………………………………………...... 3
2 Theoretischer Hintergrund …………………………………………… 4
2.1 Grundlegende Begriffe …………………………………………. 4
2.1.1 Mensch-Technik-Interaktion …..………..…………….. 4
2.1.2 Modalität ……………………………..………............... 6
2.1.2.1 Wahrnehmungsmodalitäten …………………………… 7
2.1.2.2 Aktionsmodalitäten …………………………………… 8
2.1.3 Multimodale Mensch-Maschine-Interaktion ………….. 10
2.2 Modalitätenwahl ……………………………………………….. 13
2.2.1 Entscheidungen ……………………………………….. 13
2.2.1.1 Merkmale von Entscheidungen ……………………….. 13
2.2.1.2 Klassen der Entscheidungsforschung …………………. 14
2.2.2 Informationsverarbeitungsmodell der Entscheidung ….. 15
2.2.3 Modell der multiplen Ressourcen ……………………... 19
2.2.4 Heuristiken …………………………………………….. 21
2.2.4.1 Verankerungsheuristik …………………………………. 21
2.2.4.2 Verfügbarkeitsheuristik ………………………………... 22
2.2.4.3 Repräsentativitätsheuristik …………………………….. 22
2.2.5 Zusammenfassung …………………………………....... 23
2.3 Einflussfaktoren für die Modalitätenwahl ……………................. 23
2.3.1 Effektivität …………………………………………….. 23
2.3.2 Effizienz ……………………………………………….. 24
2.3.3 Zeitdruck und mentale Beanspruchung ……………….. 25
III

Inhaltsverzeichnis
______________________________________________________________________________
2.3.4 Hedonische Qualität …………………………………… 26
2.3.5 Präferenzen und statische Benutzerattribute ..……..…... 26
2.3.6 Umgebungsfaktoren ………………………………..…. 27
2.4 Fragestellung und experimentelle Hypothesen …………………. 27
2.4.1 Forschungsfrage ……………………………………….. 27
2.4.2 Experimentelle Hypothesen …………………………… 28
3 Methode …………………………………………………………….……. 30
3.1 Untersuchungsdesign und unabhängige Variablen ……………… 30
3.2 Untersuchungsmaterial …………….……………………………. 30
3.2.1 Manipulation der fehlerbehafteten Erkennung von
Eingaben ………………………………………………. 33
3.2.1.1 Fehlerbehaftete Sprachinteraktion …………………….. 33
3.2.1.2 Fehlerbehaftete Touchinteraktion ……………………... 34
3.3 Versuchsaufbau …………………………………………………. 34
3.4 Abhängige Variablen und Messinstrumente ……………………. 37
3.5 Datenaufbereitung ……………………………………………… 37
3.6 Untersuchungsablauf ………………..………………………….. 38
3.7 Stichprobenbeschreibung ……………………………………….. 40
4 Ergebnisse …………………………………………………………...…. 42
4.1 Prüfung der statistischen Voraussetzungen ……..………………. 42
4.2 Analyse der Modalitätenwahl …………………………………… 43
4.2.1 Modalitätenwahl auf dem Startbildschirm ..…………….. 44
4.2.2 Modalitätenwahl auf den Listenbildschirmen …………. 45
4.3 Analyse der subjektiv erlebten Anstrengung (SEA) ……………. 48
4.4 Wahrgenommene Produktqualitäten (AttrakDiff) ……………… 50
4.5 Zusammenfassung ………………………………………………. 53
5 Diskussion ……………………………………………………………… 55
5.1 Hypothesen zur Modalitätenwahl ………………………………. 55
5.2 Hypothesen zur subjektiv erlebten Anstrengung ……………….. 58
5.3 Hypothesen zu wahrgenommenen Produktqualitäten …………... 59
5.4 Kritische Würdigung und Limitation …………………………… 62
6 Ausblick ………………………………………………………………… 64
Literaturverzeichnis …………………………………………………………... 65
Anhang …………………………………………………………………………. 72
IV

Abbildungsverzeichnis
______________________________________________________________________________
Abbildungsverzeichnis
1: Potentiale der Multimodalität …………………………………………... 1
2: Strukturmodell eines Mensch-Maschine-Systems ……………………... 5
3: Technische Komponenten einer multimodalen Schnittstelle …………… 9
4: Informationsverarbeitungsmodell der Entscheidung …………………… 16
5: Prozess der Informationsintegration …………………………………… 18
6: Dimensionale Repräsentation der Struktur multipler Ressourcen ……… 20
7: Startbildschirm der Anwendung …………………………………....…… 31
8: Listenbildschirm für die Subaufgabe „Stadt auswählen“ ……….………. 32
9: Startbildschirm bei fortschreitendem Bearbeitungsstand …………….…. 32
10: Feedback in der Bedingung fehlerbehafteter Eingaben bei der
Sprachinteraktion ………………………………………………………. 33
11: Wizard-of-Oz Versuchsaufbau ………………………………………….. 35
12: Systemansicht für den zweiten Versuchsleiter (Wizard) ………………... 36
13: Schematischer Versuchsablauf ……………...…………………………… 40
14: Mittelwerte und Standardabweichungen der Modalität Sprache auf dem
Startbildschirm in Abhängigkeit zu den vier Versuchsbedingungen ……. 44
15: Mittelwertverläufe der Modalitätenwahl Sprache auf dem jeweils ersten
Listenbildschirm einer Subaufgabe ……………………………………… 47
16: Mittelwertverläufe der subjektive erlebten Anstrengung (SEA) auf dem
jeweils ersten Listenbildschirm einer Subaufgabe ……………………… 50
17: Mittelwerte und Standardabweichungen der wahrgenommenen
pragmatischen Qualität ………………………………………………….. 51
18: Mittelwerte und Standardabweichungen der wahrgenommenen
hedonischen Qualität (Stimulation) ……………………….…………….. 52
19: Mittelwerte und Standardabweichungen der wahrgenommenen
pragmatischen Qualität (Identifikation) ……………………...………….. 52
20: Mittelwerte und Standardabweichungen der wahrgenommenen
Attraktivität ………………………………..…………………………….. 53
V

Tabellenverzeichnis
______________________________________________________________________________
Tabellenverzeichnis
1: Sinnesmodalitäten des Menschen …………………………………..……. 7
2: Übersicht über die cooperation types nach Martin (1998) …………….... 12
3: Varianzanalyse zur Sprachnutzung auf der Startseite …………………… 44
4: Varianzanalyse zur Sprachnutzung auf dem jeweils ersten Listenbildschirm
einer Subaufgabe ………………………………………………… 45
5: Varianzanalyse zur subjektiv erlebten Anstrengung (SEA) …………….. 48
VI

Einführung
______________________________________________________________________________
1 Einführung
1.1 Ausgangslage und Zielsetzung
Multimodalität ist ein vielversprechendes Konzept, um die Bedienung technischer
Systeme zu erleichtern und Nutzer nicht nur zufriedenzustellen, sondern auch zu
begeistern. Insbesondere im Bereich mobiler Anwendungen werden viele Produkte
heutzutage mit „multimodaler Bedienbarkeit“ beworben. So ist zum Beispiel in aktuellen
Smartphones die Spracheingabe als alternative Möglichkeit zur Eingabe von Nutzerintentionen
mittlerweile standardmäßig integriert. Im Bereich stationärer Systeme erfreuen
sich vor allem Blickbewegungsmessungen einem sprunghaft ansteigendem Interesse,
teils als vollständige Alternative zur taktilen Eingabe, um entsprechend körperlich
eingeschränkten Personen die Interaktion mit Technik zu ermöglichen (z.B. Bates &
Istance, 2005), teils als Kombination mit der taktilen Eingabe, um die jeweiligen Vorteile
beider Interaktionsmodalitäten zusammenzuführen (z.B. Aula et al., 2005).
Tatsächlich eröffnet das Konzept Multimodalität bei einem erhöhten technischen
Aufwand und einer verlängerten Entwicklungszeit zahlreiche Potenziale, um die
Mensch-Maschine-Interaktion effizienter, effektiver, robuster und natürlicher zu gestalten
(vgl. Maybury & Stock, 1999; Oviatt 1999). Abbildung 1 fasst diese Potentiale
überblicksartig zusammen. Sie konnten bereits mehrfach in Studien experimentell
nachgewiesen werden (z.B. Hauptmann, 1989; Vo & Waibel, 1993; Oviatt, 1996; Althoff
et al., 2001).
möglichst schnelle
Aufgabenbearbeitung
bei geringem Aufwand
Effizienz
Effektivität
Benutzer macht in der jeweiligen
Dialogsituation
das Richtige
Potenziale
Multimodalität
Unempfindlichkeit
gegenüber Bedienund
Erkennungsfehlern
Robustheit
Natürlichkeit
Nachahmung
zwischenmenschlicher
Kommunikationsformen
Abb. 1: Potenziale der Multimodalität (nach Niedermaier, 2003).
1

Einführung
______________________________________________________________________________
Ein weit verbreiteter Irrglaube ist es jedoch, Multimodalität als Selbstzweck zu
betrachten. Die Konzeption multimodaler Benutzungsschnittstellen erfordert ein schlüssiges
Gesamtbedienkonzept, sodass in der jeweiligen Dialogsituation die spezifischen
Vorteile einer Modalität dem Nutzer optimal zur Verfügung gestellt werden können
(Niedermeier, 2003). Ebenso sollte nicht die technologische Realisierbarkeit einer Modalität
im Vordergrund stehen, sondern die Berücksichtigung wahrnehmungspsychologischer
und kognitiver Grundlagen des Nutzers (Oviatt, 1999). Alternativ angebotene
Modalitäten zur Eingabe von Nutzerintentionen sind nur dann zweckmäßig, wenn sie
sich im längerfristigen Systemgebrauch durch eine hohe Akzeptanz und eine entsprechende
Nutzung auszeichnen. So beschreibt beispielsweise Buxton (2007) die Güte eines
Systems nicht nur dadurch, dass dieses sowohl nützlich (useful) als auch benutzbar
(usable) ist, sondern dass es auch tatsächlich benutzt wird (used).
Die Wahl einer Modalität und ggf. der Wechsel zur alternativ angebotenen Modalität
innerhalb der Bearbeitung einer Aufgabe ist von verschiedenen Faktoren abhängig,
so zum Beispiel von persönlichen Präferenzen des Nutzers und seinem Grad an
mentaler Beanspruchung, von der umgebenden Situation oder von den Vorteilen, die
sich ein Anwender in einer bestimmten Dialogsituation von einer Modalität erhofft (vgl.
Abschnitt 2.3). Aufbauend auf frühere Studien, in denen der auch in dieser Arbeit verwendete
Untersuchungsgegenstand bereits zum Einsatz kam, liegt der Fokus in der vorliegenden
Arbeit auf Effizienzüberlegungen aus Nutzersicht, die sich exemplarisch auf
die nötigen Interaktionsschritte zur Erledigung von Bedienaufgaben sowie auf die Fehlerbehaftung
der angebotenen Modalitäten einer mobilen Anwendung beziehen.
Der innovative Aspekt dieser Arbeit besteht darin, erstmalig die Fehlerbehaftung
beider Modalitäten, der Spracherkennung und der Eingabe per Touchscreen, experimentell
zu manipulieren und Auswirkungen sowohl auf das Nutzungsverhalten als auch auf
subjektive Bewertungen zu erheben. Damit wird einerseits das Ziel verfolgt, die Studienergebnisse
der vorliegenden Arbeit in die Resultate der bisher durchgeführten Untersuchungsreihe
einzuordnen und vor diesem Hintergrund zu interpretieren. Auf der anderen
Seite ist beabsichtigt, durch die fehlerbehaftete Manipulation beider Eingabemodalitäten
einen zusätzlichen unabhängigen Untersuchungsfaktor zu produzieren, um eine
erhöhte Varianzaufklärung auf Seiten der abhängigen Variablen zu ermöglichen. Zudem
stellt sich die generelle Frage, inwieweit die zusätzliche Manipulation bisherige Ergebnisse
verstärkt oder sich aus den vorliegenden Resultaten etwaig ein differenzierteres
Verständnis der Modalitätenwahl bei multimodaler Interaktion ableiten lässt.
2

Einführung
______________________________________________________________________________
1.2 Aufbau der Arbeit
Die vorliegende Arbeit ist wie folgt aufgebaut: Im folgenden Kapitel werden zunächst
die grundlegenden Begriffe der in dieser Masterarbeit behandelten Konzepte
erläutert. Hierzu zählt insbesondere die Definition der Mensch-Maschine-Interaktion
und eines Mensch-Maschine-Systems sowie der Begriffe Modalität und Multimodalität.
In diesem Zusammenhang wird auch ein Überblick über den Stand der Technik zur
Nutzung ausgewählter Modalitäten gegeben. Anschließend wird im zweiten Abschnitt
des Kapitels die Modalitätenwahl als entscheidungstheoretisches Problem thematisiert.
Als Schwerpunkt in der Argumentation wird das kognitive Informationsverarbeitungsmodell
der Entscheidung nach Wickens und Hollands (2000) ausführlich vorgelegt.
Zudem geht dieser Abschnitt auf Entscheidungsroutinen, sogenannte Heuristiken, und
auf Faktoren, welche die Modalitätenwahl beeinflussen können, ein. Aus den hier diskutierten
empirischen Befunden werden abschließend die Fragestellung und die experimentellen
Hypothesen als Basis der durchgeführten Untersuchung abgeleitet.
Im dritten Kapitel werden zunächst das Versuchsdesign und das Untersuchungsmaterial
dargelegt. Einen wesentlichen Stellenwert nimmt in diesem Zusammenhang
die Operationalisierung der Manipulation fehlerbehafteter Eingabenerkennungen
in den zur Verfügung gestellten Modalitäten ein. Die Beschreibung des Versuchsaufbaus
und -ablaufs, der abhängigen Variablen und der verwendeten Messinstrumente
sowie der akquirierten Stichprobe schließen den Methodenteil ab.
Die Ergebnisse der Hauptuntersuchung werden im vierten Kapitel vorgestellt.
Dabei werden zuvorderst Voraussetzungen geprüft, deren Erfüllung für die statistischen
Analysen von Bedeutung sind. Anschließend werden Berechnungen zu den Ausprägungsunterschieden
der abhängigen Variablen zur Modalitätenwahl, zur subjektiv erlebten
Anstrengung (SEA) sowie zu wahrgenommenen Produktqualitäten dargestellt.
Die Beantwortung der Fragestellungen und Hypothesen, der Bezug zur aktuellen
Literatur und zu vorliegenden Befunden sowie eine Kritik der Methoden und Anmerkungen
zu Limitationen der durchgeführten Studie werden schließlich im fünften Kapitel
diskutiert. Ein Ausblick zur multimodalen Mensch-Maschine-Interaktion schließt die
vorliegende Masterarbeit ab.
3

Theoretischer Hintergrund
______________________________________________________________________________
2 Theoretischer Hintergrund
Im folgenden Kapitel werden die theoretischen Grundlagen für das Verständnis
dieser Arbeit vorgestellt. Dazu werden zunächst die zentralen Begriffe um das Thema
multimodaler Mensch-Maschine-Interaktion erläutert. Anschließend werden ingenieurspsychologische
Theorien und empirische Befunde zur Modalitätenwahl skizziert, auf
deren Basis dann die Fragestellungen und die Forschungshypothesen der durchgeführten
experimentellen Untersuchung abgeleitet werden.
2.1 Grundlegende Begriffe
Obwohl multimodale Mensch-Maschine-Interaktion heutzutage eine weite Verbreitung
und Akzeptanz erfährt, mangelt es bislang sowohl an einer einheitlichen Definition
als auch an einem integrativen Modell zur Gestaltung und Umsetzung von Systemen,
die Multimodalität für einen erweiterten Austausch von Informationen zwischen
einem technischen System und einem Nutzer anbieten (Neuss, 2000). Erschwerend
kommt hinzu, dass die zahlreichen Disziplinen, die sich mit Multimodalität beschäftigen,
zentrale Begriffe häufig mit unterschiedlichen Bedeutungshöfen versehen. Aus
diesem Grund dient der folgende Abschnitt vorab einer sorgfältigen Klärung der verwendeten
grundlegenden Begriffe dieser Arbeit.
2.1.1 Mensch-Maschine-Interaktion
Unter Mensch-Maschine-Interaktion wird der wechselseitige Austausch von Informationen
zwischen einem menschlichen Nutzer und einem maschinellen Teilsystem
verstanden (Charwat, 1994). Wirkt die Person bzw. die Personengruppe mit der Maschine
zusammen, um zielgerichtet einen bestimmten Auftrag zu erledigen, welcher
entweder selbst- oder fremdgestellt sein kann, wird von einem Mensch-Maschine-
System gesprochen (Timpe & Kolrep, 2000). Mensch-Maschine-Systeme weisen stets
eine rückgekoppelte Struktur auf, da steuernde bzw. regelnde Eingriffe des Menschen
den Zustand und damit die Rückmeldungen der Maschine beeinflussen (siehe Abbildung
2). Der wechselseitige Austausch von Informationen erfolgt in Mensch-Maschine-
Systemen über eine sogenannte Benutzungsschnittstelle, die einerseits Informationen
über den Zustand der Maschine für den Menschen wahrnehmbar vermitteln und ihm
andererseits Möglichkeiten einräumen soll, Eingriffe in den technischen Prozess der
4

Theoretischer Hintergrund
______________________________________________________________________________
Maschine vorzunehmen. Im Vergleich zur Maschine, die grundsätzlich auf eine klar
definierte Benutzungsschnittstelle angewiesen ist, ist es dem Menschen aufgrund seines
deutlich facettenreicheren Wahrnehmungsvermögens darüber hinaus auch möglich, direkte
Informationen über den Zustand der Maschine jenseits der Benutzungsschnittstelle
sensorisch zu registrieren. Als Beispiel nennen die Autoren einen Wasserkessel, an welchem
der Zustand des kochenden Wassers sowohl durch ein Anzeigeelement auf der
Benutzungsschnittstelle (indirekt) als auch durch den austretenden Wasserdampf bzw.
die zunehmende Wärme an der Außenseite des Kessels (direkt) erkannt werden kann.
Abbildung 2: Strukturmodell eines Mensch-Maschine-Systems (entnommen aus Timpe und Kolrep
(2000, S 3).
Die Benutzungsschnittstelle stellt heutzutage ein zentrales Element in der Vermittlung
von Informationen in Mensch-Maschine-Systemen dar, sodass ihrer Gestaltung
eine besondere Bedeutung zukommt (Streitz, 1990). Die Güte der Aufgabenerledigung
wird maßgeblich durch die Gebrauchstauglichkeit (Usability) der Schnittstelle in Relation
zu den Kenntnissen und Fertigkeiten der Nutzer sowie vor dem Hintergrund limitierender
Faktoren aufgrund des Nutzungskontextes bestimmt. Als Kriterien für eine
hohe Gebrauchstauglichkeit haben sich die Begriffe Effektivität, Effizienz und Zufriedenheit
etabliert (ISO 9241-210, 2010, S. 7), wobei unter Effektivität verstanden wird,
dass ein Mensch-Maschine-System die intendierten Zielen genau und vollständig erreicht.
Als effizient wird das System bezeichnet, wenn die intendierten Ziele im Verhältnis
zu den Kosten, der Zeit und/ oder dem Aufwand einfach erreicht werden können
und zufriedenstellend bedeutet, dass sich Nutzer durch die Interaktion subjektiv wenig
5

Theoretischer Hintergrund
______________________________________________________________________________
beansprucht erleben und dem technischen System gegenüber eine positive Gesamteinstellung
entwickeln (Bevan, 1995).
Effektive Mensch-Maschine-Systeme erfordern vor diesem Hintergrund somit
eine Benutzungsschnittstelle, die jederzeit einen reibungslosen wechselseitigen Austausch
von Informationen gewährleistet. Da der Mensch, wie bereits erwähnt, über vielfältige
spezialisierte Interaktionsformen verfügt, kann der Austausch von Informationen
für ihn auf einer ebenso breiten Vielfalt unterschiedlicher Kanäle stattfinden. Die
Grundidee multimodaler Systeme zielt darauf ab, eine möglichst große Bandbreite an
menschlichen Interaktionsformen zur Ein- und Ausgabe von Informationen technisch zu
realisieren und nutzbar zu machen. Die technische Umsetzung solch eines Kanals wird
als „Modalität“ bezeichnet. Eine Definition des Begriffs und der Zusammenhang zwischen
menschlicher Sinneswahrnehmung und technischer Realisierbarkeit bei der Gestaltung
von Benutzungsschnittstellen werden im folgenden Abschnitt näher ausgeführt.
2.1.2 Modalität
Unter dem Begriff „Modalität“ kann im Allgemeinen die zu spezifizierende Art
und Weise verstanden werden, wie bestimmte Informationen zwischen einem Sender
und einem Empfänger vermittelt bzw. ausgetauscht werden. Eine von Beuter (2007)
übernommene Definition des Begriffs Modalität lautet:
„Eine Modalität bezeichnet ein kommunikatives System, das durch die Art und Weise, wie Informationen
kodiert und interpretiert werden, gekennzeichnet ist“ (Beuter, 2007, S. 7).
Während sich der Begriff Modalität im technischen Sinn am konkreten Zusammenschluss
eines Interaktionsgerätes mit einer Interaktionssprache orientiert (Engesser,
1993), werden unter dem Begriff Modalität im physiologischen Sinn die Möglichkeiten
der menschlichen Wahrnehmung (Sensorik) und des menschlichen Handelns (Motorik)
verstanden. In diesem Zusammenhang unterscheidet Hedicke (2000) zwischen sogenannten
Aktionsmodalitäten und Wahrnehmungsmodalitäten. Aktionsmodalitäten bezieht
er dabei auf die verfügbaren Eingabeformen zur Vermittlung von Informationen
des Menschen an die Maschine, wohingegen die Wahrnehmungsmodalitäten im Sinne
von Systemausgaben die Informationsübertragung von der Maschine zum Menschen
betreffen. Vereinfacht, jedoch unspezifischer, werden die Wahrnehmungsmodalitäten
von einigen Autoren auch als Ausgabemodalitäten und die Aktionsmodalitäten als Eingabemodalitäten
bezeichnet (Engesser, 1993). Das Konzept des User-Centered Design
6

Theoretischer Hintergrund
______________________________________________________________________________
geht davon aus, dass der Mensch als Nutzer im Mittelpunkt der Gestaltung von Technik
steht (ISO 9242-210, 2010). Demzufolge sollten bei der Konzeption multimodaler Benutzungsschnittstellen
nicht technologische Fragen im Vordergrund stehen, wie es häufig
der Fall ist, sondern wahrnehmungspsychologische und kognitive Grundlagen des
Nutzers (Oviatt, 1999). Aus diesem Grund werden im folgenden Abschnitt die Möglichkeiten
menschlicher Wahrnehmung und damit die für die Realisierung multimodaler
Schnittstellen potentiell nutzbaren Wahrnehmungsmodalitäten charakterisiert.
2.1.2.1 Wahrnehmungsmodalitäten
Als Wahrnehmungsmodalitäten bezeichnen Roetting und Seifert (2005) alle
menschlichen Sinneskanäle, die über spezialisierte Wahrnehmungsorgane bestimmte
physikalische Umgebungsreize registrieren können. Neben den klassischen Wahrnehmungsmodalitäten
Sehen, Hören, Fühlen, Riechen und Schmecken, verfügt der Mensch
nach heutigem Wissensstand jedoch noch über eine Reihe weiterer Sinne, wie z.B. dem
Gleichgewichtssinn, dem Schmerzsinn und dem Temperatursinn, wobei die genaue Anzahl
und eine exakte Abgrenzung noch nicht endgültig geklärt zu sein scheint (vgl.
Schmidt & Thews, 1997). Eine Übersicht über die Sinnesmodalitäten nach Luczak
(1998) wurde mit Tabelle 1 aus Roetting und Seifert (2005) übernommen.
Tabelle 1: Sinnesmodalitäten des Menschen (vgl. Luczak, 1998; entnommen aus Roetting & Seifert,
2005, S. 284).
Wahrnehmungssystem
visuell
elektromagnetische Strahlung
Auge
auditiv
periodische
Ohr
Luftschwankungen
vestibulär Flüssigkeitsverschiebung Vestibulärapparat
und Statolithen
im
(Schwerkraft)
Mittelohrbereich
olfaktorisch Moleküle in Gasen Schleimhautstücke
im oberen
Nasenraum
gustatorisch Moleküle in
Zungenoberfläche
Flüssigkeiten
Reiz Organ Empfindung
Farbe, Helligkeit
Tonhöhe,
Lautstärke
Lineare und
Winkelbeschleunigung
Geruch
Geschmack
taktil Verformungen der Haut Haut Druck, Berührung,
Vibration
kinästhetisch Dehnung der Muskeln und
Bänder,
Gelenkbewegungen
Muskelspindeln Stellung der
Körperteile
zueinander
thermisch Temperatur Haut warm, kalt
Schmerz
Verletzung und
alle freien
Schmerz
Belastung
Nervenenden
7

Theoretischer Hintergrund
______________________________________________________________________________
Betrachtet man, welche dieser vielfältigen Wahrnehmungskanäle bei der Gestaltung
von Mensch-Maschine-Interaktion explizit berücksichtigt werden, um Informationen
von der Maschine an den Menschen zu übermitteln, fällt auf, dass die menschliche
Wahrnehmung meist auf eine kleine und begrenzte Auswahl an Sinneskanälen reduziert
wird (Roetting & Seifert, 2005). Im Kontext der Informationsdarstellung definieren einige
Autoren lediglich optische, akustische und haptische Anzeigeelemente (z.B. Geiser,
1990). Verschiedene Autoren vermuten, dass erst die zunehmende Technologisierung
unseres Alltags in Leben und Arbeit zu einem Verlust des direkten Kontakts
zum Gerät bzw. zur Maschine führte und dadurch eine schrittweise Verdrängung der
Sinnesvielfalt somit sogar begünstigt worden ist (z.B. Norman, 1990).
Tatsächlich findet der größte Anteil der spezifizierten Informationsübertragung
bis dato unter Nutzung der visuellen Modalität statt (Norman, 1990). Hierbei werden
meist über Monitore, Displays, Dioden, etc. elektromagnetische Strahlungen unterschiedlicher
Wellenlänge versendet, welche Nutzer in Form von Licht wahrnehmen und
zu den Charakteristika Helligkeit, Farbigkeit, Größe, Form, Orientierung, Entfernung,
Bewegung und Richtung verarbeiten (Muthig, 1990). Zur Nutzung der auditiven Wahrnehmungsmodalität
werden durch Lautsprecher Informationen an den Menschen über
Luftschwingungen in Form von Schallwellen kodiert. Diese können von Nutzern sowohl
als nonverbale Töne oder Tonfolgen, als bedeutungsbehaftete Geräusche oder als
verbale Sprachinformation wahrgenommen und verarbeitet werden. Taktile Reize gewinnen
vor allem im Bereich mobiler Anwendungen zunehmend an Einfluss. Hierbei
werden über Bewegungsmotoren bzw. Aktoren bestimmte Kräfte an den Nutzer in
Form von Schwingungen (Vibrationen) oder Druck (Kraftrückkoppelungen) abgegeben.
Die vestibuläre Wahrnehmung wird hauptsächlich in größeren technischen Systemen,
z.B. Auto- oder Flugzeugsimulatoren gezielt für Ausgaben des Systems genutzt (Shoemaker
et al., 1995). Gustatorische oder olfaktorische Simulatoren spielen ebenso wie
thermische oder Schmerzsimulatoren bis auf wenige Ausnahmen (z.B. Iwata et al.,
2004) bislang eine geringe Rolle bei der Gestaltung von Mensch-Maschine-Systemen.
2.1.2.2 Aktionsmodalitäten
Aktionsmodalitäten beschreiben maschinenseitig, wie ein technisches System
Informationen registriert und auf welche Art und Weise Eingriffsmöglichkeiten durch
den Nutzer vorgenommen werden können. Während sich die Anzahl und die Beschaffenheit
der Wahrnehmungsmodalitäten trotz der sensorischen Vielfalt vergleichbar ein-
8

Theoretischer Hintergrund
______________________________________________________________________________
fach kategorisieren lassen, fällt dies für die Aktionsmodalitäten deutlich schwerer. Einige
Autoren betonen sogar, dass sich insbesondere die Aktionsmodalitäten an der technologischen
Realisierbarkeit orientieren, den aktuellen Stand der Technik widerspiegeln
und daher per se nicht a priori begrenzend kategorisieren lassen (Vilimek, 2007).
Im einfachsten Fall können Aktionsmodalitäten analog zu den Wahrnehmungskanälen
des Menschen klassifiziert werden. So unterscheidet Hedicke (2000) zwischen
einer auditiven, einer visuellen und einer haptischen Benutzungsschnittstelle (siehe Abbildung
3). Während die auditive Schnittstelle zur Eingabe von Informationen Klänge
per Mikrofon aus der Umgebung registriert, welche sowohl verbaler (z.B. Spracheingabe)
als auch non-verbaler (z.B. Händeklatschen) Natur sein können, erkennen visuelle
Schnittstellen Informationen über Gestik und Mimik des Nutzers mittels Kamerasysteme.
Hierunter fallen für den Autor beispielsweise auch Kameras, deren elektromagnetische
Strahlung im für den Menschen nicht-sichtbaren Bereich liegt (z.B. Infrarot-
Bewegungssensoren). Haptische Schnittstellen beziehen Informationen aus der Registration
der Lageveränderung von Teilen eines Gerätes (z.B. beim Drücken von Tasten,
beim Betätigen von Stellteilen, beim Bewegen von Geräten bzw. Geräteteilen oder beim
Verformen von Körpern).
Wahrnehmungsmodalitäten
Schnittstelle
Aktionsmodalitäten
Ausgabe von Sprache,
Tönen, Klängen
auditives
Interface
Registrierung von Sprache,
Tönen, Klängen
Ausgabe von Text,
Grafik, Bildern, Videos
visuelles
Interface
Registrierung von
Gestik, Mimik, Blickbewegungen
Ausgabe von Druck,
Vibration, Kraftrückkoppelungen
haptisches
Interface
Registrierung von
Kraft, manueller
Betätigung
Abbildung 3: Technische Komponenten einer multimodalen Schnittstelle (entnommen aus Hedicke,
2000, S. 210).
Liegen in diesen drei Bereichen aus technologischer Sicht bereits zahlreiche
Interaktionsmöglichkeiten und Innovationspotentiale vor und stellen sie vermutlich
auch den größten und wichtigsten Bereich einer gezielten und intendierten Übertragung
9

Theoretischer Hintergrund
______________________________________________________________________________
von Informationen eines Menschen an ein System dar, bestehen darüber hinaus jedoch
noch weitere Möglichkeiten, um sowohl explizite als auch implizite Informationen über
den Nutzer für eine Systemeingabe verwertbar zu machen. So hat sich insbesondere die
Nutzung neuro- oder peripherphysiologischer Signale mittlerweile zu einer bedeutenden
Möglichkeit entwickelt, um Informationen über den Zustand des Nutzers oder seinen
intendierten Systemeingaben abzuleiten. Wesentliche Forschungsthemen liegen hierbei
auf den Gebieten der Brain-Computer-Interfaces (vgl. Walpow & Winter Walpow,
2012), der Emotionsdetektion (vgl. Mahlke & Minge, 2008) und der mentalen Beanspruchung
(vgl. Nickel et al., 2002).
Neben den klassischen Schnittstellen sind auch olfaktorische und gustatorische
Schnittstellen denkbar. So sind Sensoren zur Registrierung von Geruch bereits in verschiedenen
Anwendungen, beispielsweise zur Überwachung von Biogasanlagen oder
Lüftungssystemern im Einsatz (z.B. Technoplus, 2012). Ebenso gibt es prototypische
Konzeptionen von mobilen Robotern, die Sensoren verwenden, um die Herkunft bestimmter
Gerüche, wie z.B. Sprengstoff oder Drogen, zu lokalisieren (Lochmatter et al.,
2007). Da die Verwertbarkeit der interpretierten Informationen jedoch für die Gestaltung
der Mensch-Technik-Interaktion stark kontextbezogen ist, bleiben solche Realisierungen
vermutlich auch in Zukunft für solch spezielle Anwendungszwecke beschränkt.
Wie dieser Abschnitt aufgezeigt hat, existieren sowohl auf der Wahrnehmungsseite
als auch auf der Aktionsseite vielfältige Möglichkeiten, um Informationen in der
Mensch-Maschine-Interaktion auszutauschen. Nachdem die einzelnen Modaltäten benannt
und beschrieben wurden, widmet sich der folgende Abschnitt der kombinierten
Nutzung parallel angebotener Modalitäten und damit dem Begriff Multimodalität.
2.1.3 Multimodale Mensch-Maschine-Interaktion
Ginge es bei Multimodalität lediglich darum, verschiedene Interaktionsmodalitäten
für Systemeingaben oder -ausgaben zu verwenden bzw. Informationen auf unterschiedlichen
Kanälen auszutauschen, so führte dies zu einer eklatanten Unschärfe in der
Definition des Begriffs, worauf bereits Schomaker et al. (1995) hingewiesen haben:
“In this sense every human-computer-interaction has to be considered as multimodal, because
the user looks at the monitor, types in some commands or moves the mouse and clicks at certain
positions, hears the reaction (beeps, key clicks, etc.) and so on” (Schomaker et al., 1995, S. 6).
10

Theoretischer Hintergrund
______________________________________________________________________________
Um diese triviale Form der Multimodalität einzuschränken, ging das European
Telecommunications Standards Institute (ETSI) dazu über, von Multimodalität nur dann
zu sprechen, wenn verschiedene Interaktionsmodalitäten sowohl für Systemeingaben als
auch für -ausgaben bzw. zumindest für eine Kommunikationsrichtung vorliegen:
“[Multimodal is an] adjective that indicates that at least one of the directions of a two-way communication
uses two sensory modalities (vision, touch, hearing, olfaction, speech, gestures, etc.).
[That means, that]
a) more than one sensory modality is available for the channel (e.g. output can be visual or auditory)
or
b) within a channel, a particular piece of information is represented in more than one sensory
modality (e.g. the command to open can be visual or typed)” (ETSI EG 202 191, 2003, S. 7)
In diesem Zusammenhang betont Vilimek (2007), dass nicht allein die Anzahl
an Geräten bzw. Sensoren entscheidend ist, um von Multimodalität zu sprechen. So
werden beispielsweise auch bereits durch einen Lautsprecher sowohl akustische als
auch vibrotaktile haptische Informationen gleichzeitig ausgesendet. Vielmehr sei es
erforderlich, die explizite Gestaltungsintention der verwendeten Schnittstelle im Kontext
einer effektiven und effizienten Mensch-Maschine-Interaktion zu berücksichtigen.
Bezogen auf die Systemausgaben bedeutet dies, dass bei Multimodalität
“[…] eine durch den Systemdesigner manipulierbare aktive, technisch vermittelte Rückmeldung
einer Nutzerreaktion über mehrere Signale vorliegt [und nicht lediglich] eine passive, rein mechanische
Auswirkung dieser Nutzerreaktion“ (Vilimek, 2007, S. 14)
Aus Sicht der Medienpsychologie wird der Begriff Multimodalität häufig mit
den Wahrnehmungsmodalitäten des Menschen in Verbindung gebracht, wobei darunter
verstanden wird, dass zur Informationsübertragung verschiedene Sinneskanäle gleichzeitig
angesprochen werden (Weidenmann, 1995). Ingenieurspsychologische Bestrebungen
im Bereich multimodaler Mensch-Maschine-Systeme zielen heutzutage jedoch
vor allem darauf ab, ein breites Angebot an parallel zur Verfügung stehenden Aktionsmodalitäten
zu realisieren, um Nutzern verschiedene Varianten zur Eingabe von Informationen
zu ermöglichen. In Anlehnung an die aktuell mit am häufigsten vorzufindende
Definition von Multimodalität nach Oviatt (2003) werden parallel angebotene Wahrnehmungskanäle
in Abgrenzung zum Begriff multimodal als multimedial bezeichnet:
11

Theoretischer Hintergrund
______________________________________________________________________________
”Multimodal system process combined natural input modes – such as speech, pen, touch, manual
gestures, gaze, and head and body movements – in a coordinated manner with multimedia system
ouptut“ (Oviatt, 2003, S. 286)
In Anlehnung an diese Definition von Oviatt (2003) wird in der vorliegenden
Arbeit unter Multimodalität verstanden, dass ein Mensch-Maschine-System zum Austausch
von Informationen mindestens zwei Aktionsmodalitäten und eine oder mehrere
Wahrnehmungsmodalitäten kombiniert. Um die unter 2.1.1 geforderte hohe Gebrauchstauglichkeit
der Benutzungsschnittstelle zu gewährleisten, muss das Zusammenspiel aus
Aktions- und Wahrnehmungsmodalitäten so ausgelegt sein, dass das Mensch-Maschine-
System seine fremd- bzw. selbstgestellten Ziele effektiv und effizient erreichen kann
(Nigay, Jambon & Coutaz, 1995). Zahlreiche Autoren haben bereits detaillierte Vorschläge
unterbreitet, wie verschiedene Modalitäten sinnvoll aufeinander abgestimmt
werden können (Neuss, 2000; Nigay & Coutaz, 1993; Oviatt, 2003).
Martin (1998) unterscheidet dabei zum Beispiel sechs verschiedene Formen, sogenannte
cooperation types, die er als Äquivalenz, Spezialisierung, Redundanz, Komplementarität,
Übertragung und Simultanität bezeichnet (siehe Tabelle 2).
Tabelle 2: Übersicht über die cooperation types (nach Martin, 1998).
cooperation type
Äquivalenz
(equivalence)
Spezialisierung
(specialization)
Redundanz
(redundancy)
Komplementarirät
(complementarity)
Übertragung
(transfer)
Simultanität
(concurrency)
verschiedene Modalitäten sind zueinander gleichwertig und können alternativ
für eine Information verwendet, z.B. Eingabe über Touchscreen
oder Spracherkennung
für eine bestimmte Eingabe wird exklusiv eine bestimmte Modalität
verwendet, z.B. Ton als Warnsignal
dieselbe Information wird über mehrere Modalitäten zeitgleich übermittelt,
z.B. verbale Tonausgabe und Lippenbewegungen
die Gesamtinteraktion ist auf mehrere Modalitäten verteilt, z.B. Blickbewegung,
um ein bestimmtes Objekt auszuwählen und Spracheingabe,
um eine bestimmte Aktion an diesem Objekt vorzunehmen
Informationen, die in einer Modalität erzeugt wurden, werden in einer
anderen Modalität genutzt
unterschiedliche Arten von Informationen werden über mehrere Modalitäten
gleichzeitig verarbeitet, z.B. taktile Steuerung eines Kraftfahrzeugs
über Lenkrad, Pedal, Schaltknauf und Bedienung des Navigationssystems
über Spracheingabe
Die vorliegende Arbeit widmet sich dem Thema der Modalitätenwahl und möglichen
Faktoren, die diese Wahl des Nutzers bei verschiedenen alternativ angebotenen
Aktionsmodalitäten beeinflussen können. Im Sinne Martins (1998) wird somit der
cooperation type der Äquivalenz näher untersucht.
12

Theoretischer Hintergrund
______________________________________________________________________________
2.2 Modalitätenwahl
Werden durch ein technisches System verschiedene Aktionsmodalitäten zur Verfügung
gestellt, die ein Nutzer für seine beabsichtigten Eingaben alternativ verwenden
kann, so ist er gefordert, sich für oder gegen eine bestimmte Modalität zu entscheiden.
Diese Modalitätenwahl basiert auf der Wahrnehmung und Verarbeitung von Hinweisreizen,
die durch eine bestimmte Aufgabe vorgegeben werden und den jeweils aktuellen
Handlungszielen des Nutzers, nämlich der erfolgreichen Erledigung der Aufgabe unter
Nutzung einer der alternativ zur Verfügung stehenden Modalitäten, gegenübergestellt
werden (Jöckel, 2010). Somit kann die Modalitätenwahl als ein entscheidungstheoretisches
Problem verstanden werden (Schmid & Kindsmüller, 1996). Im folgenden Abschnitt
werden deshalb als theoretische Grundlage für die Modalitätenwahl entscheidungswissenschaftliche
Modelle aus ingenieurspsychologischer Perspektive erläutert
und anschließend mögliche Einflussfaktoren sowie empirische Befunde aus bereits vorliegenden
Untersuchungen zur Modalitätenwahl skizziert.
2.2.1 Entscheidungen
Wie Menschen Entscheidungen treffen und welche Mechanismen dabei eine
Rolle spielen, ist für viele Disziplinen von Interesse. Vor allem in den Wirtschafts-, Sozial-
und Politikwissenschaften hat die Entwicklung und die empirische Validierung
von Entscheidungstheorien bereits eine lange Tradition. Seitdem der Faktor Mensch an
Beachtung gewonnen hat, werden jedoch auch in den Ingenieurwissenschaften Erkenntnisse
aus der Entscheidungsforschung zunehmend für die Gestaltung von Mensch-
Maschine-Systemen berücksichtigt (Wickens & Hollands, 2000).
2.2.1.1 Merkmale von Entscheidungen
Entscheidungen beschreiben die Wahl zwischen mindestens zwei Optionen bzw.
Alternativen auf der Basis persönlicher Präferenzen. Diese Präferenzen können entweder
bewusst-abwägend (deliberativ), bewusst-heuristisch (regelbehaftet) oder intuitiv
(spontan) ermittelt werden (Ostermann, 2010). Einige charakteristische Merkmale von
Entscheidungen sind unter anderem, ob ein Problem mit binären oder multiplen Handlungsalternativen
vorliegt, ob es sich um einen einmaligen oder einen iterativen Entscheidungsprozess
handelt oder ob Entscheidungen durch eine Einzelperson oder durch
eine Gruppe getroffen werden (vgl. Duffy, 1993).
13

Theoretischer Hintergrund
______________________________________________________________________________
Stets werden Entscheidungen auch in Hinblick auf die Konsequenzen einer Option
getroffen (Tversky & Kahneman, 1992). Da der Zusammenhang zwischen Option
und Konsequenz häufig probabilistischer Natur ist, stellt der Grad an Unsicherheit über
die möglichen Konsequenzen ein weiteres wichtiges Merkmal von Entscheidungen dar.
In der Entscheidungsforschung wird in diesem Zusammenhang auch von einer Entscheidung
unter Risiko (wenn die Wahrscheinlichkeiten für die möglichen Konsequenzen
bekannt sind) bzw. einer Entscheidung unter Ungewissheit (wenn die Wahrscheinlichkeiten
nicht bekannt sind), gesprochen (Jungermann, Pfister & Fischer, 2006).
Die Entscheidung beim Kauf eines Autos, wenn zwei Typen zur Auswahl stehen,
stellt nach genauer Vorinformation über Vor- und Nachteile beider Fahrzeuge zum
Beispiel eine vergleichbar sichere Entscheidungssituation dar: Im Sinne einer multiattributiven
Kosten-Nutzen-Analyse können die einzelnen Eigenschaften für jedes Auto
separat bewertet, nach etwaigen persönlichen Präferenzen gewichtet und anschließend
für die zwei zur Verfügung stehenden Optionen aufsummiert werden. Das Endergebnis
sind Summenwerte, auf deren Basis eine Entscheidung getroffen werden kann (Wickens
& Hollands, 2000).
In zahlreichen Entscheidungssituationen, insbesondere im Umgang mit komplexen,
dynamischen technischen Systemen sind jedoch entweder die Konsequenzen oder
die Wahrscheinlichkeiten ihres Auftretens unbekannt. Entscheidungen werden vor allem
dann als „risikoreich“ bezeichnet, wenn einige der möglichen, aber unsicheren Ergebnisse
besonders unangenehm oder mit hohen Kosten verbunden sind (Tversky &
Kahneman, 1992). Als Beispiel für ein komplexes, unsicheres Entscheidungsproblem
nennen Wickens und Hollands (2000) die Entscheidung eines Piloten, seinen Flug bei
unsicherem Wetter fortzusetzen oder sich zum Umkehren zu entscheiden. In diesem Fall
sind die Konsequenzen ausschließlich probabilistisch, d.h. dass es schwer vorherzusehen
ist, welchen Einfluss das Wetter auf die Sicherheit des Flugs tatsächlich haben wird.
2.2.1.2 Klassen der Entscheidungsforschung
Nach Wickens und Hollands (2000) können drei Klassen der Entscheidungsforschung
unterschieden werden: das rationale, das kognitive und das naturalistische Entscheiden.
Während sich die rationale bzw. normative Entscheidungsforschung dafür
interessiert, wie Menschen Entscheidungen entsprechend eines optimalen Rahmens,
eines „goldenen Standards“ und unter Maximierung von Gewinnen und Minimierung
von Verlusten, treffen sollten, betrachtetet die kognitive bzw. informationsverarbeitende
14

Theoretischer Hintergrund
______________________________________________________________________________
Entscheidungsforschung, inwieweit Fehler bzw. Verzerrungen im Entscheidungsprozess
auf begrenzte menschliche Aufmerksamkeit, Arbeitsgedächtnis oder Auswahlstrategien
bzw. vertraute Entscheidungsroutinen (siehe „Heuristiken“ in Abschnitt 2.2.4) zurückzuführen
sind. Die naturalistische Entscheidungsforschung schließlich interessiert sich
für das Entscheiden in realen Anwendungsbereichen und berücksichtigt dabei bedeutsame
Kontextfaktoren aus der wirklichen Welt, wie z.B. domänenspezifische Expertise,
Zeitdruck, Umweltdynamiken, hohe Risiken und Zielkonflikte (Zsambok, 1997).
Die normative Entscheidungsforschung bietet mit der hier kurz skizzierten multiattributiven
Kosten-Nutzen-Analyse ein rational begründetes Entscheidungsinstrument,
jedoch erweist sie sich gegenüber der naturalistischen Entscheidungsforschung
häufig nur als begrenzt gültig. Beispielsweise streben Menschen nicht immer nach Gewinnmaximierung
bzw. Verlustminimierung und es liegen Unterschiede zwischen objektiven
und subjektiven Werten bzw. Wahrscheinlichkeitsschätzungen vor, die zu Urteilsverzerrungen
führen, welche teilweise durch bestimmte kognitive Entscheidungsroutinen
(Heuristiken) erklärt werden können (vgl. Abschnitt 2.2.4).
Die Beantwortung der in dieser Arbeit entwickelten Fragestellung erfolgt unter
Berücksichtigung menschlicher Informationsverarbeitungsroutinen und orientiert sich
damit am kognitiven Entscheidungsprozess. Dies hat einerseits zur Folge, dass nicht die
objektiv beste Entscheidung bei der Modalitätenwahl von Interesse sein wird, sondern
das tatsächliche Nutzungs- und Akzeptanzverhalten der Anwender. Andererseits wird
nur eine begrenzte Auswahl an Einflussfaktoren für die Modalitätenwahl systematisch
untersucht, welche im Rahmen einer kontrollierten Laborstudie einer experimentellen
Manipulation zugeführt wird. Um die bei einer Entscheidung relevanten Informationsverarbeitungsprozesse
zu erläutern, wird im folgenden Abschnitt das kognitive Informationsverarbeitungsmodell
der Entscheidung nach Wickens und Hollands (2000) näher
spezifiziert.
2.2.2 Informationsverarbeitungsmodell der Entscheidung
Bei diesem Modell handelt es sich um ein Perzeptions-Aktions-Schema, worin
die Autoren Wickens und Hollands (2000) die zentralen Elemente menschlicher Informationsverarbeitung
aus ihrem Informationsverarbeitungsmodell integriert haben
(Wickens & Hollands, 2000, S. 11). Als die drei Hauptschritte einer Entscheidung werden
in diesem Modell insbesondere die selektive Aufmerksamkeit, die Diagnose und die
Auswahl einer Reaktion betrachtet (siehe Abbildung 4).
15

Theoretischer Hintergrund
______________________________________________________________________________
Aufmerksamkeit,
Ressourcen,
Aufwand
Umwelt
Reize
(cues)
=
Selektive
Aufmerksamkeit
clue filtering
Bestätigung
Wahrnehmung
Situationsbewusstsein
Sinnesempfindung
Langzeitgedächtnis
Langzeit-Arbeits-
Gedächtnis
Arbeits-
Gedächtnis-
Mustererkennung
Diagnose:
H1, H2, …
Optionen
Entscheidung
Auswahl der
Reaktion
Meta-Kognition
Risiken (Werte)
Ausführung
der Reaktion
Abbildung 4: Informationsverarbeitungsmodell der Entscheidung (nach Wickens & Hollands, 2000).
Als Grundlage einer jeden Entscheidung werden zunächst Hinweisreize (cues) in
ihrer entsprechenden Modalität aus der Systemumgebung (Umwelt) aufgenommen und
kurz zwischengespeichert. Anschließend werden die sensorisch aufgenommen Reize
gefiltert. Hierbei führt ein Selektionsprozess (clue filtering) nur solche Reize einer bewussten
Verarbeitung (Wahrnehmung) weiter, welche aufgrund der Expertise des Entscheiders
als momentan für die Situation relevant eingeschätzt werden. Diese „selektive
Aufmerksamkeit“ wird zentral gesteuert, bindet in Abhängigkeit zur Komplexität des
Problems Aufmerksamkeitsressourcen und stellt für Wickens und Hollands (2000) einen
ersten zentralen Schritt beim Treffen von Entscheidungen dar. Da der Mensch kein
passiver Empfänger von Reizen oder Informationen, sondern ein aktives dynamisches
System ist, das Information mit Flexibilität aufsucht, aufnimmt, verarbeitet und umsetzt
(Muthig, 1990), kann die Filterung sowohl Bottom-Up, also durch die Reize selbst,
oder Top-Down, also durch Beiträge des Langzeitgedächtnisses, gesteuert werden. Die
anschließende Wahrnehmung der selektiv aufgenommenen Reize dient ihrer Identifikation
und Interpretation.
Auf Basis der selektiv aufgenommenen und verarbeiteten Informationen wird
daraufhin ein Verständnis bzw. eine Einschätzung der Entscheidungssituation im Sinne
einer Diagnose abgeleitet und entwickelt (Rasmussen & Rouse, 1981). In Anlehnung an
das Arbeitsgedächtnismodell von Baddeley (1986) fassen Wickens und Hollands (2000)
zur Unterstützung der Planungs- und Diagnoseabläufe Kognition und Arbeitsgedächtnis
als eine zentrale Exekutive zusammen, welche darüber hinaus einen wechselseitigen
Informationsaustausch zum Langzeitgedächtnis organisiert. Ein wesentliches Ziel in
16

Theoretischer Hintergrund
______________________________________________________________________________
dieser Diagnosephase besteht in der Ableitung von Hypothesen über den Zustand der
Welt bzw. des Entscheidungsraumes, auf deren Grundlage anschließend eine adäquate
Handlungsauswahl erfolgen kann. Da viele Diagnosen iterativ sind, d.h. dass zum Bekräftigen
oder Wiederlegen anfänglicher Hypothesen die Suche nach weiteren Information
angestoßen werden muss, existiert ein Pfeil von der zentralen Exekutive zur selektiven
Aufmerksamkeit (clue filtering), der als „Bestätigung“ bezeichnet ist.
Zur Entwicklung einer Diagnose messen Wickens und Hollands (2000) dem
Konzept des Situationsbewusstseins nach Endsley (1995) eine besondere Bedeutung zu,
die hierbei drei Stufen unterscheidet. Zu Beginn steht zunächst die Wahrnehmung aller
relevanten Informationen aus der Umgebung (Stufe 1). Die wahrgenommenen Informationen
werden anschließend Top-Down oder Bottom-Up zu einem angemessenen Verständnis
der gegenwärtigen Situation integriert (Stufe 2), sodass daraus die weitere dynamische
Entwicklung der gegenwärtigen Situation korrekt vorhergesagt und eine Antizipation
zukünftiger Informationen abgeleitet werden kann (Stufe 3). Über alle Stufen
hinweg wird somit ein allgemeines Systemverständnis aufgebaut, woraus sich Hypothesen
zum Systemverhalten und Diagnosen ableiten lassen.
Auf der Grundlage der Diagnose wird anschließend in Relation zu den erwarteten
Konsequenzen und den damit verbundenen Werten einer Entscheidung (Kosten-
Nutzen-Abwägung) der Prozess der Handlungsauswahl eingeleitet, welcher wiederum
die Handlungsausführung anstößt. Ein bedeutsamer Einflussfaktor für die Handlungsauswahl
ist dabei auch das Bewusstsein über das eigene Wissen (Meta-Kognition nach
Reder, 1988). So zeigten Orasanu und Fischer (1997), dass sich gute Entscheidungsträger
einer Informationsunterversorgung bewusst sind und daher besonders aufmerksam
suchen bzw. falls nötig, auf wesentliche Informationen warten, bevor sie eine Entscheidung
treffen. Da die Situation, der man sich bewusst ist, den sich entwickelnden Entscheidungsprozess
beinhaltet, zeigt die Meta-Kognition auch eine deutliche Verbindung
zum Situationsbewusstsein (Endsley, 1995). Die allgemeine Feedbackschleife ermöglicht
Lernprozesse und erhöht damit die Qualität zukünftiger Entscheidungen. Wird
Feedback ins Langzeitgedächtnis übertragen, können zum einen die selektive Aufmerksamkeit
für Hinweisreize, aber auch Risikoeinschätzungen und interne Entscheidungsregeln
modifiziert werden.
Betrachtet man den Prozess der Informationsintegration über alle Instanzen des
Modells hinweg (siehe Abbildung 5), können drei Eigenschaften von Hinweisreizen und
wie diese potentiell auf eine getroffene Hypothese einwirken, identifiziert werden.
17

Theoretischer Hintergrund
______________________________________________________________________________
Abbildung 5: Prozess der Informationsintegration (von unten nach oben), um sich für eine von zwei
Hypothesen zu entscheiden (nach Wickens und Hollands, 2000).
Die Diagnostizität (Eindeutigkeit) beschreibt, wie eindeutig der beobachtete
Hinweisreiz ist bzw. wieviel Evidenz er für die vorliegende Hypothese liefert, so ist z.B.
ein Regentropfen ein sicherer diagnostischer Hinweisreiz für die Hypothese „Es regnet“,
jedoch nur ein probabilistischer für die die Hypothese „Ein schweres Unwetter
naht“ (vgl. Wickens und Hollands, 2000). Die Reliabilität gibt unabhängig von der Eindeutigkeit
die Wahrscheinlichkeit an, mit dem einem Reiz geglaubt werden kann. Liefert
z.B. ein Alarmsystem in einer Leitwarte einen bestimmten Anteil an Fehlalarmen,
so ist dieses System auch nur bis zu diesem Grad als reliabel zu betrachten. Als Informationswert
eines Reizes bezeichnen Wickens und Hollands (2000) das Produkt aus
Diagnostizität und Reliabilität. Eine dritte Charakteristik von Reizen sind physikalische
Eigenschaften und die Frage, wie auffällig bzw. herausragend die Hinweisreize sind.
Entscheidend nach dem Informationsverarbeitungsmodell der Entscheidung ist,
dass die Verarbeitungsvorgänge in der zentralen Exekutive zur Diagnosebildung bewusst
ablaufen, ressourcenlimitiert und hochanfällig für Interferenzen sind (Wickens &
Hollands, 2000). Das bedeutet, dass zwischen der ressourcenfordernden selektiven
Aufmerksamkeit und Wahrnehmung auf der einen Seite und der Schaffung des Situati-
18

Theoretischer Hintergrund
______________________________________________________________________________
onsbewusstseins auf der anderen Seite eine Interferenz vorliegt, wenn beide Vorgänge
zur Speicherung und Manipulation von Informationen auf das Arbeitsgedächtnis zugreifen.
Tatsächlich konnten solche Interferenzen experimentell belegt werden (Wickens,
2002). Da solche Interferenzen dazu führen können, dass der Informationsaustausch in
Mensch-Maschine-Systemen nicht oder nicht effizient genug gewährleistet werden
kann, setzt eine erfolgreiche Umsetzung multimodaler Interaktion voraus, dass Interferenzen
möglichst ausgeschlossen bzw. minimiert werden.
2.2.3 Modell der multiplen Ressourcen
Um sowohl Interferenzen frühzeitig zu identifizieren als auch unterschiedliche
Modalitäten in einem Mensch-Maschine-System sinnvoll aufeinander abzustimmen,
kann das Modell der multiplen Ressourcen nach Wickens & Hollands (2000) als ein
erster Ansatz dienen. Eine Grundidee dabei ist, dass der menschliche Systemnutzer
prinzipiell über verschiedene Ressourcen zur simultanen Durchführung kognitiver Prozesse
verfügt. Je unterschiedlicher die beanspruchten Ressourcenanteile bei der Bearbeitung
einer Doppelaufgabe sind, desto besser können die entsprechenden Einzelaufgaben
zeitgleich bearbeitet werden (Wickens, 2002). Die zur Verfügung stehenden Ressourcen
werden entsprechend dem Modell nach drei dichotomen Dimensionen klassifiziert,
nämlich den Verarbeitungsstufen (stages), den Modalitäten (modalities) und dem Verarbeitungstyp
(codes bzw. responses; siehe Abbildung 6). Auf Seiten der Modalitäten
unterscheiden die Autoren zwischen auditiven und visuellen Ressourcen, wobei zur
ausführlichen Darstellung und Diskussion der experimentellen Belege für diese Modellannahme
auf Wickens und Hollands (2000) verwiesen wird. Beim Verarbeitungstyp
werden verschiedene Ebenen sowohl auf der Eingabeseite des menschlichen Nutzers
(räumliche oder sprachliche Wahrnehmung) als auch auf der Ausgabenseite (manuelle
oder sprachliche Aktionen) unterschieden. Auch die Phasen der Informationsverarbeitung
differenzieren lediglich zwischen zwei Dimensionen, da davon ausgegangen wird,
dass die Ressourcen für perzeptive und kognitive Prozesse der zentralen Exekutive
identisch sind. Aufgrund der Ergebnisse zahlreicher Studien wurde im Bereich der visuellen
Wahrnehmung eine weitere Modellannahme hinzugefügt, welche das foveale Sehen
(focal) zur aufmerksamkeitsgesteuerten und fokussierten Informationsaufnahme
vom peripherem Sehen (ambient) angrenzt, welches Orientierungs- und Bewegungswahrnehmung
und visuelle Reize aus dem Umfeld zu detektieren unterstützt (z.B.
Previc, 1998).
19

Theoretischer Hintergrund
______________________________________________________________________________
Abbildung 6: Dimensionale Repräsentation der Struktur multipler Ressourcen (entnommen aus
Wickens und Hollands, 2000, S. 449).
Das Informationsverarbeitungsmodell und das Modell der mutiplen Ressourcen
beschreiben aus kognitionspsychologischer Sicht, wie Menschen multimodale Informationen
im Rahmen eines Mensch-Maschine-Systems aufnehmen und auf Basis des vorliegenden
Wissens Hypothesen über die Angemessenheit bestimmter Handlungsmöglichkeiten
und damit Handlungsentscheidungen, z.B. für die Nutzung einer Modalität
bei äquivalent angebotenen Modalitäten auf Basis selektiv wahrgenommener und interpretierter
Hinweisreize, treffen. Wie bereits in 2.2.1.1 bereits erwähnt wurde, können
jedoch viele Entscheidungssituationen dadurch charakterisiert werden, dass der aktuelle
Zustand des Entscheidungsraumes unbekannt ist, da nicht alle relevanten Informationen
genau und vollständig zur Verfügung stehen bzw. die beste Entscheidung nicht durch
einen Abruf von Informationen aus dem Langzeitgedächtnis ermittelt werden können
(Kahneman, Slovic & Tversky, 1982). Dennoch sind Menschen auch in solchen Situationen,
in denen die Konsequenz einer Entscheidung mit Unsicherheit behaftet sind, in
der Lage, mit begrenzten geistigen und zeitlichen Ressourcen gute und brauchbare Entscheidungen
zu treffen (Gigerenzer & Brighton, 2009). Solche Strategien, einfache
„Faustregeln“, die auf leicht zu erhaltende Informationen angewendet werden können,
werden auch als Heuristiken bezeichnet. Die wichtigsten Heuristiken, auf die Menschen
für ihre Entscheidungen und Urteile zugreifen, stellt der folgende Abschnitt vor.
20

Theoretischer Hintergrund
______________________________________________________________________________
2.2.4 Heuristiken
Heuristiken ermöglichen es dem Menschen, in Situationen nicht alle für eine
Entscheidungsoption notwendigen Informationen aufzunehmen und zu verarbeiten,
sondern lediglich einen hinreichend notwendigen Anteil, um mit diesen begrenzten Informationen
trotzdem ein gutes Entscheidungsergebnis zu erzielen (Kahneman et al.,
1982). Heuristiken wirken dabei als Annahmen, die sich in früheren Entscheidungssituationen
als erfolgreich bewährt haben. Drei zentrale Heuristiken sind die Verankerungsheuristik,
die Verfügbarkeitsheuristik und die Repräsentativitätsheuristik.
2.2.4.1 Verankerungsheuristik
Als Verankerungsheuristik wird die Tendenz beschrieben, bei einem Urteil oder
im Rahmen einer Entscheidungssituation zunächst einen groben Ausgangspunkt in
Form einer ersten Hypothese zu finden und diesen als Anker für den weiteren Verlauf
zu verwenden (Tversky & Kahneman, 1974). Die Autoren gehen davon aus, dass eine
Adjustierung des Ankers (adjustment) prinzipiell möglich ist, die endgültigen Urteile
jedoch grundsätzlich in Richtung des Ausgangswertes (anchor) verzerrt sind. Charakteristisch
ist zudem, dass zur Verarbeitung der Ankerinformation bevorzugt diejenigen
Informationen gesucht und verarbeitet werden, welche die zuvor aufgestellte Hypothese
bestätigen. In diesem Zusammenhang wird auch von einer positiven Teststrategie
(Liberman & Trope, 1996) oder vom Confirmation Bias (Jones & Roelofsma, 2000)
gesprochen. Ebenso konnte gezeigt werden, dass die Informationssuche zur Prüfung
eines Urteils bzw. zur Verifikation einer Handlungsauswahl häufig vorzeitig eingestellt
wird, da das subjektive Gefühl über die Richtigkeit der eigenen Hypothese größer ist als
die Wahrscheinlichkeit für die adäquate Urteils- bzw. Handlungsoption (Kruger &
Dunning, 1999). Dies wird auch als Overconfidence Bias bezeichnet. Für die Wahl einer
Interaktionsmodalität bei alternativ angebotenen Aktionsmodalitäten bedeutet die Verankerungsheuristik,
dass Anwender schnell eine erste Hypothese über die Brauchbarkeit
der zur Verfügung stehenden Modalitäten treffen und sich daraufhin für eine bestimmte
Modalität zur Bearbeitung einer Aufgabe entscheiden. Der bewusste Wechsel zu einer
anderen Modalität im Laufe der Aufgabenbearbeitung dürfte hingegen, insbesondere bei
geringer Erfahrung mit dem technischen System erschwert sein, da Personen an ihrer
ersten Entscheidung festhalten und dadurch die Kosten für einen Modalitätenwechsel
vermeiden, welcher mit einem kognitiven Aufwand verbunden wäre.
21

Theoretischer Hintergrund
______________________________________________________________________________
2.2.4.2 Verfügbarkeitsheuristik
Die Verfügbarkeitsheuristik beschreibt die Leichtigkeit mit der Informationen
aus dem Langzeitgedächtnis abgerufen werden können: Je verfügbarer Informationen
sind, d.h. je leichter sie einfallen oder je geringer der kognitive Aufwand ist, um sich ein
bestimmtes Ereignis oder eine bestimmte Handlungsauswahl vorzustellen, desto höher
wird die Häufigkeit des Auftretens dieses Ereignisses geschätzt bzw. desto eher wird die
Auswahl des entsprechenden Handlungsmusters vorgenommen (Tversky & Kahneman,
1973). Wie Greening, Dollinger und Pitz (1996) aufgezeigt haben, sind vor allem solche
Ereignisse verfügbarer, welche Menschen aus persönlicher Erfahrung heraus kennen.
Dies impliziert, dass Anwender zunächst Erfahrungen mit der Ausführung von Aktionsmodalitäten,
insbesondere wenn diese für sie innovativ sind, erleben müssen, um
sich die Nutzung dieser Modalitäten in zukünftigen Situationen leicht vorstellen zu
können. Ebenso sollten die zur Verfügung stehenden Aktionsmodalitäten präsent gemacht
werden, z.B. durch das Aufleuchten eines Mikrofon-Icons, wenn zu bestimmten
Interaktionszeitpunkten die Spracheingabe eine sinnvolle Alternative darstellt. Entstehen
bei der Nutzung einer bestimmten Interaktionsmodalität nachteilige Erfahrungen,
erlebt der Anwender beispielsweise mehrere fehlerhafte Spracherkennungssituationen,
so wird ihm der Verfügbarkeitsheuristik entsprechend jedoch auch die Handlungsauswahl
zur Nutzung diese Modalität zukünftig weniger leicht verfügbar ins Bewusstsein
gebracht werden können.
2.2.4.3 Repräsentativitätsheuristik
Die Repräsentativitätsheuristik bezieht sich darauf, wie typisch ein wahrgenommenes
Element für eine Kategorie, eine Population oder eine Wirkung für eine Ursache
ist: Je besser der konkrete Fall das im Langzeitgedächtnis gespeicherte abstrakte Modell
repräsentiert, desto größer wird die Wahrscheinlichkeit eingeschätzt, dass der Fall dem
Modell zugehörig ist (Kahneman & Tversky, 1972). Liegt demnach eine große Übereinstimmung
zwischen Hinweismuster und gespeichertem Muster vor, wird die entsprechende
Handlungsanweisung gewählt. Hat ein Anwender beispielsweise die Erfahrung
gemacht, dass bestimmte Systemeingaben unter Nutzung einer bestimmten Interaktionsmodalität
schneller und einfacher vorgenommen werden können, so werden ihm bei
alternativ angebotenen Aktionsmodalitäten genau diese Situationen zukünftig besonders
repräsentativ für die Nutzung dieser Modalität erscheinen.
22

Theoretischer Hintergrund
______________________________________________________________________________
2.2.5 Zusammenfassung
Sowohl das kognitive Informationsverarbeitungsmodell (vgl. 2.2.3) als auch die
im vorigen Abschnitt aufgezeigten Heuristiken (vgl. 2.2.4) beschreiben, wie die Modalitätenwahl
bei multimodaler Interaktion aus entscheidungstheoretischer Sicht nachvollzogen
und verstanden werden kann: Anwender nutzen die Informationen aus einer Aufgabe
als Hinweisreize und bilden auf dieser Basis Hypothesen darüber, welche der zur
Verfügung stehenden Modalitäten am geeignetsten erscheint, um die Aufgabe vollständig
und unter geringem Aufwand zu erfüllen. Bei der Bildung von Hypothesen werden
die Informationen unter Einbezug von Kosten-Nutzen-Überlegungen, persönlichen Präferenzen
und externen Parametern gewichtet (Jöckel, 2010). Mögliche Faktoren, die
diese Gewichtung umsetzen, werden im folgenden Abschnitt 2.3 vorgestellt. Aus dem
Ergebnis wird schließlich eine Handlungsauswahl getroffen, welche in wiederholten
Nutzungssituationen evaluiert und ggf. korrigiert werden kann. Heuristiken vereinfachen
und beschleunigen den Entscheidungsprozess sowohl zu frühen Nutzungszeitpunkten
(z.B. Ankerheuristik) als auch deutlich spezialisierter bei erfahrener Benutzung
(z.B. Repräsentativitätsheuristik).
2.3 Einflussfaktoren für die Modalitätenwahl
In diesem Abschnitt werden zentrale Einflussfaktoren für die Modalitätenwahl
vorgestellt, auf deren Basis eine Gewichtung zur Integration der Hinweisreize vorgenommen
wird. Neben der Effektivität und Effizienz, welche in der hier vorliegenden
Arbeit als Einflussfaktoren systematisch manipuliert und untersucht werden, werden
auch Zeitdruck und mentale Beanspruchung, hedonische Qualitäten, Präferenzen und
statische Benutzerattribute sowie Umgebungsfaktoren thematisiert.
2.3.1 Effektivität
Unter Effektivität wird die Vollständigkeit und Genauigkeit verstanden, mit der
geplante Aufgabenziele erreicht werden können (ISO 9241-210, 2010). Thomas et al.
(1996) sprechen in diesem Zusammenhang auch von Quantität und Qualität der Zielfindung.
Im Bereich interaktiver Produkte wird die Effektivität vor allem durch die Fehleranfälligkeit
einer Modalität sowie durch die Genauigkeit bestimmt, mit der Systemeingaben
vorgenommen werden können (Card et al., 1990). In einem multimodalen Versuchsaufbau
zeigten Bilici et al. (2000), dass eine eingeschränkte Effektivität, operatio-
23

Theoretischer Hintergrund
______________________________________________________________________________
nalisiert über Fehler in der automatischen Spracherkennung, signifikant dazu beiträgt,
dass Personen von der auditiven zur manuellen Systemeingabe wechseln. Ebenso stellten
Suhm et al. (1999) fest, dass Nutzer bei mehrfacher Verwendung eines multimodalen
Systems dazu tendieren, diejenige Modalitäten zu benutzen, welche weniger fehleranfällig
sind. Als fehlerhafte Eingaben können bei der automatischen Spracherkennung
Einfügungen (insertions), Ersetzungen (substitutions) und Auslassungen (deletions)
unterschieden werden (Hunt, 1990). Während bei Einfügungen Wörter erkannt werden,
obwohl keine intendierte Eingabe durch den Nutzer erfolgte, werden bei Ersetzungen
Systemeingaben falsch wiedergegeben. Unter Auslassungen wird das reine Nichterkennen
von Eingaben verstanden. Um in der vorliegenden Arbeit eine ebenso praktikable
wie plausibel vermittelbare Fehlermanipulation zu untersuchen, welche sich zudem zwischen
der auditiven und der manuellen Systemeingabe vergleichbar operationalisieren
lässt, wird der Fokus ausschließlich auf Auslassungen beschränkt sein (vgl. Abschnitt
3.2.1.1). Ebenso wurden Fehler in früheren Studien mit dem Untersuchungsgegenstand
über Auslassungen in der Spracherkennung operationalisiert. Dass sich die Spracherkennungsfehlerrate
auf die Modalitätenwahl auswirkt, konnte bereits durchweg belegt
werden. Verglichen wurden dabei meist sehr hohe (30 %) mit geringeren Fehlerraten
(10 %, Schaffer et al., 2011a) bzw. sehr hohe Fehlerraten (30 %t) mit einer Kontrollbedingung
(0 %). Bei einer dreifachgestuften Aufteilung der Fehlerrate (bis zu 10 %, 10-
25 %, über 25 %) konnte eine bedeutsame Erhöhung der Wechselbereitschaft zur manuellen
Eingabe nur zwischen den Extrembedingungen nachgewiesen werden (Joeckel,
2010). Um mit der vorliegenden Untersuchung Daten zu Versuchsbedingungen zu erheben,
die mit den bereits vorliegenden Ergebnissen zusammenhängend interpretiert werden
können, soll in dieser Arbeit neben der Kontrollbedingung mit einer Fehlerrate von
0 Prozent eine nicht extreme, jedoch praxisrelevante Fehlerrate von durchschnittlich 20
Prozent gegenübergestellt werden. Diese wird sowohl für die auditive (Spracherkennung)
als auch für die manuelle Modalität (Touchscreen-Eingabe) umgesetzt (vgl. Abschnitt
3.2.1).
2.3.2 Effizienz
Als Effizienz wird das Verhältnis aus Genauigkeit und Vollständigkeit der Zielerreichung
zum eingesetzten Aufwand beschrieben, den ein Nutzer aufbringen muss,
um eine bestimmte Aufgabe zu erfüllen (ISO 9241-210, 2010). Als Aufwand können
verschiedene Maße herangezogen werden. So zum Beispiel die erforderliche Zeit zum
24

Theoretischer Hintergrund
______________________________________________________________________________
Lösen einer Aufgabe (Task Completion Time), monetäre Kosten, die kognitive Beanspruchung
des Nutzers oder die Anzahl an Interaktionsschritten, die zur Erledigung einer
Aufgabe notwendig sind (Bevan, 1995). Bedienzeiten werden häufig miteinander
verglichen, um Aussagen über die Effizienz eines multimodalen Systems zu treffen. So
konnten Perakakis et al. (2008) aufzeigen, dass die Nutzung der Modalität Sprache
sprunghaft ansteigt, wenn diese im Vergleich zu einer manuellen Eingabe effizienter im
Sinne einer höheren Informationsdatenrate ausfällt. Demgegenüber zeigte Rudnicky
(1993), das Nutzer diejenigen Modalitäten bevorzugen, mit denen zusätzliche oder umständliche
Interaktionsschritte eingespart werden können, sogar wenn die Bedienzeiten
dadurch länger ausfallen. Auf ähnliche Ergebnisse bezüglich der Effizienzmetrik weisen
auch Wechsung et al. (2010) hin. Aus diesem Grund und vor dem Hintergrund der bisher
mit dem Untersuchungsgegenstand durchgeführten Versuchsreihe wird Effizienz in
der vorliegenden Studie über das Einsparen von Bedienschritten operationalisiert.
Durch mehrere Experimente konnte bereits die Hypothese gestützt werden, dass
sich Nutzer äußerst sensitiv an der erwarteten notwendigen Anzahl an Interaktionsschritten
zur Erledigung einer Aufgabe orientieren und daraufhin diejenige Modalität
für eine Eingabe auswählen, welche die erforderliche Anzahl an Interaktionsschritten
minimal hält (Jöckel, 2010; Schaffer et al., 2011b).
2.3.3 Zeitdruck und mentale Beanspruchung
Mentale Beanspruchung beschreibt das Verhältnis aus Anforderungen aus der
Umgebung und den Informationsverarbeitungskapazitäten des Anwenders (Kantowitz et
al., 1996). Meist werden unter mentaler Beanspruchung Leistungseinbußen aufgrund
von Monotonie, Stress, psychischer Sättigung oder Ermüdung untersucht (Wickens &
Hollands, 2000). Mit dem Modell der multiplen Ressourcen nach Wickens & Hollands
(2000) wurde in Abschnitt 2.3.3 ein Kapazitätsmodell der Informationsverarbeitung
vorgestellt, anhand dessen mentale Beanspruchung operationalisiert werden kann. Entsprechend
dieses Modells lassen sich auf der einen Seite Interferenzen zwischen Aufgabenanteilen,
die auf identische Ressourcen zugreifen und somit eine hohe mentale Beanspruchung
induzieren, und andererseits Möglichkeiten zur Beschleunigung von Prozessen,
wenn Wahrnehmungsprozesse und Informationsverarbeitung zur Verringerung
der mentalen Beanspruchung auf distinkte Ressourcen verteilt werden, identifizieren.
Schaffer et al. (2011b) konnte zeigen, dass zunehmende Aufgabenkomplexität
im Rahmen multimodaler Systeme mit einem Ansteigen der subjektiv erlebten Bean-
25

Theoretischer Hintergrund
______________________________________________________________________________
spruchung verbunden ist. Demgegenüber entscheiden sich Probanden für die jeweils
effizientere Modalität, wenn sie dadurch die Aufgabenkomplexität reduzieren können
(Schaffer et al., 2011a). Durch solch einen spezifischen Modalitäteneinsatz im Laufe
eines Versuchs bzw. einer Aufgabenbearbeitung ist es Probanden zusammenfassend
möglich, ihr Niveau an subjektiv erlebter Anstrengung trotz steigender Aufgabenkomplexität
konstant zu halten. Obwohl es Hinweise darauf gibt, dass der Wechsel zwischen
Modalitäten mit Kosten auf Seiten der mentalen Beanspruchung verbunden sein können
(Spence et al., 2001), konnte dies für den vorliegenden multimodalen Untersuchungsgegenstand
bislang nicht aufgezeigt werden (Joeckel, 2010).
2.3.4 Hedonische Qualität
Mit der hedonischen Qualität wird beschrieben, dass ein interaktives Produkt
Nutzer nicht nur zufriedenstellt, sondern Begeisterung bei ihnen auszulösen vermag
(Jordan, 2000). Im Gegensatz zur sogenannten pragmatischen Qualität und dem Fokus
auf den Aufgaben und darauf, wie gut man diese mit dem Gerät erledigen kann, geht es
bei der hedonischen Qualität darum, was das Produkt symbolisiert bzw. an neuen Möglichkeiten
für seine Anwender bereithält (Hassenzahl et al., 2008).
„Erweitert ein interaktives Produkt durch neue Funktionen die Möglichkeiten des Benutzers,
stellt neue Herausforderungen, stimuliert durch visuelle Gestaltung und neuartige Interaktionsformen
oder kommuniziert eine gewünschte Identität, z.B. indem es professionell, cool, modern,
anders wirkt, besitzt es hedonische Qualität.“ (Hassenzahl et al., 2003, S. 188).
Hedonische Qualitäten beziehen sich direkt auf die psychologischen Bedürfnissen
des Benutzers und spielen heutzutage vor allem bei Produkten eine Rolle, für die es
ein gesättigtes Angebot auf dem Markt gibt, wie es für mobile Endgeräte bereits seit
längerem der Fall ist (Kreuzbauer & Malter, 2005). Die Nachahmung zwischenmenschlicher
Kommunikation stellt bereits einen wesentlichen Aspekt hedonischer Qualität
von multimodalen Systemen dar. Doch auch die Wahl einer bestimmten Modalität kann
dadurch beeinflusst werden, dass diese als innovativ und originell wahrgenommen wird
bzw. Nutzer erwarten, dadurch neue Handlungsmöglichkeiten offeriert zu bekommen.
2.3.5 Präferenzen und statische Benutzerattribute
Bei Benutzertests zur Modalitätenwahl liegen häufig erhöhte Varianzen in der
Wahl einer bestimmten Modalität vor (z.B. Schaffer & Reitter, 2012). Diese Varianzen
lassen sich zu einem vermutlich großen Teil auf persönliche Präferenzen der Nutzer
26

Theoretischer Hintergrund
______________________________________________________________________________
zurückführen. Als sogenannte statische Benutzerattribute zählen beispielsweise auch
körperliche Eigenarten, Einstellungen, Charakterzüge, Bildung, Expertise und Affinitäten
(vgl. Jöckel, 2010).
2.3.6 Umgebungsfaktoren
Insbesondere bei Multimodalität in mobilen Endgeräten, deren Nutzung in sehr
unterschiedlichen und teilweise nur schwer vorhersehbaren Situationen erfolgen kann,
spielen Umgebungsfaktoren für die Modalitätenwahl eine entscheidende Rolle. Nach
Rohs (2009) können in diesem Bereich physische, psychische und soziale Einflussfaktoren
unterschieden werden. Darunter fallen Aspekte wie Lichtverhältnisse, Umgebungslautstärke,
Temperatur, Verbote oder soziale (Un-)Erwünschtheit (vgl. Jöckel, 2010).
2.4 Fragestellung und experimentelle Hypothesen
In diesem Abschnitt werden die drei zentralen Forschungsfragen der vorliegenden
Arbeit und die darauf aufbauenden Hypothesen vorgestellt. Falls nötig, wird im
Rahmen der Forschungsfragen auf entsprechende Abschnitt des Theorieteils verwiesen.
2.4.1 Forschungsfragen
Die leitende Forschungsfrage für die vorliegende Untersuchung lautet, welchen
Einfluss die fehlerbehaftete Erkennung von Nutzereingaben bei einem multimodalen
System (manuelle Eingabe und Spracherkennung) auf das Nutzungsverhalten und die
Modalitätenwahl, auf die subjektiv erlebte Anstrengung und auf subjektive Bewertungen
von Produktqualitäten hat. Wie bereits dargestellt wurde (vgl. Abschnitt 2.3.1), basieren
bisherige Untersuchungen ausschließlich auf der Manipulation von Spracherkennungsfehlern,
jedoch wurde die äquivalente manuelle Modalität bislang nicht mit manipulierten
Erkennungsfehlern untersucht.
Die zweite Fragestellung zielt darauf ab, zu untersuchen, inwieweit sich Effizienzvorteile
einer Modalität im Sinne einer geringen Anzahl an Interaktionsschritten zur
Bearbeitung einer Aufgabe auf die Modalitätenwahl auswirken. Auch in diesem Bereich
konnte bereits gezeigt, dass eine Reduktion an Interaktionsschritten bei der Sprachmanipulation
dazu führt, dass die Modalität Sprache häufiger verwendet wird (vgl. Abschnitt
2.3.2). Der Fokus in der vorliegenden Untersuchung liegt in einer Replikation
27

Theoretischer Hintergrund
______________________________________________________________________________
und einer möglichen Erweiterung dieser Befunde, da durch die Manipulation der
Touchinteraktion erstmals ein zweifaktorielles Versuchsdesign umgesetzt wird.
Abschließend interessiert sich die Studie dafür, ob zeitbezogene Veränderungen
in der Modalitätenwahl, in der mentalen Beanspruchung und in Produktbewertungen
auftreten, wenn Probanden Gelegenheit haben, zwei Aufgabenblöcke im Rahmen einer
Untersuchungseinheit zu bearbeiten. Bezüglich der Modalitätenwahl wird eine höhere
Nutzung der Sprache im zweiten Block erwartet, da Probanden diese eher innovative
Aktionsmodalität als Alternative zunehmend verfügbarer wird (vgl. Abschnitt 2.2.4.2).
Auf Seiten der pragmatischen Qualität wird ebenfalls bei sinkender mentaler Beanspruchung
ein Ansteigen erwartet, da fortschreitende Nutzung bei diesem einfachen prototypischen
Gerät Lerneffekte begünstigen sollte und eine zunehmend spezialisierte Verwendung
der Sprachmodalität die Interaktion effizienter machen sollte (vgl. Abschnitt
2.2.4.3, Hornbaek, 2006). Auf Seiten der Attraktivitätsdimension wird davon ausgegangen,
dass aufgrund von Familiarität durch die fortschreitende Darbietung des Untersuchungsgegenstandes
die Einstellung der Probanden zum interaktiven Gerät im Sinne
eines mere exposure Effekts positiv beeinflusst werden sollte (Zajonc, 1968).
2.4.2 Experimentelle Hypothesen
Zur Beantwortung der Fragestellungen wurden vor der experimentellen Untersuchung
die folgenden Hypothesen aufgestellt, die entsprechend der betrachteten abhängigen
Variablen zu drei Blöcken zusammengefasst werden:
Hypothesenblock 1: Einflüsse auf das Nutzungsverhalten und die Modalitätenwahl
Die Modalität Sprache wird bei Interaktion mit einem multimodalen System häufiger
angewendet, wenn
H1.1 die Spracherkennung einwandfrei funktioniert.
H1.2 die Toucherkennung fehlerbehaftet ist.
H1.3 die Anwender mit der Nutzung von Sprache vertrauter sind.
H1.4 Interaktionsziele bei Nutzung der Modalität Sprache effizienter erreicht
werden können als bei Nutzung der Modalität Touch.
H1.5 Während die Modalität Sprache bei einwandfreier Erkennung von Spracheingaben
bereits bei geringen Effizienzvorteilen zur Modalität Touch verstärkt genutzt
28

Theoretischer Hintergrund
______________________________________________________________________________
wird, führt eine Fehlerbehaftung dazu, dass eine vermehrte Nutzung von Sprache
erst bei hohen Effizienzvorteilen vorliegt.
H1.6 Während die Modalität Sprache bei fehlerbehafteter Erkennung von Toucheingaben
bereits bei geringen Effizienzvorteilen zur Modalität Touch häufiger
genutzt wird, führt eine einwandfreie Touchfunktionalität dazu, dass eine vermehrte
Nutzung von Sprache erst bei hohen Effizienzvorteilen auftritt.
Hypothesenblock 2: Einflüsse auf die subjektiv erlebte Anstrengung
Nutzer erleben bei Interaktion mit einem multimodalen System eine geringere Beanspruchung,
wenn
H2.1 die Spracherkennung einwandfrei funktioniert.
H2.2 die Toucherkennung einwandfrei funktioniert.
H2.3 die Systemnutzung ihnen vertrauter ist.
H2.4 Zunehmende Aufgabenkomplexität, die durch eine Effizienzsteigerung in der
Modalität Sprache kompensiert werden kann, führt zu keiner bedeutsamen Steigerung
in der subjektiv erlebten Anstrengung.
Hypothesenblock 3: Einflüsse auf die Wahrnehmung von Produktqualitäten
Die pragmatische Qualität eines multimodalen Systems wird höher bewertet, wenn
H3.1 die Spracherkennung einwandfrei funktioniert.
H3.2 die Toucherkennung einwandfrei funktioniert.
H3.3 die Systemnutzung Nutzern vertrauter ist.
Die globale Produktgüte (Attraktivität) eines multimodalen Systems wird höher bewertet,
wenn
H3.4 die Spracherkennung einwandfrei funktioniert.
H3.5 die Toucherkennung einwandfrei funktioniert.
H3.6 die Systemnutzung Nutzern vertrauter ist.
29

Methoden
______________________________________________________________________________
3 Methoden
3.1 Untersuchungsdesign und unabhängige Variablen
Im vorliegenden Experiment wurde im Rahmen eines multimodalen Systems untersucht,
welchen Einfluss die fehlerbehaftete Erkennung von Eingaben sowohl auf die
Wahl der Modalität als auch auf subjektive Bewertungen ausübt. Der Untersuchung
liegt ein vierfaktorieller 2x2x6x2-Versuchsplan mit Messwiederholung zugrunde.
Als jeweils zweifachgestufte Zwischensubjektfaktoren wurden die beiden unabhängigen
Variablen ‚fehlerbehaftete Spracherkennung‘ (keine Fehler, 20% Fehlerrate)
sowie ‚fehlerbehaftete Toucherkennung‘ (keine Fehler, 20% Fehlerrate) manipuliert.
Darüber hinaus wurde die Effizienzsteigerung der Spracheingabe gegenüber der
Toucheingabe systematisch variiert. Hierzu wurde es Probanden ermöglicht, unterschiedlich
aufwändige Touchinteraktionen (0 bis 5 zusätzliche Klicks) durch eine
Sprachinteraktion (Nennung eines ein- bis mehrsilbigen Wortes) zu ersetzen. Diese unabhängige
Variable wurde als Innersubjektfaktor umgesetzt und zeigte sich aufgrund
der Einsparung von 0 bis 5 zusätzlichen Interaktionsschritten bei Nutzung der Spracheingabe
als sechsfach gestuft. Komplettiert wird das Versuchsdesign durch einen weiteren
zweifachgestuften Innersubjektfaktor, welcher eine Messwiederholung aller abhängigen
Variablen in einem ersten und einem zweiten Aufgabenblock repräsentiert.
3.2 Untersuchungsmaterial
Als Untersuchungsmaterial wurde eine von Schaffer et al. (2011a) vorgeschlagene
Simulationsumgebung weiterentwickelt und verwendet, welche ein interaktives
Restaurantbuchungssystem als mobile Anwendung (Smartphone App) im Zustand eines
Prototypen darstellt. Die Simulation wurde in Java für Android-Systeme programmiert
und erlaubt, freie Variationen u.a. in der Ausgestaltung des Systems und in der Fehlerrate
von Eingaben vorzunehmen. Für den Probanden sichtbar wird das Restaurantbuchungssystem
auf einem mobilen Endgerät mit Touchscreen Funktionalität präsentiert.
Die Buchung eines Restaurants erfolgt über Subaufgaben, nämlich die Wahl der
Stadt, in der ein Tisch gebucht werden soll (z.B. „Berlin“), der Kategorie des Restaurants
(z.B. „indisch“), der Uhrzeit (z.B. „18:00 Uhr“) und der Anzahl der anwesenden
Personen (z.B. „4 Personen“). Welche Angaben Probanden jeweils genau auszuwählen
haben, wurde ihnen in Form von prototypischen Bedienaufgaben stets vorgegeben.
30

Methoden
______________________________________________________________________________
Um Eingaben im Restaurantbuchungssystem vorzunehmen, ist auf der Startseite
der Anwendung zunächst das Kriterium der entsprechenden Subaufgabe auszuwählen
(siehe Abbildung 7). Hierfür kann ein Nutzer jederzeit frei wählen, ob er die Auswahl
per Touchscreen, also durch Drücken eines der grau unterlegten Buttons, oder per
Spracheingabe vornimmt. Als Kommandos für die Spracheingabe sind die unmittelbaren
Beschriftungen an den Buttons zu verwenden (z.B. „Stadt“ oder „Stadt auswählen“).
Abbildung 7: Startbildschirm der Anwendung. Bei jeder Aufgabe sind Eingaben für die vier Subaufgaben:
(1) Suche nach Stadt (2) nach der Kategorie (3) der Uhrzeit und (4) der Personenanzahl zu tätigen.
Nach der Wahl des Suchkriteriums auf der Startseite erscheint für jede Subaufgabe
anschließend der erste von insgesamt sechs Listenbildschirmen mit Auswahlmöglichkeiten
zur erfolgreichen Bearbeitung der jeweiligen Subaufgabe (siehe Abbildung
2). Die Sortierung der Auswahlmöglichkeiten erfolgt über alle sechs Listenbildschirme
in erwarteter alphanumerischer Reihenfolge. Um die konkrete Eingabe vorzunehmen,
werden Probanden instruiert, dass sie jederzeit frei entscheiden können, ob sie den
Touchscreen oder die Spracheingabe verwendet möchten. Während über die Spracheingabe
bereits auf dem ersten Listenbildschirm alle verfügbaren Eingaben auch von weiter
hinten liegenden Listenbildschirmen erkannt werden, können per Toucheingabe nur
Eingaben ausgewählt werden, die unmittelbar sichtbar sind und direkt angeklickt werden
können. Um bei der Touchinteraktion also Eingaben von weiter hinten liegenden
Listenbildschirmen auszuwählen, ist ein Klick auf die Taste mit dem blauen Pfeil am
rechten unteren Rand der Anwendung notwendig, um zum jeweils nächsten Listenbildschirm
geführt zu werden – und zwar solange bis der entsprechende Eintrag als grau
unterlegter Button auf dem Listenbildschirm erscheint. Dessen Auswahl ist dann durch
einen Klick zu bestätigen.
31

Methoden
______________________________________________________________________________
Aachen
Augsburg
Berlin
a)
Bremen
Aachen
Chemnitz
Essen
Hamburg
Leipzig
Osnabrück
Augsburg
Cottbus
Erfurt
Hannover
Lübeck
Rostock
Berlin
Dortmund
Frankfurt
Kiel
Mannheim
Stuttgart
Bremen
Düsseldorf
Freiburg
Köln
München
Wiesbaden
b)
Abbildung 2: Listenbildschirme für die Subaufgabe „Stadt auswählen“. Während per Spracheingabe
alle verfügbaren Eingaben bereits auf dem ersten Listenbildschirm erkannt werden (a), erfordert es die
Toucheingabe, durch alle Listenbildschirme bis zur entsprechenden Eingabe zu klicken (b).
Hat der Nutzer einen Eintrag für die Subaufgabe per Spracheingabe oder per
Touchscreen ausgewählt, gelangt er automatisch zur Startseite zurück, auf dem nun die
entsprechende Auswahl als übernommen angezeigt wird (siehe Abbildung 3a). Sind alle
vier Subaufgaben entsprechend der Vorgaben einer Aufgabe bearbeitet, kann die Suche
per Spracheingabe oder per Klick auf den Button „Restaurant suchen“ auf der Startseite
abschließend initiiert werden (siehe Abbildung 3b). Damit ist die Aufgabe erfolgreich
erledigt, und es erscheint ein Abschlussbildschirm mit der Möglichkeit, die nächste Suche
zu starten (siehe Abbildung 3c).
Berlin
Berlin
indisch
18:00 Uhr
4 Personen
a) b) c)
Abbildung 3: Startbildschirm bei fortschreitendem Bearbeitungsstand: (a) eine bearbeitete Subaufgabe
(Stadtauswahl), (b) alle Subaufgaben bearbeitet, anschließend erfolgt der Start zur Suche mit dem
Button „Restaurant suchen“, (c) Abschluss der Aufgabe (Endbildschirm).
32

Methoden
______________________________________________________________________________
3.2.1 Manipulation der fehlerbehafteten Erkennung von Eingaben
Im vorliegenden Versuch wurde die Erkennung sowohl von Spracheingaben als
auch von Toucheingaben durch fehlerbehaftete Interaktionen systematisch manipuliert.
Wie bereits in Abschnitt 2.3.1 erwähnt, werden als Fehler sogenannte „Auslassungen“
verstanden, d.h. dass das System getätigte Eingaben des Nutzers nicht verarbeitet und
Probanden somit gefordert sind, die entsprechende Eingabe erneut vorzunehmen. Um an
bisherige Versuche anzuknüpfen und sowohl für die auditive als auch für die manuelle
Eingabe vergleichbare und plausible Situationen realisieren zu können, wurden in der
vorliegenden Untersuchungen weder Ergänzungen noch Ersetzungen als mögliche Fehler
einbezogen (vgl. Hunt, 1990). Sowohl bei der Spracheingabe als auch bei der
Touchinteraktion lag die Rate fehlerhafter Auslassungen in den entsprechenden Versuchsbedingungen
bei jeweils 20 Prozent, sodass durchschnittlich jeder fünfte Aktionsschritt
des Nutzers zu einer fehlenden Reaktion des Systems führte.
3.2.1.1 Fehlerbehaftete Sprachinteraktion
Im Fall der Sprachinteraktion erlebten Probanden fehlerhafte Auslassungen dadurch,
dass sie grundsätzlich auf den Startbildschirm zurückgelangten und im unteren
Bereich der Anwendung die Rückmeldung „Die Spracheingabe wurde nicht verstanden“
für ca. 700 ms wahrnehmen konnten (siehe Abbildung 4). Die Fehlerrate wurde automatisch
durch einen Wahrscheinlichkeitsalgorithmus erzeugt, sodass fehlerhafte Auslassungen
in keinen regelmäßigen Abständen im Lauf der Interaktion auftraten.
Abbildung 4: Feedback in der Bedingung fehlerbehafteter Eingaben bei der Sprachinteraktion.
33

Methoden
______________________________________________________________________________
3.2.1.2 Fehlerbehaftete Touchinteraktion
Fehlerhafte Auslassungen bei der Touchinteraktion nahmen Probanden dadurch
wahr, dass sie den Touchscreen zwar berührten, das Gerät jedoch keine Reaktion zeigte
und für 1.4 Sekunden nicht bedient werden konnte. Im Gegensatz zur Sprachinteraktion
wurde bei fehlerhaften Auslassungen in der Touchinteraktion auf eine verbalisierte
Rückmeldung an die Probanden verzichtet, da es äußerst unwahrscheinlich erschien,
dass ein reales System solche Rückmeldungen beim Nicht-Erkennen einer
Toucheingabe produzieren würde. Bereits im Rahmen unsystematisch durchgeführter
Vorbefragungen und Experteneinschätzungen zeigte sich, dass ein verbalisiertes Feedback
für die Fehlermanipulation der Touchinteraktion aus anwendungsorientierter Sicht
nicht überzeugend vermittelbar gewesen wäre.
Zudem wurde bei der Ermittlung der Fehlerrate kein statistischer Algorithmus
verwendet, sondern es wurde exakt jede fünfte Touchinteraktion mit einer fehlerbehafteten
Auslassung versehen. Dies wiederum hat zur Folge, dass das Zurückwerfen auf
die Startseite analog zur fehlerbehafteten Spracheingabe nicht umgesetzt werden konnte.
In diesem Fall wären nämlich Subaufgaben, bei denen Zieleingaben auf dem vierten,
fünften oder sechsten Listenbildschirm zu finden sind, durch die reine Touchinteraktion
allein nicht mehr lösbar gewesen. Um den entstehenden Zeitvorteil bei fehlerbehafteten
Eingaben in der Touchvariante auszugleichen, wurde die bereits erwähnte zeitliche Verzögerung
von 1.4 Sekunden im Anschluss an den fehlerhaften Klick eingesetzt, in welcher
das Gerät nicht bedient werden konnte. Diese Zeitspanne wurde empirisch ermittelt
und entsprach der durchschnittlichen Zeit, die ein Nutzer benötigt, um vom Startbildschirm
per Sprachinteraktion auf den ersten Listenbildschirm zu wechseln, von wo aus
er per Sprachinteraktion alle verfügbaren Eingabeelemente auswählen kann. Durch diese
Verzögerung zeigen sich beide fehlerbehafteten Modalitäten bezüglich des zeitlichen
Aufwandes der Aufgabenlösung wiederum miteinander vergleichbar.
3.3 Versuchsaufbau
Das vorliegende Experiment wurde als Wizard-of-Oz Versuch mit zwei Versuchsleitern
umgesetzt. Hierbei betreut ein Versuchsleiter jeweils die Probanden und
organisiert den Versuchsablauf, wohingegen der zweite Versuchsleiter für die Probanden
nicht erkennbar im Hintergrund agiert und Systemreaktionen einleitet. Solche Ver-
34

Methoden
______________________________________________________________________________
suchsaufbauten werden im Bereich der Mensch-Maschine-Interaktion immer dann verwendet,
wenn nicht die technische Realisierung einer Systemkomponente im Vordergrund
steht, sondern vielmehr das Nutzerverhalten und die Akzeptanz für bestimmte
Gestaltungslösungen. Da Wizard-of-Oz Versuche bereits mit vereinfachten Prototypen
durchgeführt werden können, stellen sie eine effektive Möglichkeit dar, um die Erfüllung
von Nutzerbedürfnissen bereits in frühen Phasen der Produktentwicklung evaluieren
und absichern zu können. Im vorliegenden Fall wurde die Spracherkennung durch
einen zweiten Versuchsleiter simuliert. Die Entscheidung wurde zugunsten eines Wizard-of-Oz
Versuchsaufbaus getroffen, da die gängige Spracherkennungstechnik keine
absolut zuverlässige Versuchsbedingung (0% Fehlerrate) hätte garantieren können. Für
den berichteten Versuch ist der Aufbau in Abbildung 5 dargestellt. Der Proband saß zur
Bearbeitung der Aufgaben in einer schallisolierten Akustikkabine, welche mit einer
Mikrofonverbindung zum zweiten Versuchsleiter (Wizard) präpariert war. Der Wizard
befand sich während des gesamten Versuchs außerhalb der Kabine und war für den
Probanden auch beim Betreten des Versuchsraumes durch eine abgetrennte Wandverkleidung
nicht sichtbar. Über einen Kopfhörer vernahm der Wizard die Sprachbefehle
des Probanden, die er an das System stellte. Als mobiles Endgerät wurde ein Google G1
Mobiltelefon von HTC mit Android 1.6 als Betriebssystem verwendet. Dieses wiederum
war mittels einer TCP/IP-Verbindung über ein separates W-Lan-Netz und einer
Übertragungsrate von 54 Mbit/s mit einem Rechner verbunden, an welchem der Wizard
die gewünschten Eingaben des Probanden durch einen Klick direkt vornehmen konnte.
Abbildung 5: Wizard-of-Oz Versuchsaufbau. Während der Proband in der Akustikkabine am Gerät
arbeitet, wurden Spracheingaben vom zweiten Versuchsleiter (Wizzard) außerhalb der Kabine simuliert.
35

Methoden
______________________________________________________________________________
Da bei der Spracheingabe der Proband bereits auf dem ersten Listenbildschirm
alle verfügbaren Elemente einer Subaufgabe nennen konnte, verfügte der Wizard über
eine erweiterte Benutzerschnittstelle, die auf seinem Monitor sämtliche Eingabemöglichkeiten
auf einen Blick darstellte. Da Nutzer auch jederzeit selbstständig per
Toucheingabe mit dem Gerät interagieren konnten, zeigte eine rote Markierung jeweils,
in welcher Subaufgabe sich ein Nutzer gerade befindet (siehe Abbildung 6). Zu bemerken
ist an der Stelle, dass Fehler bei der Spracherkennung wie bereits im Abschnitt
4.2.1 beschrieben, durch einen statistischen Wahrscheinlichkeitsalgorithmus automatisiert
in die Interaktion eingebracht wurden. Somit reagierte der Wizard ausschließlich
auf die Sprachkommandos des Probanden, wohingegen ihm die Manipulation der Fehler
nicht zugänglich war.
Abbildung 6: Systemansicht für den zweiten Versuchsleiter (Wizard). Rot markiert ist zur besseren
Übersichtlichkeit die aktuell dem Probanden zur Verfügung stehende Auswahl an möglichen Eingaben.
Insgesamt haben am Versuch vier verschiedene Versuchsleiter teilgenommen,
wobei ein Versuchsleiter durchweg als erster Versuchsleiter fungierte und drei Versuchsleiter
sich als Wizard unsystematisch abwechselten. Die drei Wizards wurden in
einem vorherigen Versuchsleitertraining auf ihren Einsatz vorbereitet und übten in verschiedenen
Testläufen die Normalbedienung als auch ein konsistentes Reagieren auf
kritische Bedienvorgänge, wie beispielsweise unverständliche oder unvollständige
Sprachkommandos.
36

Methoden
______________________________________________________________________________
3.4 Abhängige Variablen und Messinstrumente
Als abhängige Variablen wurden Verhaltensdaten und subjektive Bewertungen
erhoben. Im Bereich des Nutzerverhaltens diente die relative Nutzungshäufigkeit von
Sprache als Kennwert für die Wahl der Eingabemodalität. Als subjektive Bewertung
wurde die erlebte Beanspruchung und die wahrgenommene Produktqualität als Gesamturteil
über die Interaktion erhoben. Zur Messung der Beanspruchungshöhe diente im
Anschluss an jede Aufgabe die eindimensionale Skala zur Erfassung der subjektiv erlebten
Anstrengung (SEA) nach Eilers, Nachreiner & Hänecke (1986). Die Produktqualität
wurde im Anschluss an jeden Aufgabenblock mit Hilfe des AttrakDiff nach
Hassenzahl, Burmester & Koller (2003) erhoben. Dieser Fragebogen besteht aus insgesamt
28 Items in Form eines semantischen Differentials, welche zu den vier Dimensionen
(1) pragmatische Qualität, (2) hedonische Qualität – Identifikation, (3) hedonische
Qualität – Stimulation und (4) Attraktivität aggregiert werden. Während die pragmatische
Qualität vor allem Aspekte der Zielerreichung (Einfachheit, Übersichtlichkeit und
Erwartungskonformität) betreffen, beschreiben die Dimensionen zur hedonischen Qualität
vor allem nicht-aufgabenbezogene Systemeigenschaften, wie soziale Verbundenheit,
Integration, Prestige (Identifikation) oder Originalität, Neuartigkeit und Motivation
(Stimulation). Mit der Dimension Attraktivität wird ein globales Gesamturteil zum Produkt
(Sympathie, Schönheit) erfasst.
3.5 Datenaufbereitung
Um die unmittelbare Interaktion mit dem mobilen Endgerät zu erheben, wurde
für jede Versuchsperson ein Logfile in Form eines Excel-Dokumentes erstellt, in welches
folgende Angaben automatisch abgespeichert wurden: (1) die Aufgabe, die die
Person bearbeitete, (2) den Ausgangszustand des Systems vor der Interaktion, (3) die
Modalität, mit der die Interaktion stattfand, (4) die Eingabe, die gemacht wurde und ob
diese gegebenfalls mit einer fehlerbehaften Auslassung versehen wurde, (5) die Anzahl
getätigter Interaktionsschritte seit Beginn einer Subaufgabe, (6) ein Systemzeitstempel
und (7) der Druck in g/mm², mit dem eine Eingabe im Fall einer Touchinteraktion vorgenommen
wurde. Im Rahmen der vorliegenden Arbeit wurden ausschließlich aus der
aufgezeichneten Modalitätenwahl relative Prozentangaben der Nutzung von Sprache für
die beiden Bildschirmansichten Startseite und erster Listenbildschirm einer Subaufgabe
ermittelt. Um die Angaben aus den aufgezeichneten Logfiles zu erhalten, wurde ein
37

Methoden
______________________________________________________________________________
mathematischer Algorithmus in MatLAB ® verwendet, der die Werte für alle Subaufgaben
sortierte und aggregierte. In Folge, lagen für jeden Probanden pro Aufgabenblock
genau sechs Kennwerte vor, welche der jeweiligen Listenbildschirmtiefe der Subaufgabe
entsprechen. Somit geben diese Werte die prozentuale Nutzung von Sprache an unter
Berücksichtigung, auf welchem Listenbildschirm die konkreten Auswahlmöglichkeiten
zu finden waren. Zur Analyse wurden die Kennwerte in die Statistiksoftware SPSS ®
exportiert.
Die Angaben zum subjektiven Erleben (Beanspruchung und Systembewertungen)
wurden manuell in die Datenmaske übertragen. Hierbei wurden die SEA-Werte als
Rohwerte ausgewertet, wohingegen die Items des AttrakDiff zu den unter 4.5 erwähnten
Dimensionen aggregiert wurden.
3.6 Untersuchungsablauf
Nach dem Betreten des Untersuchungslabors führte der erste Versuchsleiter die
Probanden unmittelbar in die Akustikkabine, wo sie auf einem bequemen Bürosessel
Platz nehmen konnten. Die Akustikkabine wurde den Probanden als optimale Umgebung
für die Untersuchung der Spracheingabemodalität eingeführt. Wie bereits in Abschnitt
4.3 erläutert, lag der Arbeitsplatz des zweiten Versuchsleiters, des Wizard, außerhalb
der Akustikkabine durch mehrere Sichtschutzwände abgetrennt.
Zu Beginn des Versuchs erklärten die Probanden ihr Einverständnis zur Teilnahme
an der Untersuchung, und sie füllten einen kurzen Fragebogen zur Erhebung
soziodemografischer Daten sowie ihrer Vorerfahrung mit Touchdisplays bzw. Sprachdialogsystemen
aus. Anschließend wurden die Teilnehmer schriftlich über den Verlauf
der Untersuchung sowie über die Bedienmöglichkeiten des Prototypen informiert. Hierbei
wurde ihnen erklärt, dass sie im Laufe der Untersuchung eine Reihe prototypischer
Bedienaufgaben bearbeiten werden und dass der Prototyp sowohl per Toucheingabe als
auch per Spracheingabe bedient werden kann. Die Probanden wurden instruiert, dass sie
sich selbst für eine Eingabemodalität entscheiden können und ein Modalitätenwechsel
jederzeit, auch innerhalb einer Aufgabe, möglich ist. Es wurde darauf hingewiesen,
dass, egal welche Modalität genutzt wird, auf der Startseite zunächst das Kriterium
(Stadt, Kategorie, Uhrzeit, Personen) auszuwählen ist, bevor die eigentliche Eingabe
vorgenommen werden kann. Ebenso wurde erwähnt, dass per Spracheingabe bereits auf
dem ersten Listenbildschirm alle verfügbaren Auswahlelemente aufgerufen werden
können, während per Toucheingabe nur die unmittelbar angezeigten Elemente auf den
38

Methoden
______________________________________________________________________________
Listenbildschirmen angeklickt werden können. Für die genauen Instruktionen sei an
dieser Stelle auf den Anhang dieser Arbeit (Abschnitt B) verwiesen.
Daraufhin startete der Versuchsleiter eine der vier Anwendungsversionen auf
dem Smartphone, zu der die Probanden zuvor randomisiert zugeordnet wurden (Sprache
einwandfrei/ Touch einwandfrei, Sprache einwandfrei/ Touch fehlerbehaftet, Sprache
fehlerbehaftet/ Touch einwandfrei, Sprache fehlerbehaftet/ Touch fehlerbehaftet). Um
die Probanden mit dem Versuchsablauf vertraut zu machen und weitere standardisierte
Instruktionen zu vermitteln, wurden zunächst drei Übungsdurchgänge unter Anwesenheit
des Versuchsleiters durchgeführt. Hierzu bekamen die Probanden das Smartphone
in die Hand unter Beachtung, dass sie das Gerät während des Versuchs stets in der linken
Hand halten mögen, um Eingaben per Touch jederzeit mit der rechten Hand vornehmen
zu können; keinesfalls sollte das Gerät während der Aufgabenbearbeitung unberührt
auf dem Tisch liegen. Die Übungsdurchgänge bestanden aus drei Aufgaben, die
den Probanden in Papierform vorgelegt wurden. Um beide Eingabemodalitäten mit ihren
Vor- und Nachteilen (Effizienzsteigerung durch Spracheingabe, manipulierte Fehlerbedingungen)
kennenzulernen, war die erste Aufgabe ausschließlich per Touch zu
erledigen und die zweite ausschließlich per Sprache. Die dritte Aufgabe konnte, wie
instruiert, mit der präferierten Modalität bzw. unter einer jederzeit vorliegenden Wechselmöglichkeit
bearbeitet werden. Nach jeder Aufgabe bewerteten die Probanden ihre
subjektiv erlebte Anstrengung auf der SEA-Skala, die ihnen als Stift-Papier-Version
vorgelegt wurde. Für einen geregelten Ablauf wurden Teilnehmer instruiert, den bereitgelegten
Stift nur zum Ankreuzen in die Hand zu nehmen und diesen während der Aufgabenbearbeitung
frei auf dem Tisch liegen zu lassen. Nach dem Training bestand die
Möglichkeit, noch offene Fragen zum Versuch zu klären.
Anschließend wurde die Akustikkabine geschlossen und die Probanden konnten
die zwölf Aufgaben des ersten Blockes alleine und in ihrem eigenen Arbeitstempo erledigen.
Die Aufgaben wurden den Teilnehmern einzeln und nacheinander auf einem 14‘‘
Monitor präsentiert und waren während der Bearbeitung für die Probanden jederzeit
sichtbar. Bei der Aufgabenkonstruktion wurde im Vorfeld darauf geachtet, dass sechs
der zwölf Aufgaben subaufgabenkonsistent waren, d.h. dass die Auswahlelemente für
alle vier Subaufgaben einer Gesamtaufgabe auf einer bestimmten Listentiefe liegen (also
alle vier Elemente auf dem jeweils ersten, zweiten, dritten, vierten, fünften oder
sechsten Listenbildschirm). Für die übrigen sechs Aufgaben des Blockes wurde die Listentiefe
bei den Subaufgaben systematisch variiert (siehe Abschnitt C.II im Anhang).
39

Methoden
______________________________________________________________________________
Zudem wurde die Präsentationsreihenfolge der zwölf Aufgaben für alle Probanden innerhalb
einer Versuchsbedingung systematisch ausbalanciert, um mögliche Reihenfolgeeffekte
zu vermeiden (siehe Abschnitt D im Anhang). Nach jeder Aufgabe bewerteten
die Probanden selbstständig die subjektiv erlebte Anstrengung, worauf sie zusätzlich
über den Präsentationsbildschirm hingewiesen wurden. Nach Bearbeitung des ersten
Blockes betrat der Versuchsleiter die Akustikkabine und überreichte den Probanden den
Fragebogen AttrakDiff mit der Bitte, damit das Gesamtsystem zu bewerten. Währenddessen
startete der Versuchsleiter die Anwendung erneut, wobei jeder Proband im zweiten
Aufgabenblock dieselbe Versuchsbedingung zugewiesen bekam wie im ersten
Block. Ebenso waren Instruktionen und Ablauf für den zweiten Block identisch. Teilnehmer
bearbeiteten auch dieselben zwölf Aufgaben, jedoch wurden diese in einer anderen
Reihenfolge präsentiert. Entgegen des ersten Aufgabenblockes erhielten alle Probanden
im zweiten Aufgabenblock jedoch keine ausbalancierten Reihenfolgen, sondern
es gab nur eine für alle Probanden zugewiesene Reihenfolge. Nach Erledigung des
zweiten Blocks wurde auch der Fragebogen AttrakDiff ein zweites Mal vorgelegt.
Begrüßung
Einverständnis
Instruktionen
Trainingsaufgaben
SEA-Skala
Aufgaben im
1.Block
SEA-Skala
AttrakDiff
Aufgaben im
2. Block
SEA-Skala
AttrakDiff
Aufklärung
Verabschiedung
drei Aufgaben:
(1) nur Touch
(2) nur Sprache
(3) multimodal
12 Aufgaben
ausbalancierte
Reihenfolgen
12 Aufgaben
unbalancierte
Reihenfolgen
Abbildung 7: Schematischer Versuchsablauf.
Zum Abschluss wurde die Teilnahmevergütung von 10 Euro ausbezahlt, und die
Probanden wurden vor der Verabschiedung ausführlich über den Wizard-of-Oz Versuchsaufbau
aufgeklärt. Je nach Versuchsbedingung dauerte eine Untersuchungseinheit
zwischen 30 und 45 Minuten. Der schematische Versuchsablauf ist in Abbildung 7 grafisch
zusammengefasst.
3.7 Stichprobenbeschreibung
An der Untersuchung haben insgesamt 48 Probanden teilgenommen, darunter 24
Frauen und 24 Männer, welche gleichmäßig auf die vier Untersuchungsbedingungen
40

Methoden
______________________________________________________________________________
verteilt wurden. Das Alter der Personen lag zwischen 19 und 40 Jahren mit einem
Durchschnittsalter von M = 25.2 Jahren (s = 3.73). Die Akquise der Teilnehmer erfolgte
über die Probandenserver der Humboldt-Universität (PESA) und des Zentrums Mensch-
Maschine-Systeme sowie über die eMail-Verteiler der Studenten im Fach Human
Factors an der Technischen Universität Berlin und der Studenten in Psychologie an der
Freien Universität Berlin. Die Stichprobe bestand aus 44 Studenten unterschiedlicher
Fachrichtungen, zwei Selbstständigen, einer Berufstätigen sowie einer Abiturientin.
Bei der Rekrutierung wurden Personen ausgeschlossen, die an früheren Versuchen
mit dem Restaurantbuchungssystem teilgenommen haben. Dennoch wiesen acht
Probanden (17 Prozent) darauf hin, dass sie bereits aus anderen Untersuchungen Erfahrungen
zum Einsatz von Sprachsteuerungssystemen mitbrachten.
Die Hälfte aller Teilnehmer (n = 24) gab an, ein Mobiltelefon mit Touchscreen
Display zu besitzen, welches in drei von vier Fällen (n = 18) zusätzlich auch über eine
Funktion zur Spracheingabe verfügt. Bemerkenswert ist, dass nur ein Proband einschätzte,
diese Funktion „oft“ zu verwenden, wohingegen fünf Probanden sie lediglich
„selten“ und zwölf Probanden „nie“ benutzen. Darüber hinaus gab ein großer Teil der
Stichprobe (n = 40 bzw. 83 Prozent) an, zumindest über gelegentliche Erfahrungen mit
Sprachdialogsystemen (z.B. Hotline, Callcenter, etc.) zu verfügen. Ebenso werden interaktive
Geräte mit Touchscreen Funktionalität von den meisten Teilnehmern (n = 39
bzw. 81 Prozent) mindestens ein Mal pro Woche verwendet.
Zusammenfassend kann somit festgehalten werden, dass die Teilnehmer des vorliegenden
Experimentes hauptsächlich junge Studenten aus unterschiedlichen Fachdisziplinen
sind, deren Verteilung im Bereich selbst eingeschätzter Nutzungserfahrung für
ein insgesamt technikaffin ausgeprägtes Nutzungsverhalten sprechen.
41

Ergebnisse
______________________________________________________________________________
4 Ergebnisse
Im folgenden Kapitel werden die Ergebnisse der experimentellen Untersuchung
berichtet. Begonnen wird mit der Prüfung der statistischen Voraussetzungen in den Verteilungen
der abhängigen Variablen. Im zweiten Abschnitt werden anschließend die
Ergebnisse zur Modalitätenwahl vorgestellt. Die Prüfung der statistischen Bedeutsamkeit
von Unterschieden in der subjektiv erlebten Anstrengung fasst der dritte Abschnitt
zusammen, diejenigen zur wahrgenommenen Produktqualität sodann der vierte Abschnitt.
4.1 Prüfung der statistischen Voraussetzungen
Bevor die durchgeführten Analysen dargelegt werden, sind zunächst die statistischen
Voraussetzungen in den Verteilungen der abhängigen Variablen zu betrachten.
Als wichtigste Merkmale bei der Durchführung von (multivariaten) Varianzanalysen
mit Messwiederholung sind die Annahmen zur Normalverteilung, zur Varianzhomogenität
und ggf. zur Sphärizität zu überprüfen (Backhaus et al., 2011).
Der Test auf Normalverteilung der Variablen wurde aufgrund der vorliegenden
Stichprobengröße (n = 48) mit dem Shapiro-Wilk-Test durchgeführt, der sich für Stichproben
bis zu n < 50 eignet. Ist der Shapiro-Wilk-Test signifikant (p < .05), weicht die
untersuchte Variable von der Normalverteilung ab. Es zeigte sich, dass für den überwiegenden
Teil der abhängigen Variablen signifikante Werte im Shapiro-Wilk-Test vorliegen,
sodass in diesen Fällen nicht von einer Normalverteilung ausgegangen werden
kann (siehe Tabelle im Anhang). Bei dem Shapiro-Wilk-Test handelt es sich um ein
sehr sensitives Maß für die Nicht-Normalverteilung (Hopkins & Weeks, 1990). Einige
Autoren betrachten Abweichungen von der Normalverteilung als unproblematisch,
wenn die Schiefe der Verteilung einen Betrag von unter drei und eine Kurtosis von
nicht größer als zehn aufweist (z.B. Kline, 1998). Die Betrachtung der entsprechenden
Kennwerte zeigt, dass diese Kriterien durchweg für sämtliche kritische Verteilungen
erfüllt sind (siehe Abschnitt F.I im Anhang). Aus diesem Grund wurde von einer Transformation
der berichteten Variablen abgesehen.
Die Homogenität der Varianz für jede abhängige Variable über alle Stufenkombinationen
der Zwischensubjektfaktoren wurde mit dem Levene-Test auf Gleichheit der
Kovarianzen überprüft. Ist der Levene-Test signifikant (p < .05), muss davon ausgegan-
42

Ergebnisse
______________________________________________________________________________
gen werden, dass die Varianzhomogenität verletzt ist. Die Ergebnisse zeigen, dass der
Levene-Test in mehreren Fällen (bei 47 Prozent aller Überprüfungen) zu signifikanten
Resultaten führt (siehe Abschnitt F.II Anhang). Da im vorliegenden Versuchsdesign
jedoch alle Zellen vollständig und gleichmäßig besetzt sind und inhomogene Varianzen
die Interpretation der Varianzanalyse nur dann ernsthaft in Frage stellen, wenn die
Gruppengröße der verglichenen Zellen ungleich groß bzw. das Verhältnis zwischen
größter und kleinster Zellenbesetzung größer als 1.5 ist (Tinsley & Brown, 2000), wurde
auch in diesem Fall von einer Transformation der Werte abgesehen.
Die Voraussetzung der Sphärizität wurde mit dem Mauchly-Test geprüft. Dieser
Test analysiert, ob die Varianzen der Differenzen zwischen Messwertpaaren in Messwiederholungsdesigns
gleich groß sind. Da die Überprüfung der Sphärizität erst für Innersubjektfaktoren
relevant wird, die mindestens dreifach gestuft sind, wurde der
Mauchly-Test nur für den Faktor Listentiefe und nicht für den Faktor Aufgabenblock
angewendet. In einer durchgeführten Varianzanalyse lieferte der Mauchly-Test für den
Faktor Listentiefe ein signifikantes Ergebnis (p < .05), sodass angenommen werden
muss, dass die Voraussetzung der Sphärizität verletzt ist (siehe Abschnitt 5.3). In einer
weiteren Varianzanalyse erwies sich die Annahme der Sphärizität für den Interaktionsterm
Listentiefe x Aufgabenblock als nicht erfüllt (siehe Abschnitt 5.4). In beiden Fällen
wurde für die Bestimmung der Signifikanz eine Adjustierung der Zähler- und
Nennerfreiheitsgrade mit Hilfe der Greenhouse-Geisser Korrektur vorgenommen. Bei
der Vorstellung der Analyseverfahren in der Einleitung dieser Abschnitte wird auf diese
Anpassung erneut hingewiesen.
4.2 Analyse der Modalitätenwahl
Um zu überprüfen, inwieweit fehlerhafte Auslassungen in den Eingabemodalitäten
einerseits und der manipulierte Effizienzvorteil von Sprache gegenüber Toucheingaben
andererseits zu systematischen Veränderungen in der Modalitätenwahl führten,
wurden die relativen Häufigkeiten der Sprachnutzung auf dem Startbildschirm sowie
die nach Subaufgaben aggregierten relativen Häufigkeiten der Nutzung von Sprache
auf dem jeweils ersten Listenbildschirm einer Subaufgabe ausgewertet. Beide Analysen
werden in den folgenden Abschnitten berichtet.
43

Ergebnisse
______________________________________________________________________________
4.2.1 Modalitätenwahl auf dem Startbildschirm
Zur Analyse der Modalitätenwahl auf dem Startbildschirm der Anwendung wurde
eine 2x2x2 Varianzanalyse mit einfacher Messwiederholung und den beiden unabhängigen
Variablen Spracherkennung (einwandfrei: S+/ fehlerhaft: S-) sowie Toucherkennung
(einwandfrei: T+/ fehlerhaft: T-) gerechnet. Die inferenzstatistischen Ergebnisse
der Analyse sind in Tabelle 3 zusammengefasst.
Tabelle 3: Varianzanalyse zur Sprachnutzung auf der Startseite. Anmerkung: (*) p < .1; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 2.967 1 44 .092 (*) 0.063
Toucherkennung (T) - between 18.049 1 44 < .001 ** 0.291
Aufgabenblock (B) - within 0.009 1 44 .923 < 0.001
S x T 0.579 1 44 .451 0.013
B x T 1.444 1 44 .236 0.032
B x S 0.723 1 44 .400 0.016
B x S x T 0.858 1 44 .359 0.019
Für Interaktionen auf dem Startbildschirm zeigt sich, dass die Präferenz für die
Verwendung der Modalität Sprache bedeutsam von Fehlern in der Toucherkennung,
jedoch nur tendenziell von Fehlern in der Spracherkennung beeinflusst wird (siehe Tabelle
3). Entsprechend der Mittelwerte in Abbildung 8 ist ersichtlich, dass fehlerhafte
Auslassungen in der Modalität Touch (T-) erwartungsgemäß dazu führen, dass Sprache
signifikant häufiger gewählt wird. Ebenfalls erwartungskonform ist die Tendenz zur
geringeren Sprachnutzung, wenn das System Spracherkennungsfehler (S-) produziert.
Zwischen den zwei Aufgabenblöcken liegen keine relevanten Unterschiede vor.
Sprachnutzung auf dem Startbildschirm
1
0,8
0,6
0,4
0,2
0
keine Touchfehler (T+)
Touchfehler (T-)
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Abbildung 8: Mittelwerte und Standardabweichungen der Modalitätenwahl Sprache (relative Häufigkeiten)
auf dem Startbildschirm in Abhängigkeit zu den vier Versuchsbedingungen.
44

Ergebnisse
______________________________________________________________________________
4.2.2 Modalitätenwahl auf den Listenbildschirmen
Um zu überprüfen, inwieweit die Modalität Sprache auf dem jeweils ersten Listenbildschirm
einer Subaufgabe unterschiedlich häufig in Abhängigkeit zu den fehlerbehafteten
Eingabemodalitäten und zur manipulierten Listentiefe der auszuwählenden
Einträge verwendet wird, wurde eine 2x2x6x2 Varianzanalyse mit einfacher Messwiederholung
sowie der fehlerbehafteten Spracherkennung (einwandfrei: S+/ fehlerhaft: S-)
und der fehlerbehafteten Toucherkennung (einwandfrei: T+/ fehlerhaft: T-) gerechnet.
Als sechsfachgestufter Innersubjektfaktor gingen in die Analyse die nach Listentiefe
sortierten und aggregierten Werte der Sprachnutzung für alle 48 Subaufgaben eines
Aufgabenblockes ein. Jede Faktorstufe wird somit durch einen Mittelwert aus acht Einzelmessungen
präsentiert. Die Resultate der Varianzanalyse zeigt Tabelle 4. Zu beachten
ist hierbei, dass sich für den Innersubjektfaktor Listentiefe (L) die
Sphärizitätsannahme als Voraussetzung für die Interpretation der Ergebnisse einer Varianzanalyse
mit Messwiederholung als verletzt zeigt (p < .01), sodass die
Signifikanzprüfung in diesen Fällen nach einer Adjustierung der Zähler- und Nennerfreiheitsgrade
mit Hilfe der Greenhouse-Geisser Korrektur vorgenommen wurde.
Tabelle 4: Varianzanalyse zur Sprachnutzung auf dem jeweils ersten Listenbildschirm einer Subaufgabe.
Anmerkung: 1 = Greenhouse-Geisser korrigierte Freiheitsgrade; (*) p < .1; * p < .05; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 0.149 1 44 .701 0.003
Toucherkennung (T) - between 11.994 1 44 .001 ** 0.214
Listentiefe (L) – within 30.837 2.38 1 104.58 1 < .001 ** 0.412
Aufgabenblock (B) - within 9.977 1 44 < .003 ** 0.185
S x T 0.534 1 44 .469 0.012
S x L 1.793 2.38 1 104.58 1 .165 0.039
S x B 0.035 1 44 .853 0.001
T x L 4.100 2.38 1 104.58 1 .014 * 0.085
T x B 3.674 1 44 .062 (*) 0.019
L x B 1.288 3.45 1 151.95 1 .280 0.028
S x T x B 0.907 1 44 .346 0.020
S x L x B 0.366 3.45 1 151.95 1 .805 0.008
T x L x B 0.258 3.45 1 151.95 1 .881 0.006
S x T x L 0.625 2.38 1 104.58 1 .564 0.014
S x T x L x B 1.739 3.45 1 151.95 1 .153 0.038
45

Ergebnisse
______________________________________________________________________________
Analog zum Interaktionsverhalten auf dem Startbildschirm beeinflusste das Vorliegen
von Fehlern in der Modalität Touch die Präferenz für die Nutzung von Sprache
signifikant, wohingegen Spracherkennungsfehler keinen bedeutsamen Einfluss auf die
Nutzung der Sprachmodalität ausübten. Die vorliegenden Unterschiede in der Häufigkeit
der Sprachnutzung visualisiert Abbildung 9 grafisch. Bereits deskriptiv ist zur erkennen,
dass die Systemvarianten mit Touchfehlern (blaue und violette Kurven: T-) in
beiden Aufgabenblöcken mit einer deutlich erhöhten Sprachnutzung einhergehen.
Zudem konnte beobachtet werden, dass die Modalitätenwahl auf den jeweils ersten
Listenbildschirmen bedeutsam davon abhängt, auf welchem Listenbildschirm das
entsprechende Auswahlelement zu finden war: Je höher die Listentiefe ist und je mehr
Klickinteraktionen per Toucheingabe erforderlich wären, um die Aufgabe erfolgreich zu
bearbeiten, desto wahrscheinlicher wird es, dass Nutzer den Interaktionsvorteil der direkten
Spracheingabe auf dem ersten Listenbildschirm akzeptieren (siehe Abbildung 9).
Bonferroni korrigierte post Hoc Einzelpaarvergleiche 1 zeigen auf, dass die relative Häufigkeit
der Sprachnutzung zwischen den beiden Bedingungen der Touchfunktionalität
(einwandfrei: T+ und fehlerhaft: T-) im ersten Aufgabenblock signifikant unterschiedlich
ausfällt, wenn die Eingaben auf dem ersten, zweiten oder dritten Listenbildbildschirm
zu finden sind. Demnach verwenden Nutzer die Modalität Touch häufiger, wenn
der Vorteil gegenüber Sprache eine Einsparung von bis zu zwei Interaktionsschritten
beinhaltet, allerdings nur, wenn die Modalität Touch nicht fehlerbehaftet ist. Im zweiten
Aufgabenblock zeigen die Bonferroni post Hoc Einzelpaarvergleiche 1 , dass die fehlerfrei
funktionierende Modalität Touch lediglich bei Eingaben auf dem ersten Listenbildschirm
verwendet wird, also nur dann, wenn kein direkter Effizienzvorteil der Modalität
Sprache im Sinne eingesparter Interaktionsschritte vorliegt.
1 Zur Bonferroni-Korrektur wurden die relevanten Mittelwerte auf der Basis von t-Tests verglichen und
die Grenze zur Signifikanzprüfung auf das lokale Alpha-Niveau von α lok = α global / k herabgesetzt, wobei
α global dem in den t-Tests ermittelten Signifikanzniveau entspricht und k die Anzahl an durchgeführten
Einzelpaarvergleichen präsentiert.
46

Ergebnisse
______________________________________________________________________________
.
1. Aufgabenblock
relative Häufigkeit der Sprachnutzung
2. Aufgabenblock
Listentiefe
Listentiefe
Abbildung 9: Mittelwertverläufe der Modalitätenwahl Sprache (relative Häufigkeiten) auf dem
jeweils ersten Listenbildschirm einer Subaufgabe für die vier verschiedenen Versuchsbedingungen im
ersten (oben) bzw. zweiten Aufgabenblock (unten). Auf der Abszisse ist die Listentiefe der Auswahlelemente
abgetragen, der Wert „5“ bedeutet demnach, dass das Element auf dem fünften Listenbildschirm zu
finden ist.
Die signifikante Interaktion zwischen der Listentiefe und der Versuchsbedingung
Touch zeigt darüber hinaus, dass die Zunahme der Sprachnutzung über die Listentiefe
hinweg für die Bedingungen mit fehlerbehafteter Toucheingabe (blaue und violette
Kurven in Abbildung 9) auf bereits hohem Niveau eher flach ausfällt, wohingegen der
Interaktionsvorteil bei einwandfreier Toucherkennung (orange und grün) bedeutsam
steiler verläuft. Inhaltlich bedeutet dies, dass Probanden für die Auswahl von Elementen,
welche bereits direkt auf dem ersten bzw. noch auf dem zweiten Listenbildschirm
zu finden waren, eher die Modalität Touch verwendet haben und zwar insbesondere
dann, wenn diese Modalität nicht mit fehlerhaften Auslassungen versehen war.
Wie Tabelle 3 zudem darstellt, entschieden sich die Probanden im zweiten Aufgabenblock
signifikant öfter für die Modalität Sprache als im ersten Block (M = .82,
s = 0.22 versus M = .78 s = 0.24).
47

Ergebnisse
______________________________________________________________________________
4.3 Analyse der subjektiv erlebten Anstrengung (SEA)
Die Werte zur wahrgenommenen Beanspruchung wurden ebenfalls in einer
2x2x6x2 Varianzanalyse mit Messwiederholung ausgewertet. Da die Bewertungen retrospektiv,
also nach Abschluss jeder Aufgabe, erhoben worden sind, konnten nur diejenigen
sechs Beanspruchungsurteile pro Aufgabenblock in die Analyse aufgenommen
werden, für die die Aufgaben aus konsistenten Subaufgaben bestanden. Konsistent bedeutet
an dieser Stelle, dass alle vier Subaufgaben, auf die sich das eine Abschlussurteil
bezieht, eine identische Listentiefe aufweisen. Im Gegensatz zur Modalitätenwahl, bei
der alle Subaufgaben berücksichtigt werden konnten, werden die Faktorstufen der Listentiefe
in der Messung der subjektiv erlebten Anstrengung somit jeweils durch genau
eine Einzelmessung präsentiert. Während die Sphärizitätsannahme für den Faktor Listentiefe
nicht mit ausreichender Sicherheit verworfen kann, erzielte der Mauchly-Test
für die Interaktion der Innersubjektfaktoren Aufgabenblock x Listentiefe (B x L) ein
signifikantes Ergebnis (p < .01), sodass die Freiheitsgrade für diesen Fall korrigiert
worden sind (vgl. Abschnitt 5.1). Die Resultate der Varianzanalyse fasst Tabelle 5 zusammen,
die deskriptiven Daten werden in Abbildung 10 grafisch dargestellt.
Tabelle 5: Varianzanalyse zur subjektiv erlebten Anstrengung. Anmerkung: 1 = Greenhouse-Geisser
korrigierte Freiheitsgrade; (*) p < .1; * p < .05; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 16.898 1 44 < .001 ** 0.277
Toucherkennung (T) - between 5.036 1 44 .030 * 0.103
Listentiefe (L) – within 1.170 5 220 .325 0.026
Aufgabenblock (B) - within 6.214 1 44 .017 * 0.124
S x T 3.378 1 44 .073 (*) 0.071
S x L 0.591 5 220 .707 0.013
S x B 0.401 1 44 .530 0.090
T x L 2.232 5 220 .052 (*) 0.048
T x B 0.277 1 44 .601 0.006
L x B 1.490 3.11 1 137.03 1 .219 0.033
S x T x B 0.210 1 44 .649 0.005
S x L x B 1.378 3.11 1 137.03 1 .251 0.030
T x L x B 0.766 3.11 1 137.03 1 .519 0.017
S x T x L 1.706 5 220 .134 0.037
S x T x L x B 0.833 3.11 1 137.03 1 .481 0.019
48

Ergebnisse
______________________________________________________________________________
Wie aus Abbildung 10 deutlich wird, liegen die SEA-Bewertungen insgesamt in
einem Bereich geringer Beanspruchung; zur besseren Übersichtlichkeit ist die Ordinate
daher verkürzt dargestellt. Die Varianzanalyse zeigt signifikante Effekte aufgrund der
Manipulation von Fehlern sowohl in der Spracherkennung als auch in der
Touchbedienung (siehe Tabelle 4). Erwartungsgemäß nahmen Probanden höhere Beanspruchung
wahr, wenn fehlerhafte Auslassungen in der Modalität Sprache (M = 31.39,
s = 20.71 versus M = 12.91, s = 11.37 bei einwandfreier Funktionalität) oder in der
Modalität Touch (M = 27.20, s = 22.49 versus M = 17.10, s = 13.62 bei einwandfreier
Funktionalität) vorlagen. Besonders hohe Werte in der Beanspruchung liegen in der
Versuchsbedingung vor, welche fehlerhafte Auslassungen sowohl in der Modalität
Sprache als auch in der Modalität Touch aufweist (siehe violette Kurve in Abbildung
10). Bonferroni post hoc Paarvergleiche 2 zwischen den vier Systemvarianten zeigen auf,
dass die subjektiv erlebte Anstrengung in dieser Bedingung über den Faktor Listentiefe
hinweg signifikant von allen anderen drei Systemen abweicht (p < .05).
Neben den Zwischensubjektfaktoren weist auch der Innersubjektfaktor Aufgabenblock
einen signifikanten Einfluss auf die Beanspruchungswerte auf, dahingehend,
dass im zweiten Aufgabenblock durchschnittlich geringere Werte in der subjektiv erlebten
Anstrengung angegeben werden (M = 24.92, s = 22.36 im ersten Block versus
M = 19.38, s = 19.25 im zweiten Block).
2 Zur Bonferroni-Korrektur wurden die relevanten Mittelwerte auf der Basis von t-Tests verglichen und
die Grenze zur Signifikanzprüfung auf das lokale Alpha-Niveau von α lok = α global / k herabgesetzt, wobei
α global dem in den t-Tests ermittelten Signifikanzniveau entspricht und k die Anzahl an durchgeführten
Einzelpaarvergleichen präsentiert.
49

Ergebnisse
______________________________________________________________________________
1. Aufgabenblock
SEA-Bewertungen [0-220]
2. Aufgabenblock
Listentiefe
Listentiefe
Abbildung 10: Mittelwertverläufe der subjektiv erlebten Anstrengung auf dem jeweils ersten Listenbildschirm
einer Subaufgabe für die vier verschiedenen Versuchsbedingungen im ersten (oben) bzw.
zweiten Aufgabenblock (unten). Auf der Abszisse ist die Listentiefe der Auswahlelemente abgetragen,
der Wert „5“ bedeutet demnach, dass das Element auf dem fünften Listenbildschirm zu finden ist.
4.4 Wahrgenommene Produktqualitäten (AttrakDiff)
Für die Analyse des Fragebogens zu wahrgenommenen Produktqualitäten
(AttrakDiff) wurde eine 2x2x2 multivariate Varianzanalyse mit einfacher Messwiederholung
auf den unabhängigen Variablen Spracherkennung (einwandfrei: S+/ fehlerhaft:
S-) und Toucherkennung (einwandfrei: T+/ fehlerhaft: T-) gerechnet. Als abhängige
Messwerte wurden die vier Dimensionen des Fragebogens (pragmatische Qualität, Identifikation,
Stimulation und Attraktivität) in die Analyse einbezogen. Aus Gründen der
Übersichtlichkeit werden in diesem Abschnitt nur die signifikanten Ergebnisse nach den
vier Dimensionen sortiert, vorgestellt. Für eine Gesamtübersicht der Varianzanalyse
wird auf die entsprechende Tabelle im Anhang verwiesen.
Bei den Bewertungen zur pragmatischen Qualität stellte sich heraus, dass die
Systemvarianten mit fehlerhaften Auslassungen in der Modalität Sprache (S-) durchweg
50

Ergebnisse
______________________________________________________________________________
geringer bewertet werden (F(1,44) = 13.768, p < .01, η p 2 = 0.238), wie aus den Mittelwertunterschieden
in Abbildung 11 grafisch deutlich wird. In Abhängigkeit zu den
Faktorstufen der manipulierten Touchfunktionalität fällt dieser Unterschied beim Vorliegen
von fehlerhaften Auslassung in der Touchbedienung (T-) signifikant stärker auf,
als bei der einwandfrei funktionierenden Modalität Touch (T+), was am Interaktionseffekt
zwischen den beiden unabhängigen Faktoren deutlich wird (F(1,44) = 4.856, p <
.05, η p 2 = 0.099). Im Sinne eines generellen Haupteffekts beeinflussen die Fehler in der
Touchbedienung die abschließenden Gesamturteile jedoch nicht bedeutsam, ebenso
zeigten sich die Unterschiede zwischen den Aufgabenblöcken als nicht signifikant.
Pragmatische Qualität
3
2
1
0
-1
Touchfehler
(T-)
keine Touchfehler
(T+)
Touchfehler
(T-)
keine Touchfehler
(T+)
-2
-3
1. Aufgabenblock 2. Aufgabenblock
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Abbildung 11: Mittelwerte und Standardabweichung der wahrgenommenen pragmatischen Qualität
in Abhängigkeit zu den drei jeweils zweifachgestuften unabhängigen Variablen.
Bezüglich der hedonischen Qualität Identifikation zeigte sich analog zur pragmatischen
Qualität, dass die fehlerbehaftete Modalität Sprache (S-) zu geringeren Bewertungen
führte (F(1,44) = 4.955, p < .05, η 2 p = 0.101). Darüber hinaus liegen keine
weiteren bedeutsamen Haupteffekte bzw. Interaktionseffekte auf diese abhängige Variable
vor. Die Mittelwertunterschiede sind der Abbildung 12 zu entnehmen.
51

Ergebnisse
______________________________________________________________________________
Hedonische Qualität: Identifikation
3
2
1
0
-1
Touchfehler
(T-)
keine Touchfehler
(T+)
Touchfehler
(T-)
keine Touchfehler
(T+)
-2
-3
1. Aufgabenblock 2. Aufgabenblock
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Abbildung 12: Mittelwerte und Standardabweichung der wahrgenommenen hedonischen Qualität
Identifikation in Abhängigkeit zu den drei jeweils zweifachgestuften unabhängigen Variablen.
Während für die hedonische Qualität Stimulation keine bedeutsamen Haupteffekte
beobachtet werden konnten, zeigt der signifikante Interaktionseffekt zwischen den
unabhängigen Variablen auf, dass hohe Werte vor allem dann vorliegen, wenn entweder
beide Eingabemodalitäten fehlerbehaftet sind oder beide Modalitäten einwandfrei funktionieren.
Geringe Werte in der Stimulation liegen hingegen vor, wenn lediglich eine
Modalität fehlerbehaftet ist und diese durch die jeweils andere kompensiert werden
kann (F(1,44) = 4.259, p < .05, η 2 p = 0.088, siehe Abbildung 13).
Hedonische Qualität: Stimulation
3
2
1
0
-1
Touchfehler
(T-)
keine Touchfehler
(T+)
Touchfehler
(T-)
keine Touchfehler
(T+)
-2
-3
1. Aufgabenblock 2. Aufgabenblock
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Abbildung 13: Mittelwerte und Standardabweichung der wahrgenommenen hedonischen Qualität
Stimulation in Abhängigkeit zu den drei jeweils zweifachgestuften unabhängigen Variablen.
Die Bewertungen zur allgemeinen Produktattraktivität fallen für die Varianten
mit einwandfreier Sprachinteraktion (S+) besser aus, als für die Varianten, in denen die
Sprachinteraktion fehlerbehaftet ist (S-); (F(1,44) = 4.093, p < .05, η 2 p = 0.085, siehe
52

Ergebnisse
______________________________________________________________________________
Abbildung 14). Unterschiede aufgrund der experimentellen Manipulation der
Touchmodalität oder aufgrund des Aufgabenblockes sind ebenso wie vorliegende Interaktionen
für die Varianzaufklärung der abschließenden Attraktivitätsurteile statistisch
nicht relevant.
Attraktivität
3
2
1
0
-1
Touchfehler
(T-)
keine Touchfehler
(T+)
Touchfehler
(T-)
keine Touchfehler
(T+)
-2
-3
1. Aufgabenblock 2. Aufgabenblock
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Abbildung 14: Mittelwerte und Standardabweichung der wahrgenommenen Attraktivität in Abhängigkeit
zu den drei jeweils zweifachgestuften unabhängigen Variablen.
4.5 Zusammenfassung
Die Ergebnisse der experimentellen Untersuchung zeigen zusammenfassend auf,
dass die Qualitätsmanipulation in der Erkennung von Toucheingaben die Modalitätenwahl
und damit das Nutzungsverhalten direkt beeinflusst, und dass Probanden bei fehlerhaften
Auslassungen in der Modalität Touch signifikant häufiger die Modalität Sprache
verwenden, um Systemeingaben vorzunehmen. Zudem wird diese Bedingung als
subjektiv beanspruchender wahrgenommen. Die abschließenden Urteile zu den Produktqualitäten
zeigen sich von der Manipulation der Toucheingabe nicht beeinflusst.
Für fehlerhafte Auslassungen in der Modalität Sprache kann kein Einfluss auf
die Modalitätenwahl nachgewiesen werden. Hingegen nehmen Probanden bei vorliegender
fehlerbehafteter Spracherkennung eine erhöhte subjektive Anstrengung wahr
und bewerten sowohl die pragmatische Qualität, die Identifikation und die Attraktivität
bei Interaktion mit dem System als geringer.
Für den manipulierten Effizienzvorteil der Modalität Sprache in Form von Einsparungen
an Interaktionsschritten gegenüber der Modalität Touch kann gezeigt werden,
dass Sprache signifikant häufiger verwendet wird, wenn die Listentiefe einer Eingabe
hoch ist und damit der Interaktionsvorteil besonders groß ist. In Abhängigkeit zur Funk-
53

Ergebnisse
______________________________________________________________________________
tionalität der Modalität Touch wird dieser Interaktionsvorteil von Probanden sogar differenziert
umgesetzt: Ist der Vorteil gering, wird eher die Modalität Touch genutzt, allerdings
auch nur dann, wenn diese Modalität nicht fehlerbehaftet ist. Für die zunehmende
Listentiefe können in der vorliegenden Untersuchung keine erhöhten Beanspruchungswerte
beobachtet werden.
Zwischen den beiden Aufgabenblöcken zeigen sich Unterschiede in der Modalitätenwahl.
Während auf der Startseite zur Auswahl der Subaufgaben die Modalität
Sprache ähnlich oft verwendet wird, benutzen Probanden Sprache im zweiten Aufgabenblock
auf dem jeweils ersten Listenbildschirm einer Subaufgabe zur Auswahl einer
konkreten Eingabe signifikant häufiger. Darüber hinaus liegen für die subjektiv erlebte
Anstrengung im zweiten Block durchgängig geringere Urteile vor. Die Produktqualitäten
werden nach Abschluss der beiden Aufgabenblöcke nicht systematisch unterschiedlich
bewertet.
54

Diskussion
______________________________________________________________________________
5 Diskussion
Entsprechend der drei aufgestellten Hypothesenblöcke (vgl. Abschnitt 2.4.2)
werden die im vorigen Kapitel dargestellten und zusammengefassten Ergebnisse in drei
Abschnitten diskutiert. Zunächst werden die Untersuchungsannahmen zur Modalitätenwahl
behandelt. Daraufhin werden die Hypothesen zur subjektiv erlebten Anstrengung
und abschließend diejenigen zu den wahrgenommenen Produktqualitäten betrachtet. Die
Diskussion endet mit einer kritischen Würdigung der Ergebnisse und etwaiger Limitationen
bei der Generalisierung der Befunde aufgrund des verwendeten methodischen
Vorgehens.
5.1 Hypothesen zur Modalitätenwahl
Mit den ersten Hypothesen in diesem Bereich wurde angenommen, dass die Modalitätenwahl
zugunsten der Sprache sowohl durch eine einwandfreie Spracherkennung
(H1.1) als auch durch eine fehlerbehaftete Toucherkennung (H1.2) beeinflusst wird.
Aus den vorliegenden Ergebnissen geht hervor, dass hierbei nur die Hypothese H1.2
empirisch gestützt werden kann: Das Vorliegen von Touchfehlern führte sowohl bei der
Auswahl der Subaufgaben auf dem Startbildschirm als auch zur Eingabe von Elementen
innerhalb einer Subaufgabe auf dem jeweils ersten Listenbildschirm zu einer signifikant
häufigeren Nutzung der Spracherkennung und somit zu einem erhöhten Wechsel von
der Modalität Touch zur Modalität Sprache. Auf Seiten der Sprachnutzung ließ sich ein
entsprechender Effekt jedoch nicht nachweisen, gleichwohl für Interaktionen auf der
Startseite zumindest tendenziell gezeigt werden konnte, dass Nutzer bei Spracherkennungsfehlern
vermehrt auf die Modalität Touch auswichen. Dieser Befund steht in Kontrast
zu bisherigen Studien, in denen das Vorliegen von Spracherkennungsfehlern
nachweislich zu einem erhöhten Ausweichen auf die alternative manuelle Modalität
führte (Schaffer et al., 2011a). Jedoch wurden in der eben genannten Studie extremere
Fehlerraten von durchschnittlich 10 Prozent mit durchschnittlich 30 Prozent miteinander
verglichen. Ebenso ließen sich unter Bezugnahme auf Joeckel (2010) in post Hoc Vergleichen
Unterschiede in der Häufigkeit der Nutzung der manuellen Modalität nur zwischen
den Bedingungen geringer Fehler (0-10%) und extrem erhöhter Fehlerraten
(>25%) nachweisen. Somit lässt sich nicht ausschließen, dass die in der vorliegenden
Untersuchung vorgenommenen Manipulationsunterschiede nicht hinreichend waren, um
einen signifikanten Effekt für den Bereich von Spracherkennungsfehlern zu produzie-
55

Diskussion
______________________________________________________________________________
ren. Jedoch muss nach den Erfahrungen aus den Benutzertests und den geschilderten
Berichten der Probanden durchaus zugestanden werden, dass es sich bei einer Fehlerrate
von 20 Prozent um eine anwendungsorientiert relevante und überzeugend vermittelbare
Faktorstufe handelte. Als überraschend erweist sich in diesem Zusammenhang zudem,
dass sich, verglichen mit früheren Versuchen, Probanden im Fall einwandfrei funktionierender
Modalitäten deskriptiv deutlich seltener für die Modalität Sprache entschieden
als für die Modalität Touch. Auf der anderen Seite lässt sich die Kurve mit fehlerbehafteter
Spracherkennung und funktionierender Touchbedienung weitestgehend in die bisherige
Versuchsreihe einordnen. Da sowohl der Untersuchungsgegenstand als auch die
Instruktionen und die Aufgaben von ihrem Wesen her nicht unterschiedlich waren, ist
die Abweichung für den ersten Fall entweder zufallsbedingt zu erklären oder dem Einsatz
der Akustikkabine geschuldet. Während in früheren Versuchen der erste Versuchsleiter
mit dem Probanden in einem Raum anwesend war und ihm die Aufgaben sukzessiv
präsentierte, musste für die vorliegende Untersuchung die Akustikkabine aus organisatorischen
Gründen gewählt werden, in der die Probanden die Aufgabenbearbeitung
allein durchführten und sich entsprechend unbeobachtet fühlen konnten. Das perfekt
funktionierende System mag unter diesen Umständen entweder dazu geführt haben,
dass Probanden aus einer motivierten Testbereitschaft heraus die Grenzen des Systems
durch häufigere Modalitätenwechsel stärker herausfordern wollten oder die Entwicklung
von Heuristiken durch die Nichtanwesenheit weiterer Personen verbessert werden
konnte, sodass sich Probanden in bestimmten Dialogsituationen verstärkt für die manuelle
Bedienung entschieden haben, da sie hierdurch Effizienzvorteile erwartet haben.
Mit der Hypothese H1.3 wurde angenommen, dass Aktionsmodalitäten mit einem
höheren Innovationsgrad, wie die Spracherkennung, zunächst eine gewisse Gewöhnungszeit
benötigen, um für den Nutzer im Sinne einer Entscheidungsheuristik
kognitiv verfügbarer zu werden. Zur Beantwortung dieser Annahme zeigte sich ein interessanter
Befund. Während die Spracherkennung auf dem Startbildschirm nicht bedeutsam
unterschiedlich verwendet wird, kann die Hypothese durch die Daten aus der Bearbeitung
der ersten Listenbildschirmen bekräftigt werden. Dieser Befund ist insofern
erstaunlich, als dass zwischen diesen beiden Dialogsituationen tatsächlich ein elementarer
Unterschied vorliegt. Während die Startseite eine Auswahlsituation bereithält, die
mit der Erledigung eines Interaktionsschrittes auditiv oder manuell erledigt werden
kann, treten die in der Studie manipulierten Effizienzvorteile durch verkürzte Interaktionsschritte
durch die Sprachinteraktion erst auf dem jeweils ersten Listenbildschirm
56

Diskussion
______________________________________________________________________________
einer Subaufgabe zu Tage. In diesem Zusammenhang geht das von McCrasken und
Aldrich (1984) entwickelte Kapazitätenmodell davon aus, dass Spracherkennung zur
Erledigung eines Interaktionsschrittes kognitiv beanspruchender sein kann, als eine manuelle
Interaktionsform. Wie Bierbaum et al. (1987) aufgezeigt haben, ist der kognitive
Vorbereitungsprozess für die sprachliche Produktion eines Satzes in der Regel aufwendiger
als der entsprechende Prozess für eine manuelle Produktion zur Auswahl einer
Bedienung per Touchscreen. Die Probanden des vorliegenden Experiments verhielten
sich vor diesem Hintergrund äußerst effizient: Für die mit einem Interaktionsschritt zu
erledigende Aufgabe auf dem Startbildschirm nutzten sie auch nach längerer Gewöhnung
mit dem System die manuelle Interaktion, da diese weniger beanspruchend war
und vermutlich auch in Form von Bedienzeiten schneller als die Spracherkennung zum
Ergebnis geführt hat. Auf den Listenbildschirmen hingegen setzten sie die Spracherkennung
zunehmend häufig ein, sparten damit vor allem bei Auswahlelementen mit einer
hohen Listentiefe unnötige manuelle Interaktionsschritte und festigten die kognitive
Verfügbarkeit der sprachlichen Eingabe als Entscheidungsheuristik für die Modalitätenwahl.
Dass das Lernen bezüglich der Modalitätenwahl ausschließlich auf den Listenbildschirmen
nachgewiesen werden kann, spricht dafür, dass sich Probanden über die
jeweiligen Vor- und Nachteile beider Aktionsmodalitäten bewusst zeigten.
Wie bereits in früheren Studien mit dem hier verwendeten Untersuchungsgegenstand
gezeigt werden konnte, stützen auch die Daten aus der vorliegenden Untersuchung
die Hypothese, dass Aufgabeneffizienz, im Sinne einer geringen Anzahl an Interaktionsschritten,
ein entscheidender Einflussfaktor für die Modalitätenwahl darstellt (vgl.
Schaffer et al., 2011a). Nutzer verwendeten die Modalität Sprache auf den Listenbildschirmen
verstärkt dann, wenn die Eingabe der Elemente über die alternative Modalität
Touch besonders viele zusätzliche Interaktionsschritte erfordert hätte, was das Zutreffen
der Hypothese H1.4 bekräftigt.
Die letzten beiden zu prüfenden Hypothesen in diesem Block nahmen Interaktionseffekte
an, welche davon ausgingen, dass die Effizienzvorteile der Sprache in Abhängigkeit
zur Fehlerbehaftung der Sprachererkennung (H1.5) bzw. der Modalität
Touch (1.6) differenziert zu Tage treten. Auf der Datenbasis der vorliegenden Untersuchung
kann die Hypothese H1.6 als gestützt betrachtet werden: Während bei dem Vorliegen
von Touchfehlern bereits für Eingaben mit einer geringen Listentiefe die Spracherkennung
bevorzugt genutzt wird, verhalten sich Nutzer bei einwandfreier Touchbedienung
und einer geringen Listentiefe so, als sei die Touchinteraktion für diese Zwe-
57

Diskussion
______________________________________________________________________________
cke effizienter bzw. ebenso effizient wie die Spracherkennung. Diese Ergebnisse unterstützen
die bereits diskutierten Annahmen zu möglichen Vertrautheitseffekten, welche
zu einer verstärkten Nutzung der Sprachmodalität führen sollten. Auch dabei zeigte sich
für die Interaktion auf den Startbildschirmen, dass keine wesentliche Veränderung in
der Modalitätenwahl auftrat. Auch hier ließ sich das Ziel durch einen Interaktionsschritt
in der auditiven oder der manuellen Modalität erreichen und Personen entschieden sich
aus dem vermuteten Grund, dass die Touchinteraktion weniger aufwendiger sei als die
Sprachinteraktion (vgl. McCrasken et al., 1984) für die Wahl der manuellen Modalität.
Äquivalent scheint dies auch für den ersten Listenbildschirm zuzutreffen, wenn das entsprechende
Auswahlelement bereits darauf angezeigt wird. Jedoch kann an dieser Stelle
auch gezeigt werden, dass Probanden auch mögliche Effektivitätseinbußen in ihre Entscheidung
einbeziehen und sich auch in dieser Dialogsituation für die Sprachinteraktion
entscheiden, wenn die Touchinteraktion mit fehlerbehafteten Auslassung versehen ist.
Diese Erklärung wird auch dadurch bekräftig, dass Nutzer entgegen der Hypothese H1.5
bei einwandfreier Spracherkennung nicht bedeutsam öfter die Modalität Sprache verwendeten,
um Eingaben mit einer geringen Listentiefe vorzunehmen, z.B. um bereits
sichtbare Elemente auf dem ersten Listenbildschirm auszuwählen. An dieser Stelle erscheint
ihnen der einfache Klick, vorausgesetzt die Touchinteraktion funktioniert einwandfrei,
kognitiv oder motorisch weniger aufwändig.
5.2 Hypothesen zur subjektiv erlebten Anstrengung
Die ersten beiden Hypothesen in diesem Bereich nahmen an, dass eine geringe
Effektivität in einer der zur Verfügung stehenden Modalitäten zu erhöhten Werten in
der subjektiv erlebten Anstrengung führen. Mit den vorliegenden Ergebnissen können
entsprechende Auswirkungen auf die Beanspruchung sowohl für das Vorliegen von
Spracherkennungsfehlern als auch für das Vorliegen von Touchfehlern gezeigt werden
und somit die Hypothesen H2.1 und H2.2 als gestützt betrachtet werden. Dies zeigt,
dass Probanden bei den unmittelbar nach jeder Aufgabe abzugebenen Beanspruchungsurteilen
sensitiv auf das Vorliegen von Effektivitätseinschränkungen reagieren, auch
falls sie aufgrund von Fehlern diese Modalität tatsächlich nur selten benutzt haben sollten.
Im Sinne der zunehmenden Etablierung einer Verfügbarkeitsheuristik zur Auswahl
der eher innovativen Sprachmodalität ging die Hypothese H2.3 davon aus, dass
Probanden im zweiten Durchgang eine geringere Beanspruchung erleben sollten als im
58

Diskussion
______________________________________________________________________________
ersten Durchgang. Auch diese Hypothese kann durch die vorliegenden Ergebnisse bekräftigt
werden. Etwaig mag dieser Effekt jedoch auch dadurch verstärkt worden sein,
dass das Bearbeiten der standardisierten Aufgaben von einer hohen Routine geprägt
war. Die Aufgaben waren insgesamt von äußerst geringer Komplexität, wofür das generell
geringe Werteniveau spricht, und hielten keine sonderlich unerwarteten Überraschungen
für die Probanden parat. Auch die Systembedienung und die Effizienz- und
Effektivitätscharakteristika änderten sich nicht im Laufe einer Untersuchungseinheit.
Inwieweit dieser Effekt somit tatsächlich auf die Etablierung einer Entscheidungsheuristik
zur vereinfachten Modalitätenwahl oder auf die Gewöhnung an den ohnehin sehr
einfach gehaltenen Nutzungskontext zurückzuführen ist, bleibt somit teilweise offen.
Mit der diesen Bereich abschließenden Hypothese H2.4 wurde davon ausgegangen,
dass es bei ansteigender Listentiefe auf Seiten der Auswahlelemente nicht zu einer
erhöhten subjektiv erlebten Anstrengung bei den Probanden kommen sollte, da diese
zunehmende Aufgabenkomplexität sich lediglich auf die Touchinteraktion bezieht und
durch die effizientere Spracherkennung unmittelbar kompensiert werden kann (vgl.
Schaffer et al., 2011a). Die vorliegenden Daten stützen diese Nullhypothese, auch bei
einem entsprechend heraufgesetzten Alpha-Niveau. An dieser Stelle sei auf eine weitere
von Schaffer et al. (2011b) durchgeführte Studie verwiesen, in welcher die erforderlichen
Interaktionsschritte zur Erledigung der Subaufgaben zwischen der Touch- und der
Sprachinteraktion gleich gehalten wurden. Aufgaben mit einer erhöhten Listentiefe erforderten
somit auch unter Nutzung der Spracherkennung zunächst ein sukzessives
Blättern in den Listbildschirmen, bevor die Auswahl des Elementes getroffen werden
konnte. Die Ergebnisse dieser Studie bestätigen, dass sich die dadurch ansteigende Aufgabenschwierigkeit
in entsprechend erhöhten Werten subjektiv erlebter Anstrengung
widerspiegeln.
5.3 Hypothesen zu wahrgenommenen Produktqualitäten
Im Bereich der wahrgenommenen Produktqualitäten wurden Hypothesen zur
pragmatischen Qualität und zur globalen Produktgüte (Attraktivität) aufgestellt, dahingehend,
dass erlebte fehlerbehaftete Eingabenerkennungen zu geringeren Pragmatikurteilen
(H3.1 und H3.2) sowie zu geringeren Werten in der Produktgüte führen (H3.4
und H3.5). Durch die Daten bekräftigt wird, dass Spracherkennungsfehler zu geringeren
Bewertungen der pragmatischen Qualität (H3.1) und der abschließenden Systemattraktivität
führen (H3.4). Nicht bekräftigen lassen sich jedoch diejenigen Hypothesen, die
59

Diskussion
______________________________________________________________________________
Einflüsse aufgrund der fehlerbehafteten Touchinteraktion angenommen haben. Da sich
demgegenüber die Modalitätenwahl deutlich durch Touchfehler, jedoch nicht nachweislich
durch Spracherkennungsfehler beeinflusst zeigte, dissoziieren die subjektiven Bewertungen
auf den ersten Blick vom tatsächlich gezeigten Verhalten der Nutzer, was für
den Bereich von Fragebogendaten in aktueller Literatur häufiger thematisiert wird (z.B.
Konerding, 2006). Die vorliegenden Verzerrungen lassen sich jedoch insoweit erklären,
als dass die Sprachnutzung in dieser Untersuchung deutlich überdurchschnittlich verwendet
worden ist und Probanden sich somit bei der abschließenden Produktbewertung
mehr Interaktionssituationen in Zusammenhang mit der Spracherkennung ins Bewusstsein
rufen konnten. Unter diesen Umständen erscheint es nicht verwunderlich, dass Unterschiede
zwischen der einwandfreien und der fehlerbehafteten Spracherkennung stärker
ins Gewicht fallen als die Unterschiede aufgrund der Touchmanipulation. Aus theoretischer
Sicht erklären lässt sich dies wiederum mit der Verfügbarkeitsheuristik (vgl.
Abschnitt 2.2.4.2), anhand derer Personen Urteile auf Basis der Leichtigkeit ihres Erinnerns
bzw. Vorstellens treffen. Da die Wahrscheinlichkeit für das Erleben von
Touchfehlern aufgrund der erhöhten Wahl für die Modalität Sprache reduziert ist, beeinflussen
entsprechende Situationen zwar das unmittelbare Nutzungsverhalten, jedoch
zeigen sich die entsprechend wenigen, jedoch ausschlaggebenden Situationen mit
Touchfehlern beim abschließenden Urteil weniger präsent.
Diese Erklärung kann dadurch bekräftigen werden, dass sich die unterschiedlichen
pragmatischen Bewertungen in Interaktion mit der Effektiviät der Spracherkennung
beim Vorliegen von Touchfehlern deutlicher niederschlagen als wenn die
Touchinteraktion einwandfrei funktioniert. Bei den Ergebnissen zur Modalitätenwahl
wurde diskutiert, dass sich Probanden ausschließlich auf Basis der Effektivitätsmanipulation
der manuellen Interaktion für die Aktionsmodalität Sprache entscheiden. Vor
diesem Hintergrund erscheint es einleuchtend, dass Unterschiede in den pragmatischen
Bewertungen aufgrund von Spracherkennungsfehlern vor allem beim Vorliegen von
Touchfehlern auftreten, da diese ein Ausweichen auf die Spracherkennung begünstigen.
Auf der anderen Seite wird die funktionierende Touchinteraktion für diejenigen Dialogsituationen
eingesetzt, in denen ihr Probanden eine höhere Effizienz zusprechen (z.B.
Auswahl auf dem Startbildschirm, Auswahl auf Listenbildschirmen, wenn Elemente
eine geringe Listentiefe haben), sodass Fehler in der Spracherkennung für das abschließende
Gesamturteil weniger stark ins Gewicht fallen.
60

Diskussion
______________________________________________________________________________
Mit den Hypothesen H3.3 und H3.6 wurden zeitbezogene Veränderungen in den
Urteilen zur pragmatischen Qualität sowie zur globalen Produktgüte vorhergesagt, welche
durch die vorliegenden Daten nicht gestützt werden können. Da die Probanden bereits
im ersten Aufgabenblock das nicht sonderlich komplexe System, welches zudem
als reduzierter Prototyp konzipiert war, sehr gut selbstständig bedienen konnten und die
prototypischen Bedienaufgaben standardmäßig ohne unerwartete Überraschungen für
die Probanden konzipiert waren, erscheint nachvollziehbar, dass eine subjektiv erlebte
Performanzsteigerung im Sinne eines Lerneffektes auf Seiten der Benutzbarkeit zum
zweiten Aufgabenblock nur sehr unwahrscheinlich zu erzielen gewesen ist (vgl.
Hornbaek, 2006). Ebenso liefern die Daten keine Stütze für das Vorliegen einer Attraktivitätssteigerung
aufgrund zunehmender Nutzungszeit. Jedoch erwiesen sich bereits in
früheren Studien Ergebnisse zum mere exposure Effekt (Zajonc, 1968) vor dem Hintergrund
interaktiver Untersuchungsgegenstände als durchaus divergent (Minge, 2011).
Die Dimensionen des AttrakDiff zu den hedonischen Produktqualitäten Identifikation
und Stimulation wurden explorativ in die Auswertung aufgenommen. Hinsichtlich
der Identifikation zeigte sich analog zur pragmatischen Qualität ein bedeutsamer
Haupteffekt aufgrund der Fehlermanipulation in der Sprachererkennung. Da dieser Faktor
aufgrund der zugrundeliegenden Items vor allem erfasst, ob Technik als wertvoll,
vorzeigbar und menschenverbindend betrachtet wird, erscheinen die Ergebnisse nachvollziehbar,
jedoch deutlicher von pragmatischen Qualitäten beeinflusst, als es für diese
von der pragmatischen Qualität unabhängigen hedonischen Qualität vorab zu erwarten
gewesen wäre. Eine Erklärung für dieses Ergebnis kann somit in der Überstrahlung der
aufgabenbezogenen Urteile auf nicht-aufgabenbezogene Bewertungen der Identifikation
im Sinne eines pragmatischen Halo-Effektes gefunden werden (Minge, 2011).
Die Ergebnisse zur Stimulation liefert mit ihren Items zur Originalität, Neuheit
und Motivation zunächst das Bild einer unabhängigen Dimension zur pragmatischen
Qualität, da sich erhöhte Ausprägungen in den beiden Extremvarianten zeigten, d.h.
wenn beide Modalitäten entweder einwandfrei funktionierten oder beide Modalitäten
fehlerbehaftet waren. Dieses Ergebnis könnte dem Rahmen der Untersuchungssituation
geschuldet sein, welches das Restaurantbuchungssystem als einen Prototypen vorstellte.
Probanden könnten dazu tendiert haben, nicht nur das perfekt funktionierende System
als besonders stimulierend erlebt zu haben, sondern auch das hoch fehleranfällige, da
sich dieses mit einer deutlich früheren Phase der Produktentwicklung assoziiert zeigt
und eine entsprechende Forschungsarbeit notwendig macht.
61

Diskussion
______________________________________________________________________________
5.4 Kritische Würdigung und Limitation
Die Ergebnisse dieses Experimentes zeigen auf, dass sowohl die Modalitätenwahl
als auch subjektive Bewertungen in Form von erlebter Beanspruchung und wahrgenommener
Produktqualitäten durch die Manipulation der Effektivität und Effizienz
alternativ angebotener Aktionsmodalitäten beeinflusst werden. Während eine fehlerhafte
manuelle Aktionsmodalität den Wechsel zur automatischen Spracherkennung förderte
und die subjektiv erlebte Anstrengung erhöhte, wirkten sich die erlebten Touchfehler,
vermutlich aufgrund der verringerten Nutzung dieser Modalität, nicht bedeutsam auf
abschließenden Gesamturteile aus. Spracherkennungsfehler führten zwar nicht zu einer
reduzierten Nutzung der Sprachmodalität, wurden jedoch mit erhöhter Beanspruchung
und schlechteren Abschlussurteilen bewertet.
Die Resultate dieser Arbeit sind vor einer Verallgemeinerung aus mehrfacher
Sicht kritisch zu betrachten. Zunächst orientieren sich die Befunde am verwendeten
Untersuchungsmaterial, welches ausschließlich aus einer Kombination von Listenbildschirmen
bestand und speziell für die zu bearbeitenden Aufgaben konstruiert war. Als
Folge handelte es sich in der Untersuchungssituation um ein deutlich komplexitätsreduzierendes
Szenario, sodass mögliche Unterschiede in der manipulierten Effektivität und
Effizienz für die Probanden offensichtlicher zu Tage traten, als dies in realen Anwendungen
der Fall gewesen wäre.
Methodisch ist zudem kritisch im Auge zu behalten, dass sich die eingesetzte
Stichprobe hauptsächlich aus Studenten unterschiedlicher Fachrichtungen zusammensetzte
und sich bei den Probanden ein deutlich technikaffin ausgeprägtes Interesse zeigte.
Die Stichprobe kann daher ausdrücklich nicht als repräsentativ bezeichnet werden
und trifft insbesondere keine Aussagen für spezielle Personengruppen, die von multimodaler
Interaktion unter Umständen besonders profitieren würden, wie z.B. Nutzer
sehr geringen oder sehr hohen Alters, körperlich eingeschränkte Anwender, etc.
Die in diesem Experiment verwendeten Aktionsmodalitäten, die sprachliche und
die manuelle Interaktionsform, stellen insbesondere für den mobilen Anwendungsbereich
eine zur Zeit besonders häufig eingesetzte multimodale Kombination dar. Darüber
hinaus sind selbstverständlich zahlreiche weitere Aktionsmodalitäten denkbar (z.B.
Gesteninteraktion, Tastenbedienung, etc.). Die Ergebnisse beziehen sich explizit auf die
in dieser Untersuchung verwendeten Aktionsmodalitäten und halten einer direkten
Übertragbarkeit auf eine andere Klassifikation (z.B. innovativer versus konservative
62

Diskussion
______________________________________________________________________________
Modalität) nicht stand. Wie bereits Vilimek (2007) feststellte, präsentieren multimodale
Geräte immer den Einzelfall einer technischen Systemrealisierung und müssen daher
auch separat evaluiert und auf Verwendbarkeit getestet werden.
Bezüglich der abhängigen Variablen wäre es zum einen wünschenswert, subjektive
Beanspruchungswerte durch objektivere Verfahren, wie z.B. Maße zur Herzfrequenzvariabilität,
zu validieren (vgl. Nickel et al., 2002). Diese wären insbesondere für
die Verwendung in zeitlich kurzen Untersuchungseinheiten von vielversprechendem
Wert. Zum anderen erscheint es zukünftig zweckmäßig, den Bereich der Performanzmessung
durch weitere objektive Maße des Nutzerverhaltens abzudecken. Die vorliegende
Masterarbeit fokussierte aus Kapazitätsgründen ausschließlich auf die Modalitätenwahl
und die prozentuale Nutzungshäufigkeit der Modalität Sprache. Darüber hinaus
sind Maße, wie z.B. Bearbeitungszeiten (Task Completion Time), Reaktionszeitmessungen
in spezifischen Dialogsituationen oder der Werte zum Tastendruck, mit dem eine
manuelle Eingabe getätigt wird, von zusätzlichem Interesse.
Abschließend sei kritisch auf das Versuchsdesign hingewiesen, in welchem eine
vollständige Balancierung der Aufgabenreihenfolgen lediglich im ersten, jedoch nicht
im zweiten Aufgabenblock umsetzte. Während für den ersten Block gewährleistet wurde,
dass jede Aufgabe an jeder Stelle innerhalb des Versuchsablaufs gleich häufig vertreten
war, erhielten Probanden im zweiten Aufgabenblock eine grundsätzlich andere,
jedoch für alle Personen identische Reihenfolge (vgl. Anhang D.I). Zudem waren die
Aufgaben im ersten und im zweiten Aufgabenblock identischen Inhalts. Vermutlich
sind die mit der fehlenden Balancierung im zweiten Block verbundenden Auswirkungen
auf die Modalitätenwahl und die Bewertungen eher gering, jedoch können sie an dieser
Stelle nicht zweifelsfrei quantifiziert bzw. ausgeschlossen werden. Eine Alternative für
die Optimierung des Versuchsaufbaus wäre es, zum einen auch für den zweiten Block
eine Balancierung der Aufgaben vorzunehmen und zum anderen äquivalente Aufgaben
zu konstruieren, deren Schwierigkeit und Komplexität nicht signifikant von den im ersten
Block verwendeten Aufgaben abweicht. Dies würde maßgeblich dazu beitragen,
Übertragungseffekte bei identisch verwendeten Aufgaben zukünftig zu reduzieren.
63

Ausblick
______________________________________________________________________________
8 Ausblick
Es gibt nicht viele Konzepte im Bereich der Mensch-Technik-Interaktion, die
wie die Multimodalität eine solch rasante Entwicklung durchlaufen haben und als Hoffnungsträger
gehandelt werden, um Technik einfacher und natürlicher zu machen. Die
vielen unterschiedlichen Innovationsmöglichkeiten, Systemausgaben auf der einen Seite
wahrzunehmen und Systemeingaben auf der anderen Seite vorzunehmen, sind eine
durchaus vielversprechende Begleiterscheinung, die es zukünftig einem noch breiteren
Anwenderkreis möglich machen wird, mit Technik zu interagieren. Multimodalität erreicht
diese Ziele allerdings nur, wenn sie unter dem Fokus einer menschzentrierten
bzw. interaktionszentrierten Entwicklung von Technik beachtet und umgesetzt wird.
Nur dann werden nicht nur Wettbewerbsvorteil am Markt gesichert, sondern auch positive
Effekte langfristig für den Anwender nutzbar gemacht
Mit der vorliegenden Arbeit wurde die Modalitätenwahl bei multimodaler Interaktion
untersucht. Das Ziel lag darin, für eine spezielle Anwendungssituation Aussagen
über den Einfluss verschiedener Faktoren auf das Nutzungsverhalten und subjektive
Bewertungen zu treffen. Ein größerer Hintergrund der Arbeit liegt jedoch darin, die
Untersuchungsergebnisse in die Resultate der bisherigen Versuchsreihe einzuordnen
und somit Aussagen zur Modalitätenwahl zu verallgemeinern. Aus den gewonnen Daten
soll unter Nutzung einer kognitiven Architektur ein Modell der Modalitätenwahl generiert
und anschließend durch weitere Nutzertests validiert werden. Die Vorteile solcher
Modellierungsansätze liegen klar auf der Hand: Zum einen erlauben sie ein tieferes Verständnis
über die kognitiv ablaufenden Informationsverarbeitungsprozesse, die bei der
Modalitätenwahl stattfinden, zum anderen lässt sich der Aufwand bei der erforderlichen
Evaluation multimodaler Systeme zukünftig drastisch reduzieren, vorausgesetzt das
Modell würde auch in neuen Situationen brauchbare Vorhersagen liefern. Gezielt untersucht
werden könnten somit auch kleinere Veränderungen in der Systemgestaltung oder
in der Abstimmung der verschiedenen Modalitäten.
Der Ansatz der kognitiven Modellierung würde somit dem generellen Ziel von
Multimodalität, Mensch-Technik-Interaktion ein Stück weit menschlicher und dadurch
einfacher zu machen, gerecht werden.
64

Literaturverzeichnis
______________________________________________________________________________
Literaturverzeichnis
Althoff, F., McGlaun, G. & Lang, M. (2001). Combining Multiple Input Modalities for
Virtual Reality Navigation – A user study. In Proceedings of HCII 2001: 9 th International
Conference on Human Computer Interaction. New Orleans, USA.
Aula, A., Majaranta, P. and Räihä, K.-J. (2005). Eye-tracking Reveals the Personal
Styles for Search Result Evaluation. Human-Computer Interaction - INTERACT
2005, Lecture Notes in Computer Science. Heidelberg: Springer. (S. 1058-1061).
Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (2011). Multivariate Analysemethoden.
11. Auflage. Berlin: Springer Verlag.
Baddeley, A.D. (1986). Working memory. Oxford, UK: Oxford University Press.
Bates, R. & Istance, H.O. (2005). Towards eye based virtual environment interaction for
users with high-level motor disabilities. International Journal of Disability & Human
Development: The International Conference Series on Disability, Virtual Reality
and Associated Technologies, 4(3), 161-169.
Beuter, N. (2007). Gestenbasierte Positionsreferenzierung für die multimodale Interaktion
mit einem anthropomorphen Robotersystem. Diplomarbeit im Fach Angewandte
Informatik an der Technischen Universität Bielefeld.
Bevan, N. (1995). Usability is Quality of Use. In Proceedings of the 6 th International
Conference on Human Computer Interaction, Yokohama. Amsterdam: Elsevier.
Bierbaum, C.R., Szabo, S.M. & Aldrich, T.B. (1987). A comprehensive task analysis oft
he UH-60 mission with crew workload estimates and preliminary decision rules for
developing a UH-60 workload prediction model (Technical Report ASI690-302-
87[B], Vol. I., II, III, IV). Fort Rucker, AL.
Bilici, V., Krahmer, E., te Riele, S. & Veldhuis, R. (2000). Preferred Modalities in Dialogue
Systems, Proceedings of ICSLP2000, 727-730.
Buxton, B. (2007). Sketching User Experience – Getting the Design Right and the Right
Design. Toronto: Morgan Kaufmann Publishers.
Card, S.K., Mackinlay, J.D. & Robertson, G.G. (1990). The design space of input devices,
Proceedings of SIGCHI’90, ACM Press, 117-124.
Charwat, H.J. (1994). Lexikon der Mensch-Maschine-Kommunikation (2. Auflage).
München: Oldenbourg Verlag.
Duffy, L. (1993). Team decision making biases: An information processing perspective.
In: G.A. Klein, J. Orasanu, R. Calderwodd & C.E. Zsmabok (Hrsg.). Decision Making
in Action: Models and Methods (S. 346-359). Norwood, NJ, Ablex.
65

Literaturverzeichnis
______________________________________________________________________________
Eilers, K., Nachreiner, F. & Hänecke, K. (1986). Entwicklung und Überprüfung einer
Skala zur Erfassung subjektiv erlebter Anstrengung. Zeitschrift für Arbeitswissenschaft,
40 (4), 215-224.
Endsley, M.R. (1995). Toward a theory of situation awareness in dynamic systems.
Human Factors, 37(1), 32-64.
Engesser, H. (1993). Duden “Informatik” (2. Auflage). Mannheim: Duden Verlag.
ETSI EG 202 191 (2003). Human Factors (HF); Multimodal interaction, communication
and navigation guidelines. Sophia-Antipolis Cedex, France: ETSI.
http://docbox.etsi.org/EC_Files/EC_Files/eg_202191v010101p.pdf vom 09.08.2012.
Geiser, G. (1990) Mensch-Maschine-Kommunikation. München: Oldenbourg Verlag.
Greening, L., Dollinger, S.J. & Pitz, G. (1996). Adolescents’ perceived risk and personal
experience with natural disasters: An evaluation of cognitive heuristics. Acta
Psychologica, 91, 27-38.
Hassenzahl, M., Burmester, M. & Koller, F. (2003). AttrakDiff: Ein Fragebogen zur
Messung wahrgenommener hedonischer und pragmatischer Qualität. In G. Szwillus
& J. Ziegler (Hrsg.), Mensch & Computer 2003: Interaktion in Bewegung (S. 187-
196). Stuttgart: B.G. Teubner.
Hauptmann, A.G. (1989). Speech and gestures for graphic image manipulation. In: M.
Helander (Hrsg.). Proceedings of ACM CHI ’89 Conference of Human Factors in
Computing Systems. ACM Press (S. 241-245).
Hedicke, V. (2000). Multimodalität in Mensch-Maschine-Schnittstellen (S. 203-232).
In. K.P. Timpe, T. Jürgensohn & H. Kolrep (Hrsg.). Mensch-Maschine-
Systemtechnik, 2. Auflage. Düsseldorf: Symposion Verlag.
Hopkins, K.D. & Weeks, D.L. (1990). Tests for normality and measures of skewness
and kurtosis: Their place in research reporting. Educational and Psychological
Measurement, 50, 717-729.
Hornbaek, K. (2006). Current practice in measuring usability: Challenges to usability
studies and research. Journal of Human-Computer Studies, 64, 79-102.
Hunt, M.J. (1990). Figures of Merit for Assessing Connected Word Recognisers.
Speech Communication, 9, 239-336.
ISO 9241-210 (2010). Ergonomics of human-computer interaction – Part 210: Humancentered
design process for interactive systems. Geneva: International
Standardiziation Organization (ISO).
Iwata, H., Yano, I., Uemura, T. & Moriya, T. (2004). Food Simulator. A Haptic Interface
for Biting. VR 2004: 51-58.
66

Literaturverzeichnis
______________________________________________________________________________
Jöckel, B. (2010). Ermittlung von Schwellenwerten für Modalitätenwechsel in multimodaler
Mensch-Maschine-Interaktion. Masterarbeit im Studiengang Human Factors
an der Technischen Universität Berlin.
Jones, P.E. & Roelofsma, P.H.M.P. (2000). The potential for social contextual and
group biases in team decision-making: biases, conditions and psychological
mechanisms. Ergonomics, 43(8), 1129-1152.
Jordan, P.W. (2000). Designing pleasurable products. London: Taylor & Francis.
Jungermann, H., Pfister, H.R. & Fischer, K. (2005). Die Psychologie der Entscheidung
(2. Auflage). Heidelberg: Spektrum Akademischer Verlag.
Kahneman, D., Slovic, P. & Tversky, A. (1982). Jugdment under uncertainty: Heuristics
and biases. Cambridge, New York. Cambridge University Press.
Kahneman, D. & Tversky, A. (1972). Subjective probability: A judgment of representativeness.
Cognitive Psychology, 3, 430-454.
Kantowitz, B.H. & Campbell, J.L. (1996). Pilot workload and flight-deck automation.
In: R. Parasuraman & M. Mouloua (Hrsg.). Automation and human performance:
Theory and applications (S. 117-136). Lawrence Erlbaum: NJ.
Kline, R.B. (1998). Structure equation modeling. New York: Guilford.
Konerding, U. (2006). Theorie und Methoden zur Vorhersage und Erklärung von Verhalten
aufgrund von Fragebogendaten. Habilitationsschrift an der Technischen
Universität Berlin.
Kreuzbauer, R. & Malter, A.J. (2005). Embodied cognition and new product design:
Changing product form to influence brand categorization. In: Journal of Product Innovation
Management, 22(5), 165-176.
Kruger, J. & Dunning, D. (1999). Unskilled and unaware of it. How difficulties in recognizing
one’s own incompetence lead to inflated self-assessments. Journal of Personality
and Social Psychology, 77(6), 1121-1134.
Liberman, A. & Trope, Y. (1996). Social hypothesis testing: Cognitive and motivational
mechanisms. In E.T. Higgins & A.W. Kruglanski (Hrsg.). Social psychology:
Handbook of basic principles (S. 239-270). New York: Guilford.
Lochmatter, T., Raemy, X. & Martinoli, A. (2007). Geruchslokalisation mit mobilen
Robotern. IT Business, 1/2007, 40-41.
Luczak, H. (1998). Arbeitswissenschaft. 2. Auflage. Berlin: Springer Verlag.
Mahlke, S. & Minge, M. (2008). Consideration of Multiple Components of Emotions in
Human-Technology Interaction. In C. Peter & R. Beale (Hrsg.), Affect and Emotion
in HCI, LNCS 4868. Berlin: Springer.
67

Literaturverzeichnis
______________________________________________________________________________
Martin, J.-C. (1998). Types of cooperation and referenceable objects: Implications on
annotation schemas for multimodal language resources. Paper presented at the
LREC 1000 pre-conference workshop, Athen, Griechenland.
Maybury, M.T. & Stock, O. (1999). Multimedia Communication, including Text. In: E.
Hovy, N. Ide, R. Frederking, J. Mariani & A. Zampolli (Hrsg.). Multilingual Information
Management: Current Levels and Future Abilities. A study commissioned
by the US National Science Foundation and also delivered to European Commission
Language Engineering Office and the US Defense Advanced Research Projects
Agency.
McCrasken, J.H. & Aldrich, T.B. (1984). Analysis of selected LHX mission functions:
workload. Proceedings of 34th conference on Winter simulation: exploring new
frontiers, 157-162.
Minge, M. (2011). Dynamische Aspekte des Nutzungserlebens der Interaktion mit technischen
Systemen. Dissertation an der Fakultät V der Technischen Universität Berlin.
Muthig, K.-P. (1990). Informationsaufnahme und Informationsverarbeitung. In: C.G.
Hoyos & B. Zimolong (Hrsg.). Ingenieurpsychologie (S. 92-114). Göttingen:
Hogrefe.
Neuss, R. (2000). Usability Engineering als Ansatz zum Multimodalen Mensch-
Maschine-Dialog. Dissertationsschrift an der Technischen Universität München.
Nickel, P., Eilers, K., Seehase, L. & Nachreiner, F. (2002). Zur Reliabilität, Validität,
Sensitivität und Diagnostizität von Herzfrequenz- und Herzfrequenzvariabilitätsmaßen
als Indikatoren psychischer Beanspruchung. Zeitschrift für Arbeitswissenschaft,
56(1), 22-36.
Niedermeier,F.B. (2003). Entwicklung und Bewertung eines Rapid-Prototyping Ansatzes
zur multimodalen Mensch-Maschine-Interaktion im Kraftfahrzeug. Genehmigte
Dissertation der Fakultät für Elektrotechnik und Informationstechnik der Technischen
Universität München.
Nigay, L. & Courtaz, J. (1993). A design space for multimodal systems – concurrent
processing and data fusion (S. 172-178). In: INTERCHI ’93, Proceedings of the
Conference on Human Factors and Computing Systems. New York: ACM Press.
Nigay, L., Jambon, F. & Coutaz, J. (1995). Formal specification of multimodality. Paper
presented at the CHI’95 workshop on formal specification of user interfaces, Denver,
Colorado.
Norman, D.A. (1990). The ‘problem‘ with automation: Inappropriate feedback and interaction,
not ‘over-automation’. In: D.E. Broadbent, J. Reason & A.D. Baddeley
(Hrsg.). Human factors in hazardous situations (S. 137-145). New York: Clarendon
Press.
68

Literaturverzeichnis
______________________________________________________________________________
Orasanu, J., & Fischer, U. (1997). Finding decisions in natural environments: The view
from the cockpit. In C. Zsambok & G. Klein (Eds.). Naturalistic Decision Making
(pp. 343-357). Hillsdale, NJ: Erlbaum.
Ostermann, T. (2010). Das Streben nach Konsistenz im Entscheidungsprozess. Eine
Untersuchung möglicher Enflussfaktoren. Dissertation an der Erziehungswissenschaftlichen
Fakultät der Universität Erfurt.
Oviatt, S.L. (1996). Multimodal Interfaces for Dynamic Interactive Maps. In Proceedings
of CHI ’96: Conference of Human Factors in Computing Systems (New York,
USA). ACM Press (S. 415-422).
Oviatt, S.L. (1999). Ten myths of multimodal interaction. Communications of the ACM,
42(11), 74-81.
Perakakis, M. & Potamianos, A. (2008). Multimodal system evaluation using modality
efficiency and synergy metrics. Proceedings of ICMI’08, ACM Press, 9-16.
Previc, F. H. (1998). The neuropsychology of 3-D space. Psychological Bulletin, 124,
123–164.
Rasmussen, J., & Rouse, W. (1981). Human Detection and Diagnosis of System Failures.
New York: Plenum Press.
Reder, L. M. (1988). Strategic control of retrieval strategies. The Psychology of Learning
and Motivation, 22, 227-259.
Roetting, M. & Seifert, K. (2005). Multimodale Mensch-Maschine Interaktion (S. 283-
300). In: K. Karrer, B. Gauss & C. Steffens (Hrsg.). Beiträge zur Mensch-Maschine-
Systemtechnik. Düsseldorf: Symposion Verlag.
Rohs, M. (2009). Mobile and Physical Interaction. Skriptum zur Vorlesung am Institut
für Softwaretechnik und Theoretische Informatik der Technischen Universität Berlin.
Rudnicky, A.I. (1993). Mode preference in a simple data-retrieval task. Proceedings of
the workshop on Human Language Technology (SLT 2010,. Stroudsberg, PA, 364-
369.
Schaffer, S., Jöckel, B., Wechsung, I., Schleicher, R. & Möller, S. (2011a). Modality
Selection and Perceived Mental Effort in a Mobile Application. Proc. 12th Ann.
Conf. of the Int. Speech Communication Assoc. (Interspeech 2011). International
Speech Communication Association (ISCA), 2253-2256.
Schaffer, S. & Reitter, D. (2012). Modeling Efficiency-guided Modality Choice in
Voice and Graphical User Interfaces. Proceedings of ICCM 2012, Berlin, 253-254.
Schaffer, S., Schleicher, R. & Möller, S. (2011b). Measuring Cognitive Load for different
Input Modalities. 9. Berliner Werkstatt Mensch-Maschine-Systeme. VDI Verlag,
287-292.
69

Literaturverzeichnis
______________________________________________________________________________
Schmid, U. & Kindsmüller, M.C. (1996). Kognitive Modellierung. Eine Einführung in
die logischen und algorithmischen Grundlagen. Heidelberg: Spektrum Akademischer
Verlag.
Schomaker, L., Nijtmans, J., Camurri, A., Lavagetto, F., Morasso, P., Benoît, C.,
Guiard-Marigny, T., le Goff, B., Robert-Ribes, J., Adjoudani, A., Defée, I., Münch,
S., Hartung, K. & Blauert, J. (1995). A taxonomy of multimodal interaction in the
human information processing system. Multimodal integration for advanced multimedia
interfaces (Report of the Esprit Project 8579 MIAMI No. WP 1). Nijmegen,
Netherlands: University of Nijmegen.
Spence, C., Nicholls, M.E. & Driver, J. (2001). The cost of expecting events in the
wrong sensory modality. Perception & Psychophysics, 63(2), 330-336.
Streitz, N.A. (1990). Psychologische Aspekte der Mensch-Computer-Interaktion (S.
240-284). In: C. Graf Hoyos (Hrsg.). Enzyklopädie der Psychologie. Ingenieurpsychologie,
D/III/2. Göttingen: Verlag für Psychologie, Hogrefe.
Suhm, B., Myers, B. & Waibel, A. (1999). Model-based and empirical evaluation of
multimodal interactive error correction, Proceedings of CHI’99, ACM Press, 123-
133.
Technoplus GmbH (2012). Geruchssensor. Innovative Technologien. http://www. technoplus-gmbh.de/pdf/Produktblatt_tp_geruchssensor2_hg.pdf
vom 09.08.2012.
Thomas, C. & Curson, I. (1996). Performance measurement handbook, 3. Auflage. National
Physical Laboratory. Teddington, UK.
Timpe, K.-P. & Kolrep, H. (2000). Das Mensch-Maschine-System als interdisziplinärer
Gegenstand (S. 9-40). In: K.-P. Timpe, T. Jürgensohn & H. Kolrep (Hrsg.). Mensch-
Maschine-Systemtechnik, 2. Auflage. Düsseldorf: Symposion Verlag.
Tinsley , H.E.A. & Brown, S.D. (2000). Handbook of Applied Multivariate Statistics
and Mathematical Modelling. San Diego: Academic Press.
Tversky, A. & Kahneman, D. (1973). Availability: A heuristic for judging frequency
and probability. Cognitive Psychology, 42, 207-232.
Tversky, A. & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases.
Science, 185, 1124-1131.
Tversky, A. & Kahneman, D. (1992). Advances in prospect theory: Cumulative representation
of uncertainty. In: D. Kahneman & A. Tversky (Hrsg.). Choices, values,
and frames (S. 44-66). Cambridge: Cambridge University Press.
Vilimek, R. (2007). Gestaltungsaspekte multimodaler Interaktion im Fahrzeug. Ein Beitrag
aus ingenieurpsychologischer Perspektive. Inaugural-Dissertation an der Universität
Regensburg.
70

Literaturverzeichnis
______________________________________________________________________________
Vo, M.T. & Waibel, A. (1993). Multimodal Human-Computer Interaction. In: Proceedings
of ISSD’93: International Symposium on Spoken Dialogue: New Directions in
Human and ManMachine Communication (Tokyo), 95-101.
Walpow, J. & Winter Walpow, E. (2012). Brain-Computer Interfaces. Principles and
Practices. Oxford: Oxford University Press.
Wechsung, I., Engelbrecht, K.-P., Naumann, A., Möller, S., Schaffer, S. & Schleicher,
R. (2010). Investigating Modality Selection Strategies. Workshop on Spoken Language
Technology (SLT).
Weidenmann, B. (1995). Multicodierung und Multimodalität im Lernprozess. In: L.J.
Issing & P. Klimsa (Hrsg.). Informationen und Lernen mit Multimedia. Weinheim:
Psychologische Verlagsunion.
Wickens, C.D. (2002). Multiple ressources and performance prediction. Theoretical
Issues in Ergonomics Science, 3(2), 159-177.
Wickens, C.D. & Hollands, J.G. (2000). Engineering psychology and human performance
(3rd edition). Upper Saddle River, NJ: Prentice Hall.
Zajonc, R. (1968). Attitudinal Effects of Mere Exposure. Journal of Personality and
Social Psychology, (9)2, 1–27.
Zsambok, C.E. (1997). Naturalistic Decision Making: Where are we now? In: C.E.
Zsmabok & G.A. Klein (Hrsg.). Naturalistic Decision Making (S. 3-16). Mahwah:
Lawrence Erlbaum.
71

Anhang
______________________________________________________________________________
Anhang
A
Einverständniserklärung
Einverständniserklärung
Hiermit erkläre ich mich einverstanden, an der Studie
Restaurantbuchungssystem
teilzunehmen. Für meine Teilnahme erhalte ich eine Vergütung von 10 €.
Die in diesem Zusammenhang erhobenen Daten werden aufgezeichnet, in anonymisierter Form
gespeichert und zu wissenschaftlichen Zwecken ausgewertet.
Meine Daten werden streng vertraulich behandelt und können nur von entsprechend autorisierten
Personen eingesehen werden.
Meine Teilnahme an der Studie erfolgt freiwillig.
Mir ist bewusst, dass ich die Studie zu jedem Zeitpunkt abbrechen kann. In diesem Fall verliere
ich jedoch den Anspruch auf die oben genannte Vergütung.
________________________
Ort, Datum
_________________________________
Unterschrift
72

Anhang
______________________________________________________________________________
B
Instruktionen
Herzlich Willkommen! Vielen Dank, dass Sie sich die Zeit für diese Untersuchung nehmen.
Sie werden heute den mobilen Prototypen eines Restaurantbuchungssystems testen. Mit diesem
Prototypen können Sie online einen Tisch in einem bestimmten Restaurant reservieren.
Die Suche nach einem Restaurant erfolgt über folgende vier Kriterien:
o
o
o
o
die Stadt, in der ein Restaurant liegen soll (z.B. Berlin)
die Kategorie des Restaurants (z.B. italienisch)
die Uhrzeit, zu der ein Tisch gewünscht wird (z.B. 18:00 Uhr) und
die Anzahl der Personen, für die ein Tisch benötigt wird (z.B. zwei Personen).
Für den Test geben wir Ihnen zwei Blöcke mit je 12 Bedienaufgaben vor, die Ihnen einzeln auf
dem Bildschirm präsentiert werden. Jede Aufgabe nennt Ihnen die jeweiligen Eingaben, die Sie
für eine Restaurantsuche vornehmen sollen, z.B. „ein Restaurant mit italienischer Küche in Berlin
um 18:00 Uhr für zwei Personen“.
Nach jeder Aufgabe werden Sie die Interaktion auf einem kurzen Fragebogen bewerten.
Die Bedienung des Prototypen erfolgt wahlweise über Touchscreen oder über Sprache. Sie
selbst entscheiden, wie sie das System bedienen möchten, und Sie können jederzeit – auch
innerhalb einer Restaurantsuche – zwischen den Eingabeformen wechseln.
Zur Eingabe über Touchscreen klicken Sie bitte mit dem Finger auf die entsprechenden Buttons
im Display des Prototypen (siehe Startbildschirm in Abbildung 1).
Die Bedienung über Spracherkennung erfolgt mittels Sprachkommandos, die im Wesentlichen
den Displaybeschriftungen entsprechen, z.B. „Stadt auswählen“, „Berlin“ oder „Restaurant suchen“.
Bitte beachten Sie bei der Spracherkennung, dass Sie auf dem Startbildschirm (Abbildung 1)
zunächst das jeweilige Kriterium nennen müssen, das Sie auswählen möchten (also z.B. „Stadt
auswählen“), bevor Sie die eigentliche Eingabe, z.B. „Mannheim“ direkt nennen können. Das
gleiche gilt für die anderen drei Kriterien Kategorie, Uhrzeit und Personenanzahl.
.
Abbildung 1: Startbildschirm des Prototypen
Haben Sie alle vier Kriterien erfolgreich eingegeben, schicken Sie bitte eine Reservierungsanfrage
über „Restaurant suchen“ ab. Damit ist eine Testaufgabe erledigt.
Sie werden die Bedienung des Prototypen nun zunächst an einigen Beispielaufgaben kennenlernen.
Haben Sie vorab noch Fragen zum Versuch oder zur Bedienung?
73

Anhang
______________________________________________________________________________
C
Aufgaben und Aufgabenkonstruktion
I. Trainingsaufgaben
Aufgabe 1
Aufgabe 2
„Suchen Sie ein Fischrestaurant in Kiel ab 20:00 Uhr für 10 Personen.“
Bearbeitung erfolgte unimodal nur über den Touchscreen.
„Suchen Sie ein Sushi-Restaurant in Wiesbaden ab 21:00 Uhr für 2 Personen.“
Bearbeitung erfolgte unimodal nur über die Spracherkennung.
Aufgabe 3 „Suchen Sie ein orientalisches Restaurant in Dortmund ab 13:00 Uhr für 18
Personen.“
Bearbeitung erfolgte multimodal nach individueller Präferenz und jederzeitiger
Wahlmöglichkeit zwischen Touchscreen und Spracherkennung
II.
Aufgaben des Hauptversuchs
No. Aufgabe Listentiefe
„Stadt“
Listentiefe
„Kategorie“
Listentiefe
„Uhrzeit“
Listentiefe
„Personen“
1 „Suchen Sie ein Restaurant mit
amerikanischer Küche in Freiburg 1 2 3 4
ab 16:00 Uhr für 13 Personen.“
2 „Suchen Sie ein Restaurant mit
griechischer Küche in Erfurt
3 3 3 3
ab 20:00 Uhr für 9 Personen.“
3 „Suchen Sie ein Restaurant mit
mediterraner Küche in Bremen 5 1 6 2
ab 10:00 Uhr für 6 Personen.“
4 „Suchen Sie ein Restaurant mit
chinesischer Küche in Dortmund 2 2 2 2
ab 18:00 Uhr für 5 Personen.“
5 „Suchen Sie ein Restaurant mit
indischer Küche in München
3 5 4 6
ab 01:00 Uhr für 21 Personen.“
6 „Suchen Sie ein Restaurant mit
portugiesischer Küche in Stuttgart 6 6 6 6
ab 11:00 Uhr für 22 Personen.“
7 „Suchen Sie ein Restaurant japanischer
Küche in Düsseldorf
4 2 3 1
ab 22:00 Uhr für 4 Personen.“
8 „Suchen Sie ein Restaurant mit
brasilianischer Küche in Augsburg 1 1 1 1
ab 12:00 Uhr für 2 Personen.“
9 „Suchen Sie ein Restaurant mit
deutscher Küche in Rostock
2 6 1 5
ab 13:00 Uhr für 18 Personen.“
10 „Suchen Sie ein Restaurant mit
italienischer Küche in Köln
4 4 4 4
ab 00:00 Uhr für 14 Personen.“
11 „Suchen Sie ein Restaurant mit
russischer Küche in Hannover 6 5 4 3
ab 06:00 Uhr für 10 Personen.“
12 „Suchen Sie ein Restaurant mit
mexikanischer Küche in Leipzig
ab 07:00 Uhr für 17 Personen.“
5 5 5 5
Grau unterlegte Zeilen präsentieren die sechs „subaufgabenkonsistenten Hauptaufgaben“, in
denen die Listentiefe also für alle vier Subaufgaben identisch ist.
74

Anhang
______________________________________________________________________________
D
Balancierung der Aufgabenreihenfolgen
I. Aufgabenblock 1
Versuchsbedingung:
Touch einwandfrei (T+) / Sprache einwandfrei (S+)
VP01 1 3 5 7 9 11 12 10 8 6 4 2
VP02 3 5 7 9 11 12 10 8 6 4 2 1
VP03 5 7 9 11 12 10 8 6 4 2 1 3
VP04 7 9 11 12 10 8 6 4 2 1 3 5
VP05 9 11 12 10 8 6 4 2 1 3 5 7
VP06 11 12 10 8 6 4 2 1 3 5 7 9
VP07 12 10 8 6 4 2 1 3 5 7 9 11
VP08 10 8 6 4 2 1 3 5 7 9 11 12
VP09 8 6 4 2 1 3 5 7 9 11 12 10
VP10 6 4 2 1 3 5 7 9 11 12 10 8
VP11 4 2 1 3 5 7 9 11 12 10 8 6
VP12 2 1 3 5 7 9 11 12 10 8 6 4
Versuchsbedingung:
Touch fehlerbehaftet (T-) / Sprache einwandfrei (S+)
VP13 1 3 5 7 9 11 12 10 8 6 4 2
VP14 3 5 7 9 11 12 10 8 6 4 2 1
VP15 5 7 9 11 12 10 8 6 4 2 1 3
VP16 7 9 11 12 10 8 6 4 2 1 3 5
VP17 9 11 12 10 8 6 4 2 1 3 5 7
VP18 11 12 10 8 6 4 2 1 3 5 7 9
VP19 12 10 8 6 4 2 1 3 5 7 9 11
VP20 10 8 6 4 2 1 3 5 7 9 11 12
VP21 8 6 4 2 1 3 5 7 9 11 12 10
VP22 6 4 2 1 3 5 7 9 11 12 10 8
VP23 4 2 1 3 5 7 9 11 12 10 8 6
VP24 2 1 3 5 7 9 11 12 10 8 6 4
75

Anhang
______________________________________________________________________________
Versuchsbedingung:
Touch einwandfrei (T+) / Sprache fehlerbehaftet (S-)
VP25 1 3 5 7 9 11 12 10 8 6 4 2
VP26 3 5 7 9 11 12 10 8 6 4 2 1
VP27 5 7 9 11 12 10 8 6 4 2 1 3
VP28 7 9 11 12 10 8 6 4 2 1 3 5
VP29 9 11 12 10 8 6 4 2 1 3 5 7
VP30 11 12 10 8 6 4 2 1 3 5 7 9
VP31 12 10 8 6 4 2 1 3 5 7 9 11
VP32 10 8 6 4 2 1 3 5 7 9 11 12
VP33 8 6 4 2 1 3 5 7 9 11 12 10
VP34 6 4 2 1 3 5 7 9 11 12 10 8
VP35 4 2 1 3 5 7 9 11 12 10 8 6
VP36 2 1 3 5 7 9 11 12 10 8 6 4
Versuchsbedingung:
Touch fehlerbehaftet (T-) / Sprache fehlerbehaftet (S-)
VP37 1 3 5 7 9 11 12 10 8 6 4 2
VP38 3 5 7 9 11 12 10 8 6 4 2 1
VP39 5 7 9 11 12 10 8 6 4 2 1 3
VP40 7 9 11 12 10 8 6 4 2 1 3 5
VP41 9 11 12 10 8 6 4 2 1 3 5 7
VP42 11 12 10 8 6 4 2 1 3 5 7 9
VP43 12 10 8 6 4 2 1 3 5 7 9 11
VP44 10 8 6 4 2 1 3 5 7 9 11 12
VP45 8 6 4 2 1 3 5 7 9 11 12 10
VP46 6 4 2 1 3 5 7 9 11 12 10 8
VP47 4 2 1 3 5 7 9 11 12 10 8 6
VP48 2 1 3 5 7 9 11 12 10 8 6 4
II. Aufgabenblock 2
alle
VPn
11 9 7 5 3 1 12 2 4 6 8 10
76

Anhang
______________________________________________________________________________
E
Fragebögen
I. Soziodemografie
Geschlecht: O weiblich O männlich
Alter: _________________________________________
Beruf (wenn Student, mit Fachrichtung): __________________________________________
Haben Sie in der Vergangenheit bei Versuchen mit Sprachsteuerungssystemen
teilgenommen?
O
O
ja
nein
Besitzen Sie ein Handy mit Touchscreen Funktionalität? O ja
O nein
Wie oft nutzen Sie Touchscreen Eingabesysteme (z.B.
Smartphones, Fahrkartenautomaten, Bankautomaten, u.ä.)?
O
O
O
O
täglich
wöchentlich
seltener
nie
Hat ihr Handy eine Sprachfunktion? O ja
O nein
Wenn ja, benutzen Sie diese? O immer
O oft
O selten
O nie
Sprechen Sie auf Anrufbeantworter/Mailboxes? O immer
O oft
O selten
O nie
Haben Sie Erfahrungen mit Sprachdialogsystemen/Spracheingabesystemen?
(z.B. automatische Hotlines der Bahn, von Versicherungen,
Telefonanbietern, Navi-Eingabe über Sprache u.ä.)
O
O
ja
nein
Wie oft nutzen Sie Sprachdialogsysteme? O täglich
O wöchentlich
O seltener
O nie
77

Anhang
______________________________________________________________________________
II.
Skala zur subjektiv erlebten Anstrengung (SEA)
Beanspruchungshöhe
Bitte kreuzen Sie auf der folgenden Skala Ihre Gesamtbewertung für die gerade absolvierte
Aufgabe an.
78

Anhang
______________________________________________________________________________
III.
Bewertung der wahrgenommenen Produktqualitäten (AttrakDiff)
Nachfolgend finden Sie einige Wortpaare, mit deren Hilfe Sie das System bewerten können. Die
Wortpaare stellen jeweils extreme Gegensätze dar, zwischen denen eine Abstufung möglich ist.
Zum Beispiel:
unsympathisch
sympathisch
Diese Bewertung bedeutet, dass das System eher sympathisch, aber noch verbesserungsbedürftig
ist.
Denken Sie nicht lange über die Wortpaare nach, sondern geben Sie bitte die Einschätzung ab,
die Ihnen spontan in den Sinn kommt. Vielleicht passen einige Wortpaare nicht so gut auf das
System kreuzen Sie aber trotzdem bitte immer eine Antwort an. Denken Sie daran, dass es
keine "richtigen" oder "falschen" Antworten gibt - nur Ihre persönliche Meinung zählt!
menschlich
isolierend
angenehm
originell
einfach
fachmännisch
hässlich
praktisch
sympathisch
umständlich
stilvoll
voraussagbar
minderwertig
ausgrenzend
nicht vorzeigbar
zurückweisend
phantasielos
gut
verwirrend
technisch
verbindend
unangenehm
konventionell
kompliziert
laienhaft
schön
unpraktisch
unsympathisch
direkt
stillos
unberechenbar
wertvoll
einbeziehend
vorzeigbar
einladend
kreativ
schlecht
übersichtlich
79

Anhang
______________________________________________________________________________
abstoßend
mutig
innovativ
lahm
bringt mich Leuten
näher
motivierend
neuartig
widerspenstig
harmlos
anziehend
vorsichtig
konservativ
fesselnd
trennt mich von
Leuten
entmutigend
herkömmlich
handhabbar
herausfordernd
80

Anhang
______________________________________________________________________________
F
Prüfung der statistischen Voraussetzungen
I. Verteilungsform der abhängigen Variablen
Kennwerte zur Prüfung der Verteilungsform der abhängigen Variablen. Angegeben sind die deskriptiven
Kennwerte der Verteilungen sowie die Größen zur Prüfung der Normalverteilung anhand des
Shapiro-Wilk-Tests; * p < .05.
abhängige Variable M s Schiefe Kurtosis Shapiro-
Sprache auf Startseite, Block 1 .55 0.32 -0.40 -0.89 .928 48 .006*
Sprache Listentiefe 1, Block 1 .58 0.36 -0.18 -1.49 .878 48 < .000*
Sprache Listentiefe 2, Block 1 .76 0.30 -1.30 0.61 .776 48 < .000*
Sprache Listentiefe 3, Block 1 .81 0.27 -1.68 2.26 .764 48 < .000*
Sprache Listentiefe 4, Block 1 .85 0.25 -2.17 4.37 .645 48 < .000*
Sprache Listentiefe 5, Block 1 .84 0.27 -1.79 2.80 .728 48 < .000*
Sprache Listentiefe 6, Block 1 .86 0.27 -2.02 3.52 .664 48 < .000*
SEA Listentiefe 1, Block 1 23.65 26.25 2.58 9.64 .761 48 < .000*
SEA Listentiefe 2, Block 1 27.33 27.42 1.34 1.39 .857 48 < .000*
SEA Listentiefe 3, Block 1 25.50 25.92 1.49 1.82 .829 48 < .000*
SEA Listentiefe 4, Block 1 23.62 28.62 2.78 9.41 .719 48 < .000*
SEA Listentiefe 5, Block 1 26.56 24.99 1.17 0.65 .869 48 < .000*
SEA Listentiefe 6, Block 1 22.85 22.40 1.34 1.34 .854 48 < .000*
Pragmatik, Block 1 5.54 0.87 -1.27 2.79 .909 48 .001*
Identifikation, Block 1 4.60 0.93 -0.65 0.47 .957 48 .077*
Stimulation, Block 1 4.54 0.88 -0.35 -0.09 .983 48 .706*
Attraktivität, Block 1 5.23 0.96 -1.04 1.19 .926 48 .005*
Sprache auf Startseite, Block 2 .55 0.36 -0.36 -1.28 .891 48 < .000*
Sprache Listentiefe 1, Block 2 .56 0.37 -0.19 -1.45 .879 48 < .000*
Sprache Listentiefe 2, Block 2 .78 0.32 -1.30 0.29 .721 48 < .000*
Sprache Listentiefe 3, Block 2 .88 0.25 -2.57 6.26 .563 48 < .000*
Sprache Listentiefe 4, Block 2 .89 0.25 -2.45 6.01 .603 48 < .000*
Sprache Listentiefe 5, Block 2 .90 0.23 -2.71 9.28 .641 48 < .000*
Sprache Listentiefe 6, Block 2 .92 0.22 -2.84 9.83 .507 48 < .000*
SEA Listentiefe 1, Block 2 22.38 26.15 2.16 5.39 .765 48 < .000*
SEA Listentiefe 2, Block 2 20.71 20.55 1.48 2.32 .855 48 < .000*
SEA Listentiefe 3, Block 2 14.98 15.87 1.25 0.96 .845 48 < .000*
SEA Listentiefe 4, Block 2 19.60 18.05 1.69 4.58 .860 48 < .000*
SEA Listentiefe 5, Block 2 18.04 22.46 2.92 9.55 .701 48 < .000*
SEA Listentiefe 6, Block 2 20.58 22.42 1.76 4.14 .820 48 < .000*
Pragmatik, Block 2 5.58 0.86 -1.09 0.96 .906 48 .001*
Identifikation, Block 2 4.54 0.92 -0.53 0.15 .972 48 .315*
Stimulation, Block 2 4.63 0.85 -0.33 -0.12 .979 48 .541*
Attraktivität, Block 2 5.22 0.92 -.094 0.77 .932 48 .008*
Wilk
df
p
81

Anhang
______________________________________________________________________________
II.
Homogenität der Fehlervarianzen (Levene-Test)
Levene-Tests zur Prüfung der Varianzhomogenität; * p < .05.
Quelle der Varianz F df1 df2 p
Sprache auf Startseite, Block 1 2.352 3 44 .085
Sprache auf Startseite, Block 2 3.425 3 44 .025*
Sprache Listentiefe 1, Block 1 1.462 3 44 .238
Sprache Listentiefe 2, Block 1 7.481 3 44 .000*
Sprache Listentiefe 3, Block 1 5.879 3 44 .002*
Sprache Listentiefe 4, Block 1 2.466 3 44 .075
Sprache Listentiefe 5, Block 1 2.798 3 44 .051
Sprache Listentiefe 6, Block 1 4.792 3 44 .006*
Sprache Listentiefe 1, Block 2 5.709 3 44 .002*
Sprache Listentiefe 2, Block 2 6.704 3 44 .001*
Sprache Listentiefe 3, Block 2 6.782 3 44 .001*
Sprache Listentiefe 4, Block 2 2.126 3 44 .111
Sprache Listentiefe 5, Block 2 1.660 3 44 .189
Sprache Listentiefe 6, Block 2 1.304 3 44 .285
SEA Listentiefe 1, Block 1 2.561 3 44 .067
SEA Listentiefe 2, Block 1 5.308 3 44 .003*
SEA Listentiefe 3, Block 1 4.414 3 44 .008*
SEA Listentiefe 4, Block 1 5.372 3 44 .003*
SEA Listentiefe 5, Block 1 3.737 3 44 .018*
SEA Listentiefe 6, Block 1 4.267 3 44 .010*
SEA Listentiefe 1, Block 2 1.657 3 44 .190
SEA Listentiefe 2, Block 2 3.210 3 44 .032*
SEA Listentiefe 3, Block 2 2.523 3 44 .070
SEA Listentiefe 4, Block 2 0.974 3 44 .413
SEA Listentiefe 5, Block 2 1.896 3 44 .144
SEA Listentiefe 6, Block 2 2.391 3 44 .081
Pragmatik, Block 1 1.297 3 44 .287
Identifikation, Block 1 2.814 3 44 .050
Stimulation, Block 1 0.598 3 44 .620
Attraktivität, Block 1 2.268 3 44 .094
Pragmatik, Block 2 2.556 3 44 .067
Identifikation, Block 2 3.674 3 44 .019*
Stimulation, Block 2 3.290 3 44 .029*
Attraktivität, Block 2 4.410 3 44 .009*
82

Anhang
______________________________________________________________________________
G
Deskriptive Ergebnisse
I. Sprachnutzung auf der Startseite
Mittelwerte und Standardabweichungen der relativen Häufigkeit von Sprachnutzung auf der
Startseite.
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+) Touchfehler (T-) keine Touchfehler (T+)
M s M s M s M s
Block 1 .67 0.21 .75 0.25 .31 0.34 .48 0.29
Block 2 .70 0.19 .77 0.26 .25 0.35 .49 0.37
II.
Sprachnutzung auf dem jeweils ersten Listenbildschirm
Mittelwerte und Standardabweichungen der relativen Häufigkeit von Sprachnutzung auf dem jeweils
ersten Listenbildschirm einer Subaufgabe im ersten Aufgabenblock.
Spracherkennungsfehler (S-)
Touchfehler (T-) keine Touchfehler (T+)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+)
M s M s M s M s
Listentiefe 1 .71 0.25 .84 0.24 .37 0.34 .39 0.37
Listentiefe 2 .88 0.16 .90 0.19 .72 0.29 .55 0.40
Listentiefe 3 .96 0.08 .89 0.22 .71 0.25 .68 0.37
Listentiefe 4 .94 0.14 .93 0.16 .80 0.29 .74 0.33
Listentiefe 5 .95 0.14 .87 0.25 .73 0.33 .79 0.32
Listentiefe 6 .92 0.18 .97 0.11 .86 0.30 .69 0.35
Mittelwerte und Standardabweichungen der relativen Häufigkeit von Sprachnutzung auf dem jeweils
ersten Listenbildschirm einer Subaufgabe im zweiten Aufgabenblock.
Spracherkennungsfehler (S-)
Touchfehler (T-) keine Touchfehler (T+)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+)
M s M s M s M s
Listentiefe 1 .67 0.26 .80 0.29 .37 0.30 .42 0.46
Listentiefe 2 .87 0.22 .90 0.18 .75 0.34 .59 0.42
Listentiefe 3 .99 0.03 .94 0.12 .88 0.28 .71 0.34
Listentiefe 4 .94 0.16 .97 0.15 .85 0.31 .81 0.31
Listentiefe 5 .95 0.11 1.00 0.13 .86 0.29 .78 0.29
Listentiefe 6 .96 0.06 .96 0.18 .90 0.29 .85 0.29
83

Anhang
______________________________________________________________________________
III.
SEA-Werte auf dem jeweils ersten Listenbildschirm
Mittelwerte und Standardabweichungen der subjektiv erlebten Anstrengung (SEA) im ersten Aufgabenblock.
Anmerkungen: Die Skala reicht von [0-220].
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+) Touchfehler (T-) keine Touchfehler (T+)
M s M s M s M s
Listentiefe 1 35.25 40.60 14.25 11.53 28.75 23.74 16.33 16.44
Listentiefe 2 46.42 34.14 19.67 15.83 31.75 30.27 11.50 11.11
Listentiefe 3 50.50 31.70 14.08 11.58 20.17 14.60 17.25 24.29
Listentiefe 4 47.33 43.97 14.50 12.09 24.25 19.96 8.42 8.12
Listentiefe 5 44.42 31.70 16.67 12.92 27.25 23.29 17.92 20.44
Listentiefe 6 39.92 28.74 9.58 8.70 22.42 18.54 19.50 19.39
Mittelwerte und Standardabweichungen der subjektiv erlebten Anstrengung (SEA) im zweiten
Aufgabenblock. Anmerkungen: Die Skala reicht von [0-220].
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+) Touchfehler (T-) keine Touchfehler (T+)
M s M s M s M s
Listentiefe 1 37.83 31.51 12.33 11.53 29.25 28.96 10.08 19.26
Listentiefe 2 41.33 24.90 13.17 11.15 17.67 16.29 10.67 12.20
Listentiefe 3 30.83 17.94 12.75 11.15 9.75 13.73 6.58 7.45
Listentiefe 4 34.25 22.57 15.33 11.70 18.25 14.21 10.58 14.12
Listentiefe 5 35.33 32.43 10.42 9.85 18.25 19.41 8.17 11.61
Listentiefe 6 43.50 27.56 13.08 11.63 18.83 16.29 6.92 12.07
84

Anhang
______________________________________________________________________________
IV.
Wahrgenommene Produktqualitäten (AttrakDiff)
Mittelwerte und Standardabweichungen des AttrakDiff nach dem ersten Aufgabenblock. Anmerkungen:
Das semantische Differential reicht von [-3] bis [3].
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+) Touchfehler (T-) keine Touchfehler (T+)
M s M s M s M SD
Pragmatik 0.90 0.71 2.13 0.44 1.39 1.12 1.75 .60
Identifikation 0.19 0.95 1.01 0.55 0.37 1.20 0.84 .76
Stimulation 0.79 0.78 0.31 0.73 0.24 1.08 0.83 .84
Attraktivität 0.81 1.22 1.67 0.54 1.15 1.12 1.30 .71
Mittelwerte und Standardabweichungen des AttrakDiff nach dem zweiten Aufgabenblock. Anmerkungen:
Das semantische Differential reicht von [-3] bis [3].
Spracherkennungsfehler (S-)
keine Spracherkennungsfehler (S+)
Touchfehler (T-) keine Touchfehler (T+) Touchfehler (T-) keine Touchfehler (T+)
M SD M SD M SD M SD
Pragmatik 4.90 .89 6.15 .43 5.50 .97 5.77 .57
Identifikation 4.26 .94 4.88 .45 4.34 1.14 4.69 .96
Stimulation 4.81 .82 4.45 .60 4.34 1.21 4.90 .62
Attraktivität 4.77 1.10 5.67 .30 5.12 1.14 5.32 .76
85

Anhang
______________________________________________________________________________
H Inferenzstatistische Ergebnisse
I. Wahrgenommene Produktqualitäten (AttrakDiff)
2x2x2 Varianzanalyse zur Pragmatischen Qualität; (*) p < .1; * p < .05; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 13.768 1 44 .001** .238
Toucherkennung (T) - between 0.147 1 44 .703** .003
Aufgabenblock (B) - within 0.400 1 44 .531** .009
S x T 4.856 1 44 .033** .099
S x B 0.059 1 44 .809** .001
T x B 0.192 1 44 .664** .004
S x T x B 0.192 1 44 .664** .004
2x2x2 Varianzanalyse zur Hedonischen Qualität: Identifikation; (*) p < .1; * p < .05; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 4.955 1 44 .031** .101
Toucherkennung (T) - between 0.009 1 44 .926** .000
Aufgabenblock (B) - within 1.029 1 44 .316** .023
S x T 0.371 1 44 .546** .008
S x B 2.016 1 44 .163** .044
T x B 0.257 1 44 .615** .006
S x T x B 0.093 1 44 .762** .002
2x2x2 Varianzanalyse zur Hedonischen Qualität: Stimulation; (*) p < .1; * p < .05; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 0.111 1 44 .740** .003
Toucherkennung (T) - between 0.001 1 44 .971** .000
Aufgabenblock (B) - within 2.197 1 44 .145** .048
S x T 4.259 1 44 .045** .088
S x B 0.128 1 44 .722** .003
T x B 0.003 1 44 .959** .000
S x T x B 0.441 1 44 .510** .010
2x2x2 Varianzanalyse zur Attraktivität; (*) p < .1; * p < .05; ** p < .01.
Quelle der Varianz F df1 df2 p part. η 2
Spracherkennung (S) - between 4.093 1 44 .049* .085
Toucherkennung (T) - between 0.001 1 44 .982* .000
Aufgabenblock (B) - within 0.052 1 44 .820* .001
S x T 1.840 1 44 .182* .040
S x B 0.209 1 44 .649* .005
T x B 0.013 1 44 .909* .000
S x T x B 0.013 1 44 .909* .000
86