Lehdistötiedote 7.8.2007
Voiko kännykkä ennustaa katseesi?
Jos niin haluamme, tulevaisuuden kännykkä voi ennakoida toimintaamme ja pyrkiä sopeutumaan vaihtuvien tilanteiden vaatimuksiin. Tietotekniikan tutkimuslaitos HIITissä arvioitiin mahdollisuutta mallintaa kaupungilla liikkuvan käyttäjän ajan jakautumista kännykän käytön ja muun toiminnan välillä. Parhaat mallit saavuttivat noin 70% ennustustarkkuuden, mikä on useiden sovellusten toiminnan kannalta riittävä.
Jokainen tietää, että kaupungilla liikkuessa on vaikea keskittyä kännykän käyttöön, koska ympärillä on paljon muutakin huomiota vaativaa. Mutta pystyisikö kännykkä ennustamaan itseensä kohdistuvan huomion määrää ja laatua vaikkapa seuraavan puolen minuutin aikana? HIITin tutkimuksessa oli pyrkimyksenä ennustaa, kuinka paljon kännykän käyttäjällä on aikaa tiedonhakuun seuraavan 30 sekunnin kuluessa.
Tällaista ennustetta voidaan käyttää esimerkiksi tiedon esittämistavan muokkaamiseen käyttäjän kiireisyyden mukaan. Kännykkä voisi ladata sivuja taustalla silloin kun käyttäjä ei katso sitä, tai näyttää viestejä kun tämä on vähemmän kiireinen. Työyhteisössä reaaliaikaisesti välitettyä tietoa kiireisyydestä taas voitaisiin hyödyntää puhelujen ja viestien ajoittamisessa.
Helsingin yliopiston ja Teknillisen korkeakoulun yhteisen Tietotekniikan tutkimuslaitos HIITin tutkijat arvioivat mahdollisuutta ennustaa tilastollisilla malleilla tarkkaavaisuuden jakautumista kännykän ja muiden kohteiden välillä. Jotta kännykän käyttöä voitiin seurata koetilanteessa, HIIT kehitti Nokian tutkimuskeskuksen kanssa ensimmäinen liikkuvan käyttäjän päälle puettavan monikamerajärjestelmä. Kokeessa käyttäjille puettiin monikameralaitteisto päälle ja he suorittivat noin tunnin ajan tiedonhakutehtäviä mobiiliselaimella liikkuessaan Helsingin keskustassa. Reitti kattoi Ruoholahden, Sörnäisen ja Rautatientorin - pisteiden välillä liikuttiin metrolla, bussilla ja jalkaisin, käyden välillä kahvilassakin. Monivideokuva-aineistosta merkittiin käsin tapahtumia sekunnin tarkkuudella: katsooko käyttäjä puhelimeen vai muualle, kuinka ruuhkainen ympäristö on, käveleekö käyttäjä jne. Yhteensä näin saatiin 179 hypoteettista "sensoria", jotka kuvaavat kullakin ajanhetkellä ympäristössä tapahtuvia ja käyttäjän tekemiä asioita.
Tästä aineistosta rakennettiin tilastollisia malleja, joiden avulla pyrittiin ennustamaan useita tarkkaavaisuuden jakautumista kuvaavia muuttujia, mm. kuinka kauan ja kuinka monta kertaa käyttäjä tulee seuraavan 30 sekunnin aikana katsomaan kännykkää. Käyttäjän silmänliikkeitä tarkkaileva sensori ei paranna tuloksia merkittävästi, vaan lähelle parasta saavutettavissa olevaa tasoa päästään melko yksinkertaisilla sensoreilla. Hyödyllisimmät sensorit liittyivät käyttäjän liikkumiseen, ympäristön tuttuuteen, paikkaan ja www-sivun lataustilaan selaimessa. Toisaalta parhaan mahdollisen ennustustarkkuuden saavuttaminen vaatisi käyttäjien yksityisyyttä uhkaavan keskitetyn järjestelmän rakentamista.
Tutkimusta rahoitti kaksi Suomen Akatemian PROACT-tutkimusohjelman projektia. PRIMA-projektin päätavoitteena oli kehittää menetelmiä pöytätietokoneeseen liitetystä silmänliikekamerasta saatavan tiedon hyödyntämiseen, ja Context-projektissa puolestaan tutkittiin malleja liikkuvasta käyttäjästä kontekstitietoisissa mobiilisovelluksissa.
Tutkimus on hyväksytty julkaistavaksi User Modeling and User Adaptive Interaction (UMUAI) -lehdessä, yhdessä tietojenkäsittelytieteen parhaista lehdistä.
Lisätietoja:
Tutkijatohtori Antti Oulasvirta, HIIT, antti.oulasvirta@hiit.fi