Data visualization of virtual reality library user data
Jutila, Risto; Kopsa, Mirko; Zhu, Sihan (2020-06-18)
Jutila, Risto
Kopsa, Mirko
Zhu, Sihan
R. Jutila; M. Kopsa; S. Zhu
18.06.2020
© 2020 Risto Jutila, Mirko Kopsa, Sihan Zhu. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202006242649
https://urn.fi/URN:NBN:fi:oulu-202006242649
Kuvaus
Kandidaatintyö. Tekijä: Risto Jutila ja Mirko Kopsa. Kurssisuoritus tekijälle Sihan Zhu.
Bachelor's thesis by Risto Jutila and Mirko Kopsa. Completion of the course accredited to Sihan Zhu.
Bachelor's thesis by Risto Jutila and Mirko Kopsa. Completion of the course accredited to Sihan Zhu.
Tiivistelmä
User research is an important part of developing software. In the gaming industry, different ways to analyse user behaviour is an increasingly important part of research. However, as game analytics are relatively new to the game industry, there is limited amount of research available. In this work, we discuss how to visualise collected data in virtual reality environments in a meaningful way to improve product quality and extract user behaviour patterns.
We use clustering algorithms and analytical functions to have a more comprehensive look on test participants’ behaviour with our Data Visualization tool. This behaviour is then presented using different path maps, heat maps and data charts.
Originally our aim was to conclude research on user behaviour in the Oulu Virtual Library application, but due to the COVID-19 pandemic, we had to change our focus from user research to designing and implementing a tool for researchers to analyse similar data sets as our example data. Even though we had no concrete user data, researchers can use the tool we developed with relative small modifications, when dealing with similar data cases in the future. Usability improvements and real-word experiences are still needed to make the tool more robust. Käyttäjätutkimus on tärkeä osa ohjelmistokehitystä. Koska pelianalytiikka on suhteellisen uutta peliteollisuudessa ja saatavilla oleva tutkimus vähäistä, loppukäyttäjien toiminnan analysointi on yhä tärkeämpi osa peliteollisuuden kehitystä. Tässä tutkielmassa pohditaan, kuinka virtuaaliympäristöistä kerättyä dataa voidaan esittää, merkityksellisellä tavalla, tuotteiden kehittämiseksi ja käyttäjien erilaisten käyttäytymismallien tunnistamiseksi.
Käytämme ryhmittelyalgoritmeja ja analyyttisia funktioita, jotta saamme esitettyä käyttäjien toimintaa datavisualisointityökaluamme hyödyntämällä. Käyttäjien toiminta esitetään erilaisten polku- ja lämpökarttojen sekä datakaavioiden avulla.
Alkuperäisenä tarkoituksenamme oli tutkia käyttäjien toimintaa Oulun Virtuaalikirjasto-sovelluksessa, mutta COVID-19-pandemian takia jouduimme siirtämään painopisteen käyttäjätutkimuksesta tutkijoille suunnatun datavisualisointityökalun suunnitteluun ja kehitykseen. Vaikka emme saaneet konkreettista aineistoa, tutkijat voivat käyttää työkalua, suhteellisen pienillä muunnoksilla, esimerkkiaineistoa vastaavan aineiston käsitelyyn ja analysointiin tulevaisuudessa. Työkalu tarvitsee yhä käytettävyysparannuksia ja todellisia käyttökokemuksia työkalun käyttövarmuuden parantamiseksi.
We use clustering algorithms and analytical functions to have a more comprehensive look on test participants’ behaviour with our Data Visualization tool. This behaviour is then presented using different path maps, heat maps and data charts.
Originally our aim was to conclude research on user behaviour in the Oulu Virtual Library application, but due to the COVID-19 pandemic, we had to change our focus from user research to designing and implementing a tool for researchers to analyse similar data sets as our example data. Even though we had no concrete user data, researchers can use the tool we developed with relative small modifications, when dealing with similar data cases in the future. Usability improvements and real-word experiences are still needed to make the tool more robust.
Käytämme ryhmittelyalgoritmeja ja analyyttisia funktioita, jotta saamme esitettyä käyttäjien toimintaa datavisualisointityökaluamme hyödyntämällä. Käyttäjien toiminta esitetään erilaisten polku- ja lämpökarttojen sekä datakaavioiden avulla.
Alkuperäisenä tarkoituksenamme oli tutkia käyttäjien toimintaa Oulun Virtuaalikirjasto-sovelluksessa, mutta COVID-19-pandemian takia jouduimme siirtämään painopisteen käyttäjätutkimuksesta tutkijoille suunnatun datavisualisointityökalun suunnitteluun ja kehitykseen. Vaikka emme saaneet konkreettista aineistoa, tutkijat voivat käyttää työkalua, suhteellisen pienillä muunnoksilla, esimerkkiaineistoa vastaavan aineiston käsitelyyn ja analysointiin tulevaisuudessa. Työkalu tarvitsee yhä käytettävyysparannuksia ja todellisia käyttökokemuksia työkalun käyttövarmuuden parantamiseksi.
Kokoelmat
- Avoin saatavuus [31914]