Sensing Interruptibility in the Office #chi2018

Manuela Züger (University of Zürich) stellte die Ergebnisse einer Feldstudie (n=13, Softwareentwickler) zur Erkennung und Vorhersage der Unterbrechbarkeit am Arbeitsplatz bzw. bei der Arbeit am Computer vor. Die Motivation für die Studie waren die hohen Kosten, die ungewollte Unterbrechungen am Arbeitsplatz haben, wie z.B. Verlangsamung der Arbeit und Fehler.

Die Messung basierte auf biometrische Sensoren (Fitbit und Polar H7) und Computer-Interaction Sensoren (Maus, Keyboard, …). Gemessen wurden ingesamt 85 Variablen, wie z.B. Herzschlag, Tastatureingaben, Mausklicks, Mausbewegungen, Fensterwechsel, genutzte Anwendung. Der Grad der Unterbrechbarkeit wurde mittels Fragebogen erhoben.

Aus den Daten wurde mittels Machine Learning ein Modell zur Vorhersage der Unterbrechbarkeit abgeleitet. Das Ergebnis zeigt, dass sich mit den Daten von Computer-Interaction Sensoren – also Daten von Maus, Keyboard, Anwendungswechsel und genutzte Anwendung – mit ausreichender Genauigkeit vorhersagen lässt, ob ein Anwender unterbrechbar ist oder nicht.

Siehe auch

Vollständiges Paper in der ACM Digital Library