Usability testing with a prototype user interface of an Artificial Intelligence driven air-Safety Tool (AISaT)
Dieses Papier berichtet über eine Usability-Studie eines Prototyps eines KI-gestützten Luftsicherheitstools (AISaT) unter Einbeziehung von zehn Krankenhausmitarbeitern, welche spezifische Schnittstellenverbesserungen identifizierte und kritische Entscheidungen bezüglich Datenvariablen, Infektionsannahmen und Nutzerautonomie hervorhob, die für die zukünftige Entwicklung notwendig sind.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie hätten einen superintelligenten digitalen Assistenten, der darauf spezialisiert ist, ein ganz bestimmtes Problem zu lösen: Krankenzimmer vor unsichtbaren Keimen zu schützen, die in der Luft schweben. Dieses Werkzeug wird AISaT (Artificial Intelligence driven air-Safety Tool) genannt. Es nutzt komplexe Mathematik und Informatik, um genau zu berechnen, wo man einen riesigen Luftfilter (wie etwa einen HEPA-Filter) platzieren muss, damit er die meisten Keime abfängt, bevor sie jemanden krank machen können.
Doch bevor die Ärzte und Pflegekräfte dieses „smarten Assistenten“ tatsächlich nutzen konnten, wollten die Entwickler sicherstellen, dass er nicht zu kompliziert in der Handhabung ist. Deshalb luden sie 10 Mitarbeiter aus dem Krankenhaus (Ärzte, Pflegekräfte und Gebäudemanager) ein, einen Prototypen (eine Testversion) des Werkzeugs unter die Lupe zu nehmen und ihnen zu sagen, was sie davon halten.
Hier ist, was passiert ist, einfach erklärt:
Die „Probefahrt“
Die Forscher ließen das Personal das Werkzeug noch nicht selbst benutzen. Stattdessen zeigten sie ihnen den Bildschirm per Videoanruf und sagten: „Schauen Sie sich das an und sagen Sie uns laut, was Sie denken.“ Sie gingen sechs Schritte durch, wie zum Beispiel das Ausfüllen eines digitalen Formulars über ein Krankenhauszimmer:
- Das Zimmer: Wie groß ist es?
- Die Menschen: Wer ist darin? (Patienten, Ärzte usw.)
- Der Filter: Wo sollte der Luftreiniger platziert werden?
- Das Ergebnis: Ein 3D-Bild, das zeigt, wie gut der Filter arbeitet.
Was das Personal sagte (Das Gute, das Schlechte und das Verwirrende)
Das Personal gab sehr hilfreiches Feedback, das die Forscher in einige Hauptkategorien gruppierten:
1. „Was soll ich hier eigentlich machen?“ (Verständlichkeit)
- Das Problem: Die Anweisungen waren ein wenig wie eine Landkarte, die in einer Fremdsprache geschrieben ist. Das Personal war sich nicht sicher, ob sie fünf Filter in den Raum stellen sollten oder nur den besten von fünf Vorschlägen auswählen sollten.
- Die Lösung: Sie schlugen vor, verwirrende Begriffe umzubenennen. Statt „Human Models“ (Menschliche Modelle) nennt man sie „Patient“ und „Arzt“. Statt „Mitigation“ (Minderung) sagt man einfach „Luftfilter“. Sie wollten auch klarere Beschriftungen, damit sie wisse, wie sie zwei verschiedene Standorte miteinander vergleichen.
2. „Ist das die echte Welt?“ (Inhalt & Realität)
- Das Problem: Das Werkzeug war etwas zu simpel. Es wusste nicht von Dingen, die tatsächlich in einem Raum existieren, wie Fenstern, Vorhängen oder Möbeln, die die Luft blockieren. Zudem hatte es Schwierigkeiten mit der Frage: „Wer ist krank?“
- Einige Mitarbeiter hatten die Sorge, dass, wenn das Tool davon ausgeht, dass alle krank sind, es empfehlen würde, tausende teure Filter zu kaufen, die das Krankenhaus sich gar nicht leisten kann.
- Andere wiederum befürchteten, dass es gefährliche Patienten übersehen könnte, wenn es davon ausgeht, dass niemand krank ist.
- Die Lösung: Das Werkzeug muss intelligenter werden. Es sollte nach spezifischen Krankheiten fragen (wie Grippe vs. Tuberkulose) und Faktoren wie Husten oder schweres Atmen berücksichten, nicht nur das allgemeine „Atmungsniveau“.
3. „Ich finde die Knöpfe nicht!“ (Navigation)
- Das Problem: Das Bewegen der kleinen digitalen Menschen im Raum war schwierig. Man musste Tasten wie „Q“ auf der Tastatur drücken, um sie zu bewegen, was sich klobig anfühlte. Es war, als würde man versuchen, ein Auto nur mit der Hupe zu steuern.
- Die Lösung: Erlauben Sie den Nutzern, Gegenstände mit der Maus per Drag-and-Drop zu bewegen, genau wie beim Verschieben von Möbeln in einem Videospiel. Außerdem fanden einige Leute es überwältigend, alle Schritte auf einer einzigen riesigen Seite zu sehen; sie bevorzugten es, einen Schritt nach dem anderen zu sehen.
4. „Ich kann den Unterschied nicht erkennen!“ (Sichtbarkeit)
- Das Problem: Das Werkzeug nutzte Farben (wie Rot und Blau), um anzuzeigen, wo sich die Keime befanden. Aber für Menschen, die farbenblind sind, oder bei Bildschirmen, auf denen die Farben zu stark kontrastieren, war es unmöglich, zwischen „sicherer Luft“ und „gefährlicher Luft“ zu unterscheiden.
- Die Lösung: Verwenden Sie Formen, Zahlen oder klarere Bilder anstelle von reinen Farben. Zudem sollte der Text größer gemacht werden.
5. „Wird das überhaupt in mein Zimmer passen?“ (Arbeitsablauf & Praktikabilität)
- Das Problem: Das Werkzeug sagt vielleicht: „Stellen Sie den Filter genau hierhin!“ Aber in der Realität befindet sich dieser Platz vielleicht direkt neben einer Tür, oder es gibt dort keine Steckdose in der Nähe, oder das Kabel wäre eine Stolperfalle.
- Die Lösung: Das Werkzeug muss prüfen, ob ein Standort auch praktisch ist, nicht nur wissenschaftlich perfekt. Es sollte fragen: „Ist eine Steckdose in der Nähe?“
6. „Wer ist hier der Chef des Werkzeugs?“ (Zuständigkeit)
- Das Problem: Niemand war sich sicher, wer für die Nutzung zuständig sein sollte.
- Die Kliniker (Ärzte/Pflegekräfte) sagten: „Wir sind zu beschäftigt mit der Patientenversorgung, um Räume zu vermessen und Daten einzugeben.“
- Das Facility Management (Gebäudemanagement) sagte: „Wir kennen die Raumgrößen, aber wir wissen nicht, welche Patienten krank sind.“
- Das Fazit: Es braucht vielleicht eine Teamleistung. Vielleicht richtet das Gebäudemanagement die Raumgröße einmalig ein, und die Pflegekraft aktualisiert sie nur dann, wenn ein neuer Patient eintrifft.
Das große Fazit
Das Paper kommt zu dem Schluss, dass das AISaT-Werkzeug zwar eine brillante Idee hat, aber ein „Software-Update“ benötigt, um benutzerfreundlich zu werden.
Die Forscher lernten:
- Die Anweisungen müssen einfacher werden.
- Die Grafiken müssen klarer werden (weniger verwirrende Farben, realistischere Bilder).
- Die Daten müssen realistischer sein (Berücksichtigung von echten Möbeln und realen Einschränkungen wie Steckdosen).
- Der Prozess muss in das geschäftige Leben des Krankenhauspersonals passen, anstatt zusätzliche Arbeit zu verursachen.
Kurz gesagt: Das Werkzeug ist wie ein neues Rezept für einen Kuchen. Die Zutaten (KI und Mathematik) sind großartig, aber die Anleitung (die Benutzeroberfläche) muss umgeschrieben werden, damit die Bäcker (das Krankenhauspersonal) den Kuchen backen können, ohne die Küche abzufackeln.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.