Introducción

En ocasiones, la introducción de nuevas tecnologías provoca problemas y frustraciones a los usuarios en general, y particularmente en personas mayores (^{Cabero-Almenara y col., 2002}; ^{Márquez, 2002}). Esto se debe a que, al comprar un producto nuevo, se generan expectativas acerca de su uso, en gran medida, por la publicidad y la mercadotecnia. Sin embargo, de acuerdo con ^{Nielsen (1994)}, los usuarios pueden perder un promedio de 10 min diarios en problemas relacionados con el mal diseño de productos, por lo que el usuario puede sentirse frustrado. Esta frustración afecta la experiencia de uso de un producto, lo que puede terminar en una llamada al centro de atención a clientes, abandonar su uso o incluso dejar de consumir productos de la misma marca. Los sentimientos y percepciones originados de la interacción del usuario y los productos, se denomina experiencia de usuario (^{Albert y Tullis, 2013}), y es de elevada importancia en el diseño o mejora de todo tipo de productos.

Uno de los factores a considerar en el diseño de nuevos productos, con el fin de mejorar la experiencia de usuario, es la funcionalidad; la cual refleja la percepción del usuario de cómo un producto tiene la capacidad para cumplir con su propósito (^{Homburg y col., 2015}). En el caso de productos con una funcionalidad limitada, que generan errores y frustración en el usuario, se recomienda realizar evaluaciones pertinentes del uso del producto, con el objetivo de prevenirlos (^{Nielsen, 1994}).

En este sentido, a partir de las opiniones y experiencias de un grupo de usuarios es posible detectar problemas y deficiencias en la interacción humano-artefacto. El análisis de esta interacción ofrece oportunidades para mejorar, principalmente en aspectos cognitivos y de configuración. Debido a lo anterior, la mejora de la experiencia de usuario, por medio de análisis cognitivos, como la evaluación de la carga mental y el análisis de error humano, se está incorporando poco a poco. Al respecto, ^{Bustamante y col. (2018)}, hicieron uso del Índice de Carga de la Tarea (NASA-TLX, por sus siglas en inglés: NASA-Task Load Index) para evaluar la carga mental, y del enfoque sistemático de predicción y reducción de errores humanos (SHERPA, por sus siglas en inglés: Systematic Human Error Reduction and Prediction Approach) para el análisis preventivo del error humano.

Previo a la realización de cualquier análisis cognitivo, el análisis jerárquico de tareas (HTA, por sus siglas en inglés: Hierarchical Task Analysis), es el método más generalizado que aporta información esencial para iniciar una evaluación de carga mental o de error humano (^{Stanton y col., 2013}).

El HTA es una herramienta que brinda al analista una visión amplia acerca del funcionamiento de un determinado proceso, e implica realizar una jerarquización de los objetivos, subobjetivos, operaciones y planes de la tarea, a un nivel de detalle deseado (^{Annett, 2004}), y que originalmente fue desarrollado como un medio para determinar los requisitos de capacitación (^{Stanton, 2006}).

En cuanto al error humano, este se presenta cuando una secuencia planeada de actividades mentales o físicas fallan en alcanzar cierto resultado, siempre y cuando dichas fallas no sean atribuibles al azar (^{Forsythe y col., 2014}), por lo que la evaluación del error es una tarea importante en el diseño de productos. Uno de los métodos más utilizados para la identificación del error humano es el Análisis de Tareas para la Identificación del Error (TAFEI, por sus siglas en inglés: Task Analysis For Error Identification). Este método permite identificar errores en el uso de dispositivos mediante el modelado de la interacción bajo análisis (^{Stanton y Baber, 2005}). TAFEI supone que las acciones están limitadas por el estado del producto en cualquier punto particular de la interacción, y que el dispositivo ofrece información al usuario sobre su funcionalidad. Por lo tanto, la interacción entre usuarios y dispositivos progresa a través de una secuencia de estados. En cada estado, el usuario selecciona la acción más relevante para su objetivo, basado en el estado total del sistema (^{Baber y Stanton, 2004}).

La carga mental se define en función de la diferencia entre la capacidad del individuo y las demandas de la tarea (^{Rubio, 2002}). Existen diversas técnicas para evaluar la carga mental, de acuerdo con ^{Milán y col. (2015)}, tres son las más populares: NASA-TLX, la Técnica Subjetiva de Evaluación de Carga de Trabajo (SWAT, por sus siglas en inglés: Subjective Workload Assessment Technique) y el Perfil de Carga de Trabajo (WP, por sus siglas en inglés: Workload Profile).

La técnica WP fue propuesta por ^{Tsang y Velazquez (1996)}. Está basada en el supuesto de que la carga mental puede definirse por las dimensiones descritas en la teoría de recursos de atención múltiple (MRT, por sus siglas en inglés: Multiple Resource Theory) de Wickens (^{Bommer y Fendley, 2018}), y a diferencia de NASA-TLX y SWAT, se hace en una sola ejecución, posterior a la realización de la tarea, por lo que es recomendado para evaluaciones rápidas (^{Milán y col., 2015}). El WP comprende las mismas dimensiones que el MRT, las cuales son listadas y explicadas en la Tabla 1 (^{Tsang y Velazquez, 1996}).

Es recomendable, de acuerdo con ^{Stanton y col. (2013)}, que antes de aplicar la técnica WP se desarrolle un HTA, para así determinar los elementos de la tarea a analizar. Una vez determinados dichos elementos, los participantes deben ser instruidos en los principios de la MRT. Cuando estos principios hayan sido comprendidos, se procede a la realización de la tarea, y finalmente al llenado de los formatos de evaluación o también denominada, proforma WP. Es importante señalar que, hasta el momento, se carece de una unidad de medida de carga mental, además de un método estandarizado para su evaluación. Por ello, la técnica de WP, a pesar de ser de las técnicas subjetivas de evaluación más recientes, y tener un fundamento en la teoría de MRT, solo determina si la tarea presenta carga mental para el usuario, así como las fuentes principales de dicha carga.

El objetivo de este trabajo fue proponer y validar una metodología que hace uso de análisis cognitivos para integrar la evaluación de la carga mental y el análisis del error humano en el diseño de productos, para así contribuir a detectar deficiencias de diseño y mejorar la experiencia de usuario, mediante el desarrollo de un caso de estudio.

Materiales y métodos

Resultados

Los resultados se muestran para cada una de las etapas propuestas en la metodología.

Etapa 1. Elección de la tarea y análisis jerárquico de tareas. La tarea más complicada de realizar, de acuerdo con la observación de la videograbación y la apreciación expresada por los participantes se muestra a través del desarrollo del HTA (Figura 1), donde se tomaron en cuenta los siguientes pasos:

Figura 1 HTA desarrollado para este caso de estudio. 

Figure 1 HTA developed for this case study. 

Etapa 2. Análisis para la identificación del error humano. Partiendo del HTA, se desarrollaron los SSD (Figura 2). En este caso, se tuvieron 4 estados distintos, partiendo desde el estado inicial o estado 0: audífonos apagados, audífonos con las puntas colocadas, audífonos encendidos, audífonos sincronizados. La transición entre estados se da por medio de las tareas 1, 2 y 5 del HTA (representadas por una línea azul en la Figura 2). Posteriormente, se desarrolló la matriz de transición (Tabla 4), en la cual, se pueden observar 3 situaciones, donde se puede generar una transición ilegal (identificadas con líneas rojas en la Figura 2 y con las letras A, B, y C en la Tabla 4). Estas situaciones son las siguientes: la transición del estado 0 (audífonos apagados) al 2 (puntas para oídos colocadas), e identificada con la letra A, en la Figura 2 y la Tabla 4; se presenta, ya que los usuarios son incapaces de reconocer fácilmente las puntas correctas para cada oído. El diseño de las puntas para los oídos cuenta con una letra en relieve que ayuda a identificar cada lado de la punta y su correspondencia a cada oído (Figura 3). Otros errores identificados como transiciones ilegales se presentan en la transición del estado 0 al 3, representado con la letra B en la Figura 2 y la Tabla 4, así como la transición del estado 1 al 3, representado por la letra C, en la Figura 2 y Tabla 4. Dichos errores, se presentan debido a que en el diseño de los audífonos en estudio, la señal lumínica de encendido no es lo suficientemente visible para detectarla, y el usuario pasa por alto esta condición, por lo que la sincronización entre el teléfono móvil y los audífonos es imposible.

Figura 2 Diagramas de espacio-tiempo para el TAFEI. 

Figure 2 Space-time diagrams for the TAFEI. 

Figura 3 Letra en relieve que identifica el lado de la punta. 

Figure 3 A relief letter identifying the side of the tip. 

En la Figura 4 se muestra la ubicación de la señal lumínica de encendido en el diseño estudiado.

Figura 4 Posición de la señal lumínica de encendido en los audífonos inalámbricos. 

Figure 4 Position of the light signal on the wireless earphones. 

Etapa 3. Análisis de la carga mental. En la Tabla 5 se muestra el resultado del análisis de carga mental efectuado por WP. Esta tabla presenta resultados correspondientes a las subtareas numeradas en el HTA, que se muestra en la Figura 1. Dicha tabla fue elaborada en base a la sumatoria final por tarea de la evaluación de la carga mental realizada por cada uno de los participantes, e indica que las 6 subtareas que más carga mental presentaron, basándose en el promedio de las subtareas individuales fueron: subtarea 1.1. “Seleccionar las puntas para oídos según la talla” (con un promedio de carga mental de 1.35); subtarea 1.2. “Colocar las puntas para oídos en los audífonos” (con un promedio de 1.61); y subtarea 1.3. “Verificar que las puntas se ajusten a los oídos” (con un promedio de 1.79).

El análisis de las videograbaciones mostró que los participantes se confundían al tratar de elegir las puntas para los oídos correctas, ya que fallaron al colocarlas. Este error, se debe a que, los caracteres alfabéticos utilizados para identificar la talla y la lateralidad, de cada una de las puntas para los oídos fueron indetectables para ellos. Al notar los participantes que las puntas no se ajustaban a sus oídos, algunos procedían a realizar los cambios necesarios, y algunos otros optaban continuar su uso sin realizar ningún cambio.

En cuanto a la detección de la señal lumínica, se observó que todos los participantes tuvieron problemas con la subtarea 2.2. “Presionar el botón de encendido 2.5 s” (1.41), ya que presionaban el botón por menor tiempo del requerido, y daban por hecho que los audífonos estaban encendidos. Algunos de los participantes descubrieron casualmente la señal lumínica y confirmaron que los audífonos estaban encendidos, sin embargo, la mayoría de los participantes no lo hizo, por lo que se tenía que repetir la ejecución de la tarea hasta lograrlo. La subtarea 3.1 “Presionar el botón de activación” (1.54), presentó carga mental por la dificultad para identificar el lugar del botón. La subtarea 2.3. “Buscar la señal lumínica de encendido” registró el promedio más elevado de carga mental con 2.09, ya que el análisis reveló que todos los participantes presentaron problemas para localizar la señal de encendido, situación que muestra una oportunidad de mejora en la experiencia del usuario.

Discusión

Aunque la literatura acerca de WP y TAFEI es escasa, se ha encontrado que estos métodos son usados en diversas áreas. Por ejemplo, TAFEI se ha utilizado en la evaluación de una amplia variedad de aplicaciones, como procesadores de texto, cajeros automáticos, video-grabadoras, productos para automóviles, un camión de succión de drenaje, máquinas expendedoras de boletos (^{Stanton y Baber, 2005}), en el uso de máquinas de rayos X (^{Alferez-Padron y col., 2017}), en máquinas para moler carne (^{Mohammadian y col., 2012}), robots ortopédicos (^{Kuang y col., 2009}), entre otros. De acuerdo con ^{Glendon y col. (2016)}, la técnica TAFEI puede proporcionar una imagen útil de las interacciones entre los operadores humanos y los componentes de la máquina, dentro de un sistema con respecto a posibles acciones y errores. El uso de TAFEI para evaluar una máquina expendedora de boletos, utilizada en el metro de Londres, permitió realizar la evaluación en solo 3.5 h, en comparación con el tiempo de observación directa de 31.5 h de acuerdo con ^{Stanton y Baber (2005)}.

En el presente trabajo, se corroboraron las ventajas del uso de TAFEI para evaluar la facilidad de uso de un equipo, en este caso el teléfono móvil. Esta técnica está diseñada para detectar con facilidad el número de transiciones ilegales que realiza el usuario, al observar la forma en la que opera o sigue las instrucciones de uso del artículo de interés (^{Stanton y col., 2013}). En el caso particular de los audífonos analizados, se detectó que hay tres posibles situaciones que pueden generar un error en este caso de estudio. El diseño parece presentar deficiencias para que el usuario identifique correctamente las puntas para cada oído, además, el tamaño de la señal lumínica y su ubicación son difíciles de detectar por el usuario. En el caso del análisis de carga mental, realizado por medio de WP, se encontró que, en aquellas subtareas con una mayor carga mental, se tenían elementos en común, como son la correcta colocación de las puntas y el correcto encendido de los audífonos.

Para el caso de WP, ^{Tsang y Velazquez (1996)}, informaron que la técnica WP logró un nivel similar de validez concurrente y confiabilidad test-retest, con respecto a las otras técnicas de evaluación de carga de trabajo probadas. Además, WP también demostró un nivel de sensibilidad a las diferentes demandas de tareas. En un estudio realizado por ^{Rubio y col. (2001)}, se compararon las técnicas WP, NASA-TLX y SWAT, en términos de intrusión, diagnóstico, sensibilidad, validez (convergente y concurrente) y aceptabilidad. Y se encontró que la técnica WP posee una sensibilidad más alta que las técnicas de NASA-TLX y SWAT. Por otra parte, WP es rápido y fácil de usar, y requiere una formación mínima del analista (^{Stanton y col., 2013}). Además, como la técnica se aplica después del ensayo, puede aplicarse en entornos reales.

Durante la evaluación de la carga mental de tareas, el WP proporciona los valores promedio de carga a partir de solo 8 dimensiones o fuentes posibles. Este número reducido de valores, podría interpretarse como relativamente poco significativos para declarar la presencia de carga mental. Sin embargo, en algunos estudios, como el presente, en el que el propósito de la evaluación se enfoca principalmente en determinar aquellos elementos o subtareas cuyos valores de carga aportan más a la carga mental total de la tarea, dando origen a errores humanos en el uso de dispositivos, el WP se vuelve una herramienta muy útil.

Entre las ventajas encontradas en la utilización de estos métodos en conjunto, está el contar con un análisis más completo de las tareas y de los elementos que pueden ser fuente de carga mental de trabajo, y con ello, una mayor comprensión de la posible ocurrencia del error. Así, en este análisis, se puede observar que los dos errores analizados en TAFEI, como lo son la errónea identificación de las puntas para los oídos y la falta de detección de la señal lumínica, se presentan en dos de las subtareas que registraron mayor carga mental de trabajo.

Conclusiones

La implementación de la metodología propuesta en este trabajo, para mejorar la experiencia de usuario, por medio de análisis cognitivos permitió detectar aspectos de diseño o empaque que pueden causar cierta confusión en el usuario, así como aquellas acciones que ocasionan una mayor carga mental, que podrían desalentar el consumo de más productos de la marca. Esta técnica puede ser de utilidad para aquellos diseñadores de productos en donde la interacción humano-artefacto sea relevante, desde el punto de vista de eficiencia, confort y seguridad. Incluso, puede contribuir a marcar la diferencia como ventaja competitiva entre una marca y otra, no sólo al brindar una mejor experiencia de usuario, sino también una experiencia más segura, confortable y confiable en el uso de productos. A partir de estos análisis, es posible recomendar cambios en el diseño del producto, de tal forma que se facilite la identificación correcta de las puntas para cada oído a través de una codificación por color o ubicación dentro del empaque. En base a lo anterior, se puede considerar que realizar un análisis de los errores potenciales, así como determinar la carga mental generada en el uso de los productos, proporciona valiosa información, que puede ser utilizada al momento de diseñarlos y evaluarlos. De esta manera, se puede asegurar su correcta utilización, e incrementar su nivel de usabilidad, y entonces poder reducir el nivel de frustración de los usuarios. Si bien, por medio de este trabajo se presenta una metodología para la evaluación de los posibles elementos que afectan la experiencia de usuario de los productos, es necesario realizar más estudios que involucren activamente a los diseñadores de productos, también es recomendable que se utilicen otros métodos de análisis de error humano y de carga mental, para que el diseñador aplique el que más se adapte a sus necesidades.