Kapitel 7

Ausarbeitung/07Evaluation.tex

@@ -12,7 +12,7 @@ So kann der Experte auf die Punktwolkenrepräsentation des Objekts zeigen und de
 Als Referenzszenario, das Video Szenario, wurde ein Videostream gewählt.
 Als Vorbereitung sendet der lokale Nutzer Bilder an den Experten.
 Für die Zusammenarbeit erhält der lokale Nutzer ein Handy mit dem er das Objekt filmen kann.
-Dieser Videostream kann sich der Experte anschauen und diesen als zusätzliches Kommunikationsmittel zur Sprache benutzen um das Problem zu lösen
+Dieser Videostream kann sich der Experte anschauen und diesen als zusätzliches Kommunikationsmittel zur Sprache benutzen, um das Problem zu lösen
 
 \section{Versuchsaufbau}
 Das Hardwareproblem wurde in der Evaluation mit Duplosteinen simuliert.
@@ -36,10 +36,10 @@ Auf einem fahrbaren Tisch wurden für beide Turmpaare Markierungen angebracht, d
 Für das VR Szenario wurde zusätzlich ein Vive Tracker auf dem Tisch der Türme platziert.
 Damit ist es möglich, das Objekt auch in der virtuellen Welt zu tracken und richtig zu positionieren. 
 Hierfür wurde zunächst beim Aufnehmen der Punktwolke diese in das lokale Koordinatensystem des Trackers transformiert, und beim Visualisieren die aktuelle Transformation des Trackers hinzugefügt.
-Damit bei der Durchführung die echte Welt nicht komplett mit der virtuellen synchronisiert ist, wird die virtuelle Welt um einen konstanten Vektor verschoben. 
-So wird eine räumliche Trennung erzwungen sodass der Experte nicht vor Ort ist.
-Der Experte ist zwar in einer komplett neuen virtuellen Welt und kann den lokalen Nutzer nicht sehen, aber ohne Verschiebung sieht der lokale Nutzer den Experten mit der VR Brille.
-Zeigt dieser auf einen der Türme könnte der Lokale Nutzer aus der Handbewegung Rückschlüsse ziehen.
+Damit bei der Durchführung die echte Welt nicht komplett mit der virtuellen synchronisiert ist, wird die virtuelle Welt um einen konstanten Vektor verschoben. %@@@ Ich verstehe nicht, warum das schlecht ist. Sonst musst du Synchronität hart erarbeiten.
+So wird eine räumliche Trennung erzwungen, sodass der Experte nicht vor Ort ist.
+Der Experte ist zwar in einer komplett neuen virtuellen Welt und kann den lokalen Nutzer nicht sehen, aber ohne Verschiebung sieht der lokale Nutzer den Experten mit der VR Brille. %@@@ sind die nicht in verschiedenen Räumen?
+Zeigt dieser auf einen der Türme könnte der lokale Nutzer aus der Handbewegung Rückschlüsse ziehen.
 Es wäre somit kein Szenario bei dem Fernunterstützung untersucht wird.
 Diese Verschiebung wird vor dem Senden der Daten an die HoloLens wieder heraus gerechnet.
 In der Evaluation wurde dafür eine Verschiebung um 1,5m entlang der negativen X-Achse des Trackers  gewählt. 
@@ -48,13 +48,13 @@ Diese Distanz wurde möglichst klein gehalten, um Trackingungenauigkeiten nicht
 Für das Videoszenario wurde die Handy-App IP Webcam genutzt.
 Diese stellt den Videostream einer Handykamera als Webstream zur Verfügung. 
 Für den Experten wurde für das Referenzszenario das Unreal Projekt angepasst.
-Der Experte sitzt am Computer und der Videostream wird in der Unreal Engine visualisiert.
+Der Experte sitzt am Computer und der Videostream wird in der Unreal Engine visualisiert. %@@@ warum so kompliziert? VLC hätte das auch gekonnt.
 
 Für die Evaluation wurde auf das Aufnehmen von Punktwolken durch die Probanden verzichtet.
 Die Methode, die Kinect mit dem Lighthouse Tracking zu verbinden, liefert zu ungenaue Wolken.
 Deshalb wurden nur statische Punktwolken verwendet, die vorher aufgenommen wurden und per Hand nachbearbeitet wurden. 
 Diese Limitierung führt dazu, dass die Türme nicht umgebaut werden können und nur statisch betrachtet wurden.
-Für das Videoszenario wurden im voraus Bilder aufgenommen, die dem Experten bei der Vorbereitung zur Verfügung stehen.
+Für das Videoszenario wurden im Voraus Bilder aufgenommen, die dem Experten bei der Vorbereitung zur Verfügung stehen.
 
 \section{Versuchsablauf}
 Als erstes muss der Experte das nötige Vorwissen erhalten.
@@ -65,15 +65,15 @@ Das Vorwissen wurde durch die eindeutigen Farbsequenzen simuliert.
 \todo{hoppea:Das hier ist die Aufgabenerklärung und gehört nicht in den Ablauf, sondern in den Versuchsaufbau}
 Ein Test in beiden Szenarien besteht aus 15 Durchläufen der gleichen Aufgabenstellung.
 Bei einem Durchlauf erhält der Experte eine Aufgabe.
-Diese Aufgabe ist eine Farbsequenz von oben nach unten von 4 aufeinanderfolgenden Farben gegeben.
+Diese Aufgabe ist durch eine Farbsequenz von oben nach unten von 4 aufeinanderfolgenden Farben gegeben.
 Am Anfang oder Ende der Farbsequenz ist ein zusätzlicher gesuchter Stein markiert. 
 Beispiel: Aufgabe aus dem Turmpaar 1:  $XXX, Blau, Rot, Gr\ddot{u}n, Blau$.
 Im ersten Schritt sucht der Experte damit den mit XXX markierten Stein.
 Im VR Szenario kann er dieses direkt in der Punktwolke, die der lokale Nutzer vorher aufgenommen hat. 
-Für das Vidoe Szenario stehen dem Experten dafür 6 Bilder aus verschieden Perspektiven zur Vorbereitung zur Verfügung.
+Für das Video Szenario stehen dem Experten dafür 6 Bilder aus verschieden Perspektiven zur Vorbereitung zur Verfügung.
 
 Nachdem der Experte den gesuchten Stein und dessen Farbe gefunden hat, soll er diesen dem lokalen Nutzer beschreiben. 
-In beiden Szenarios dürfen die beiden Probanden miteinander sprechen, aber keinesfalls die ursprüngliche Farbsequenz verraten. 
+In beiden Szenarien dürfen die beiden Probanden miteinander sprechen, aber keinesfalls die ursprüngliche Farbsequenz verraten. 
 Erlaubt ist damit unter anderem die Farbe des gesuchten Steins oder auch die Position im Turm mitzuteilen.
 Im VR Szenario wird dem Experten zusätzlich der Beam angeschaltet, mit dem er auf die entsprechende Stelle zeigen kann.
 Im Video Szenario wird der Videostream angeschaltet, sodass dieser als Interaktionsmöglichkeit zur Verfügung steht.
@@ -81,20 +81,20 @@ Nachdem der lokale Nutzer den gesuchten Stein erkannt hat, liest dieser die Besc
 
 Der Experte bestimmt selbst, wann er zum nächsten Aufgabenteil voranschreitet.
 Nachdem er aus dem Vorbereitungsdaten den Stein erkannt hat, drückt er eine Taste (Controller Trigger/ Enter) und bekommt damit Zugriff auf den Laserbeam \bzw{} den Videostream. 
-Wurde das Label vorgelesen kann er erneut mit der gleichen Taste zur nächsten Aufgabe gelangen.
-Bei jedem Tastendruck wird die aktuelle Uhrzeit gespeichert. Damit können die Zeiten errechnet werden können.
+Wurde das Label vorgelesen, kann er erneut mit der gleichen Taste zur nächsten Aufgabe gelangen.
+Bei jedem Tastendruck wird die aktuelle Uhrzeit gespeichert. Damit können die Zeiten errechnet werden.
 
-Der Gesamtablauf der Evaluation erfolge immer im ähnlichen Ablauf.
+Der Gesamtablauf der Evaluation erfolge immer im ähnlichen Ablauf. %@@@ ist ``ähnlich'' genug? Oder muss es ``gleich'' sein?
 Vor dem Test wurden der allgemeine Fragebogen ausgefüllt, das grundlegende Szenario erklärt und eine Beispielaufgabe an einem separaten Turm erklärt.
 Anschließend wurden die beiden Szenarien evaluiert.
-Ein Team startet hierbei entweder mit dem Video Szenario oder dem VR Szanario und einem Turmpaar.
+Ein Team startet hierbei entweder mit dem Video Szenario oder dem VR Szenario und einem Turmpaar.
 Beim 2. Szenario wurden dann Rollen getauscht und das andere Turmpaar genutzt, um die Ergebnisse nicht zu verfälschen.
 Außerdem wurde darauf geachtet, dass beide Turmpaare in VR und Video verwendet wurden.
 Vor dem VR Szenario wurde kurz die Kalibrierung überprüft.
 Der Experte sollte auf die Turmspitzen zeigen und der lokale Nutzer sollte kurz überprüfen, ob der Laserstrahl auch in der HoloLens den Turm an der gleichen Stelle schneidet.
 War die Versatz zu groß, wurde neu kalibriert.
 Nach jedem Szenario wurden die Fragebögen zu dem Test ausgefüllt. Hierbei wurden eigene Fragen, NASA-TLX und der User Experience Questionnaire (UEQ) verwendet.
-Abschließend gab es noch einen weiteren Fragebogen mit einer allgemeine Frage und freien Kommentaren.
+Abschließend gab es noch einen weiteren Fragebogen mit einer allgemeinen Frage und freien Kommentaren.
 Es gab 15 Aufgaben pro Versuch. Um anfängliche Probleme und den Lerneffekt in der Evaluation nicht mit einzubeziehen, wurden bei jedem Testlauf die ersten fünf Aufgaben verworfen.
 Das heißt, es wurden nur die letzten zehn Durchläufe der jeweiligen Szenarien ausgewertet und auf Fehler und Zeitunterschiede untersucht.
 
@@ -114,7 +114,7 @@ Hierbei ist die Kennzeichnung wie folgt:
 \item[Median] gepunktete Linie
 \item[Mittelwert]Raute
 \end{description}
-Für metrisch skalierte Daten wird als Maß das arithmetische Mittel, im folgenden Mittelwert genannt, verwendet. Zusätzlich wird in den Schaubildern die Standartabweichung angegeben.
+Für metrisch skalierte Daten wird als Maß das arithmetische Mittel, im folgenden Mittelwert genannt, verwendet. Zusätzlich wird in den Schaubildern die Standardabweichung angegeben.
 Die zugehörigen Tabellen sind im Anhang \ref{tabellen} abgedruckt.
 
 Um Zusammenhänge in den Daten zu finden und zu analysieren, wurden Signifikanzanalysen der Daten durchgeführt.
@@ -140,16 +140,16 @@ Das ist keine gerichtete Hypothese, deshalb wurde der zweiseitige t-Test verwend
 
 \section{Probanden und Teams}
 
-Insgesamt wurden die Evaluation mit 13 Teams mit jeweils 2 Personen durchgeführt.
+Insgesamt wurde die Evaluation mit 13 Teams mit jeweils 2 Personen durchgeführt.
 Bei den Versuchen 2 und 5 gab es technische Probleme mit dem VR /AR Setup (große tracking Ungenauigkeiten und Abbrüche). Deshalb wurden diese Testläufe komplett aus den Daten gestrichen.
 Für die folgende Evaluation werden nur die Daten der verbleibenden 11 Teams mit insgesamt 22 Personen betrachtet.
 An der Studie nahmen 19 männlich und 3 weibliche Probanden teil. Für die Evaluation wird nur die männliche Sprachform verwendet. Alle Aussagen beziehen sich aber auf beiden Geschlechter.
-In der Altersgruppe bis 20 Jahren waren 2 Teilnehmer, von 20 bis 30 Jahren 17 Teilnehmer und in der Altersgruppe von 30 bis 40 3 Probanden.
+In der Altersgruppe bis 20 Jahren waren 2 Teilnehmer, von 20 bis 30 Jahren 17 Teilnehmer und in der Altersgruppe von 30 bis 40 Jahren drei Probanden.
 6 der Probanden nutzten eine Sehhilfe und 2 gaben an, an einer Rot-Grün Schwäche zu leiden.
 Aus den freien Antworten geht hervor, dass eine Rot-Grün Schwäche in dem Versuchsaufbau keine Einschränkungen mit sich brachte. 
 Die rote und grüne Farbe der Duplosteine sei kräftig und unterschiedlich genug, sodass diese trotzdem erkennbar waren.
 
-Jeder Proband wurde nach Erfahrung zu Virtaul Reality und Augmented Realtiy und die dabei verwendeten Systeme gefragt (siehe Abb. \ref{plot:Erfahrung}).
+Jeder Proband wurde nach Erfahrung zu Virtual Reality und Augmented Realtiy und den dabei verwendeten Systemen gefragt (siehe Abb. \ref{plot:Erfahrung}).
 Dabei ist zu erkennen, dass viele Personen schon ausgeprägte Erfahrungen mit VR gesammelt haben.
 Der Median der Befragten lag bei 1 wobei -3 für keine Erfahrung und 3 für sehr viel Erfahrung steht.
 Verwendete Systeme waren hierbei Vive (13), Playstation VR (6), Oculus Rift (6) und verschiedenen Systeme, die ein Handy nutzen (8; Cardboard, Daydream, Gear VR, etc.).
@@ -173,30 +173,30 @@ Diese Einstufung ging zusätzlich auch aus den freien Kommentaren hervor.
 6 der Experten fanden die Punktwolke ``schwer sichtbar'',  ``pixelig'' und ``ungenau'' und haben vermutlich deshalb das Finden als schwieriger eingestuft.
 Kommentare zu den Bildern gab es nicht.
 Während des Versuchs wurde auch die Zeit für die Vorbereitung gemessen. 
-In der Abbildung \ref{plot:Vorberitung} sind die Zeiten als mit Mittelwert und Standartabweichung eingezeichnet.
-Bei 4 unterschiedlichen Gruppen war der Video Experte schneller als der VR Experte. In Gruppe 1 war der Video Experte Signifikant schneller.
-In den restlichen 7 Gruppen war der VR Experte schneller. Signifikaten Unterschiede gab es aber nur bei den Gruppen 10 und 13.
+In der Abbildung \ref{plot:Vorberitung} sind die Zeiten als Mittelwert und Standartabweichung eingezeichnet.
+Bei 4 unterschiedlichen Gruppen war der Video Experte schneller als der VR Experte. In Gruppe 1 war der Video Experte signifikant schneller.
+In den restlichen 7 Gruppen war der VR Experte schneller. Signifikate Unterschiede gab es aber nur bei den Gruppen 10 und 13.
 Im Durchschnitt über alle Versuche hat der VR Experte 9,9 Sekunden und der Video Experte 11 Sekunden gebraucht. 
 Damit ist das Steinfinden im VR Szenario im Durchschnitt 1,1s schneller, aber es konnte keine statistische Signifikanz festgestellt werden.
 Bemerkenswert ist, dass 5 von 6 Probanden in der Expertenrolle, die die Punktwolke kritisiert haben, im VR Szenario schneller waren als ihr Partner als Experte im Video Szenario.
 Ein Aspekt auf dem in diesem Test nicht eingegangen wurde, sind die persönlichen Qualifikationen der jeweilige Experten.
-Experten mit besserem Räumlichen Vorstellungsvermögen oder einer besseren Strategie zum Finden der Steine könnten das Ergebnis beeinflussen.
-Dieser könnte Einfluss auf das Messergebnis haben.
+Experten mit besserem räumlichen Vorstellungsvermögen oder einer besseren Strategie zum Finden der Steine könnten das Ergebnis beeinflussen.
+Dieser könnte Einfluss auf das Messergebnis haben. % @@@ worauf bezieht sich das Wort ``Dieser''? Kann der Satz nicht weg, da der vorherige Satz alles sagt?
 
 \input{Charts/SteinFinden}
 \input{Charts/Voberietung}
 
 
  \subsection{Kommunikation des gesuchten Steins}
-Die nächste Aufgabe des Experten war es, den gesuchten Stein an de lokalen Nutzer zu kommunizieren.
-Im VR Szanario stand hierfür der Laser Strahl zur Verfügung, und im Video Szenario ein Livestream.
+Die nächste Aufgabe des Experten war es, den identifizierten Stein an de lokalen Nutzer zu kommunizieren.
+Im VR Szanario stand hierfür der Laserstrahl zur Verfügung, und im Video Szenario ein Livestream.
 
 
 Der Videostream wurde teilweise als verwirrend wahrgenommen und dann von dem Experten fast vollständig ignoriert.
 Die meisten Teams haben sich bei den ersten Versuchsdurchläufen direkt oder indirekt auf eine gemeinsame Bezeichnung der Türme geeinigt.
 Häufig wurde links und rechts verwendet, aber auch unterscheidende Merkmale in den Türmen, wie der Turm mit der blauen Spitze oder der Turm mit der Deutschlandflagge.
 Links und rechts funktionieren insbesondere dann sehr gut, wenn der Nutzer nach jedem vorgelesenen Label an seine Ausgangsposition zurückkehrt.
-Ansonsten ist diese Bezeichnung teilweise verwirrend für den Experten, da dieser jedes Mal erkennen muss wie der Lokale Nutzer am Objekt steht.
+Ansonsten ist diese Bezeichnung teilweise verwirrend für den Experten, da dieser jedes Mal erkennen muss, wie der lokale Nutzer am Objekt steht.
 Ändert sich die Ansicht des lokalen Nutzers ständig, können sich auch die Bezeichner für jeweiligen Türme ändern.
 Außerdem wackelt die Kamera stark, wenn sich der lokalen Nutzer bewegt, zum Beispiel, um die Beschriftung vorzulesen.
 Deshalb haben einige Teams nach dem initialen Einigen über die Bezeichnungen der Türme, den Videostream nicht für die Lösung der Aufgabenstellung verwendet.
@@ -204,17 +204,17 @@ Eine viel stärkere Nutzung der sprachlichen Kommunikation konnte dabei aber nic
 
 Bei anderen Teams wurde der Videostream zum direkten Feedback benutzt.
 Der lokale Nutzer hat zum Beispiel mit einem Finger auf einen Turm oder Stein gezeigt und nachgefragt, ob er das richtig verstanden hat.
-Diese Info kann der Experte im Video sehen und die Kontrollfrage direkt beantworten.
+Diese Information kann der Experte im Video sehen und die Kontrollfrage direkt beantworten.
 
 
 Bei funktionierendem Tracking hat der Beam gute Ergebnisse geliefert.
 Einige Teams konnte durch Zeigen und zusätzliches Sagen der Farbe den Stein eindeutig beschreiben.
 Damit ist der Beam zumindest ein gute Grundorientierung für den lokalen Nutzer.
 Ein großes Problem mit dem tracking waren kleine konstante Verschiebungen in eine globale Richtung (Kalibrierfehler, \bzw{} Längenuntreue).
-Bei kleine Verschiebungen wurde dieses als störend empfunden, aber wenn bekannt ist, wie die Verschreibung ist, dann kann diese im Kopf ausgeglichen werden.
+Bei kleineren Verschiebungen wurde dieses als störend empfunden, aber wenn bekannt ist, wie die Verschreibung ist, dann kann diese im Kopf ausgeglichen werden.
 
-Ein weites Problem, das in den freien Texten genannt wurde, waren zittrige Hände.  
-Diese kleinen Bewegungen die teilweise durch das Tracking verstärkt werde, werden mitübertragen und können dem lokalen Nutzer das Erkennen erschweren. 
+Ein weiteres Problem, das in den freien Texten genannt wurde, waren zittrige Hände.  
+Diese kleinen Bewegungen die teilweise durch das Tracking verstärkt werden, werden mitübertragen und können dem lokalen Nutzer das Erkennen erschweren. 
 
 \input{Charts/wichtigKommunikation}
 
@@ -242,7 +242,7 @@ Im Video Szenario wurde 2 mal 3 Fehler gemacht, was auf eine größere Fehleranf
 In beiden Szenarien sind allgemeine Fehler bei dem Versuch häufig beim Experten passiert.
 Zum Beispiel wurde der letzte Stein der Sequenz beschreiben und nicht der eigentlich gesuchte.
 Sprachliche Ungenauigkeiten haben auch zu Fehlern geführt.
-``Der zweite schwarze Stein'' und ``der zweite Stein, der Schwarze'' klingen ähnlich, bedeuten aber unterschiedliche Steine.
+``Der zweite schwarze Stein'' und ``der zweite Stein, der Schwarze'' klingen ähnlich, beschreiben aber unterschiedliche Steine.
 
 Eine zusätzliche Fehlerquelle im VR Szenario ist ein globaler Versatz des Strahls. 
 Ist zum Beispiel der Strahl um 1 bis 2 Steine verschoben, dann zeigt dieser in der AR Umgebung andere Steine an, als der Experte in seiner VR Umgebung sieht.
@@ -262,7 +262,7 @@ In Abbildung \ref{plot:KommunikationsZeit} sind die Zeiten abgebildet.
 Wie bei der Vorbereitung gab es 6 Gruppen, die in VR schneller waren und 5, die in dem Video Szenario schneller waren. 
 Signifikant schneller war nur Gruppe 13 im Videoszenario.
 Insgesamt war das VR Szenario mit 12s Durchschnittszeit 700ms schneller.
-Ein großer Faktor, warum bei dieser Messung keine Unterscheide festgestellt werden können, ist, dass der lokale Nutzer, nachdem er den Stein erkannt hat, noch die zugehörige Beschriftung finden musste.
+Ein wichtiger Faktor, warum bei dieser Messung keine Unterscheide festgestellt werden können, ist, dass der lokale Nutzer, nachdem er den Stein erkannt hat, noch die zugehörige Beschriftung finden musste.
 Dieser Vorgang hat je nach Positionierung der Beschriftung länger gedauert als die eigentliche Kommunikation.
 
 			
@@ -277,38 +277,38 @@ Beim NASA TLX \cite{doi:10.1177/154193120605000909} werden 6 Kategorien auf eine
 Auf die anschließende Gewichtung der Kategorien wurde verzichtet. 
 Die Ergebnisse wurden als Box-Whisker Plot \ref{plot:TLX} dargestellt.
 
-Bei der Geistigen Anforderung ist zu erkenne das der Lokale Nutzer um Durchschnitt leicht geringere Werte angegeben hat als der Experte.
-Dies läst sich durch die Farbsequenz die der Experte erkenne musste erklären.
-Der AR Benutzer hat im Durchschnitt die Niedrigsten Werte angegeben.
-Bei der Körperlichen Anforderung hat der Video Experte eine signifikant geringere WErte angegeben als der VR Experte.
+Bei der geistigen Anforderung ist zu erkennen dass der lokale Nutzer im Durchschnitt leicht geringere Werte angegeben hat als der Experte.
+Dieses lässt sich durch die Farbsequenz, die der Experte erkennen musste, erklären.
+Der AR Benutzer hat im Durchschnitt die niedrigsten Werte angegeben.
+Bei der körperlichen Anforderung hat der Video Experte signifikant geringere Werte angegeben als der VR Experte.
 Dies ist nicht verwunderlich, da der Video Experte am PC sitzt, während der VR Experte steht und sich frei in der virtuellen Welt bewegen konnte.
-wischen den Lokalen Benutzern ist kein signifikanter Unterschied erkennbar.
-Bei der Zeitlichen Anforderung gibt es keine signifikanten Unterscheide , jedoch bewertet der Benutzer in AR leicht besser.
-Beim Vergleich der selbst eingeschätzten Leistung gibt es einen Signifikanten Unterschied zwischen dem VR Experten und AR Benutzer.
+Zwischen den lokalen Benutzern ist kein signifikanter Unterschied erkennbar.
+Bei der zeitlichen Anforderung gibt es keine signifikanten Unterscheide, jedoch bewertet der Benutzer in AR leicht besser.
+Beim Vergleich der selbst eingeschätzten Leistung gibt es einen signifikanten Unterschied zwischen dem VR Experten und AR Benutzer.
 Der AR Benutzer gibt hier die beste Leistung an.
 Bei der Anstrengung gab es keine signifikanten Unterschiede, aber auch hier hat der AR Benutzer leicht besser bewertet
-Signifikante Unterscheide gabe es aber bei der Frustration. Diese wurde auch beim AR Benutzer am geringsten bewertet.
+Signifikante Unterscheide gab es aber bei der Frustration. Diese wurde auch beim AR Benutzer am geringsten bewertet.
 Dieser Trend ist auch im Gesamtscore zu erkennen.
-Hier ist der Durchschnitt beim Lokalen Ar Benutzer am geringsten aber nicht Signifikant.
-Bei Betrachtung der gesamten Werte hat der AR Benutzer die Höchste Leistung angegeben aber dabei die geringste Frustration gehabt.
+Hier ist der Durchschnitt beim lokalen AR Benutzer am geringsten aber nicht signifikant.
+Bei Betrachtung der gesamten Werte hat der AR Benutzer die höchste Leistung angegeben aber dabei die geringste Frustration gehabt.
 
 
 \input{Charts/UEQ}
 
 Der  User Experience Questionnaire (UEQ \cite{UEQ} ist dazu gedacht, die Nutzererfahrung zu messen.
 Der Nutzer beantwortet hierzu 26 Gegensatzpaare von Eigenschaften auf einer Skala von -3 bis 3.
-Die 26 Paare werden dann 6 Skalen zugeordnet und ein darüber ein Mittelwert gebildet. 
+Die 26 Paare werden dann 6 Skalen zugeordnet und darüber ein Mittelwert gebildet. 
 In der Abbildung \ref{plot:UEQ} sind die Mittelwerte und die Standartabweichung der einzelnen Rollen  zu sehen.
-Hier gibt es einige signifikante Unterscheide zwischen dem VR Szenario und dem Video Szenario zu erkennen.
-Vergleicht man die Experten miteinander und auch die lokalen Nutzer miteinander so sind die gleichen Signifikanten Unterscheide zu erkenne
+Hier gibt es einige signifikante Unterscheide zwischen den Szenarien zu erkennen.
+Vergleicht man die Experten miteinander und auch die lokalen Nutzer miteinander so sind die gleichen signifikanten Unterscheide zu erkennen.
 Die Attraktivität, Stimulation und Originalität ist bei beiden Vergleichen im VR Szenario wesentlich besser.
 Bei Stimulation und Originalität wurde das Video Szenario sehr schlecht bewertet.
-Bei der Durchschaubarkeit, Effizienz  und Steuerbarkeit sind leicht besserer Bewertungen im VR Szenario zu erkennen, jedoch sind diese nicht Signifikant.
+Bei der Durchschaubarkeit, Effizienz  und Steuerbarkeit sind leicht besserer Bewertungen im VR Szenario zu erkennen, jedoch sind diese nicht signifikant.
 
 Zusammenfassend wird das VR Szenario von den Benutzern besser bewertet.
 Das System wird generell als attraktiver und origineller bewertet als ein herkömmlicher Videostream.
-Gleichzeitig gibt der Lokale Nutzer in einer AR Umgebung eine besser Leistung und eine geringere Frustration an obwohl die Kalibrierungs- und Trackingprobleme hauptsächlich den AR Benutzer betreffen.
-Bei dem Vergleich der Experten ist abgesehen von der Körperlichen Anforderung nur bei der Nutzererfahrung eine Unterschied zu erkenne.
+Gleichzeitig gibt der lokale Nutzer in einer AR Umgebung eine besser Leistung und eine geringere Frustration an, obwohl die Kalibrierungs- und Trackingprobleme hauptsächlich den AR Benutzer betreffen.
+Bei dem Vergleich der Experten ist abgesehen von der körperlichen Anforderung nur bei der Nutzererfahrung eine Unterschied zu erkennen.
 Diese wird in VR besser bewertet.
 			
 \subsection{Unabhängigkeit}
@@ -329,7 +329,7 @@ Zum einen wird der Strahl in der HoloLens nicht mit der Geometrie geschnitten un
 Stehen Experte und lokaler Nutzer auf unterschiedlichen Seiten des Objekts und der Strahl geht schräg durch das Modell, so zeigt er auf der Austrittsseite einen falschen Schnittpunkt.
 Dieser kann zu Verwirrungen frühen.
 Ein zweiter Grund ist, dass wir die gleiche Perspektive gewöhnt sind.
-Wenn wir entlang des Strahls schauen, ist es einfach er zu erkennen, wo er aktuell schneidet. 
+Wenn wir entlang des Strahls schauen, ist es einfacher zu erkennen, wo er aktuell schneidet. 
 Steht man senkrecht dazu, ist es schwerer zu erkennen, wo die genauen Schnittpunkte sind.
 Eine neue Positionierung des lokalen Nutzers löst dieses Problem.
 
@@ -339,36 +339,7 @@ Eine neue Positionierung des lokalen Nutzers löst dieses Problem.
 Betrachtet man die Evaluation als Ganzes dann spricht diese für die Weiterentwicklung und Erforschung der Zusammenarbeit mit VR und AR Technologien.
 Das vorgestellte System erreicht trotz technischer Probleme eine leicht bessere Bewertung in fast allen untersuchten Punkten.
 Die Vorbereitung des Experten in VR anhand einer Punktwolke wurde als schwieriger bewertet, liefert aber im Durchschnitt eine leicht bessere Vorbereitungszeit.
-Bei der Kommunikation konnte ebenfalls eine leicht bessere Kommunikationszeit gemessen werden,wobei die benutzte sprachliche Kommunikation weniger wurde.
+Bei der Kommunikation konnte ebenfalls eine leicht bessere Kommunikationszeit gemessen werden, wobei die benutzte sprachliche Kommunikation weniger wurde. %@@@ weniger in Bezug auf was? Im zeitlichen Verlauf?
 Im VR Szenario wurden weniger Fehler gemacht und die Nutzer haben das System besser bewertet.
 
 		
\ No newline at end of file
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-			
\ No newline at end of file