Tausche \ref durch \fref in Kapitel 7

Ausarbeitung/07Evaluation.tex

@@ -16,7 +16,7 @@ Dieser Videostream kann sich der Experte anschauen und diesen als zusätzliches
 
 \section{Versuchsaufbau}
 Das Hardwareproblem wurde in der Evaluation mit Duplosteinen simuliert.
-Aus den Steinen wurden insgesamt 2 Turmpaare aus 2 relativ ähnlichen Türmen gebaut (Siehe Abb. \ref{img:tuerme}). 
+Aus den Steinen wurden insgesamt 2 Turmpaare aus 2 relativ ähnlichen Türmen gebaut (Siehe \fref{img:tuerme}). 
 In den Türmen wurden verschiedene Farben benutzt, sodass jeder Turm insgesamt 13 farbige Ebenen hat. 
 Jede Farbe wurde mit einer eindeutigen kleinen Beschriftung versehen, bestehend aus einem Buchstaben und einer Zahl.
 Diese Beschriftung kann dazu verwendet werden, um die Korrektheit bei einem Durchlauf des Experiments zu überprüfen. 
@@ -148,7 +148,7 @@ In der Altersgruppe bis 20 Jahren waren 2 Teilnehmer, von 20 bis 30 Jahren 17 Te
 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{fig:Erfahrung}).
+Jeder Proband wurde nach Erfahrung zu Virtaul Reality und Augmented Realtiy und die dabei verwendeten Systeme gefragt (siehe \fref{fig: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.).
@@ -166,13 +166,13 @@ Die restlichen gaben Erfahrungen mit der HoloLens und mit Pokemon Go an.
 Zunächst betrachten wir die Vorbereitung des Experten.
 In beiden Szenarien bekam der Experte ein Farbsequenz und sollte den gesuchten Stein in den Turmpaaren erkennen.
 Im VR Szenario hatte er dazu die Punktwolke gesehen und im Video Szenario standen dem Experte 6 Bilder aus unterschiedlichen Perspektiven zur Verfügung.
-Im Fragebogen wurde die Experten gefragt, wie einfach es sei, den Stein zu finden (Plot \ref{fig:Finden}).
+Im Fragebogen wurde die Experten gefragt, wie einfach es sei, den Stein zu finden (\fref{fig:Finden}).
 Hierbei gaben die Experten im Video Szenario an, dass das Auffinden des Steins sehr einfach sei (Median 3), wobei der VR Experte dieses als signifikant  schwerer einstufte (Median 1).
 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{fig:Vorberitung} sind die Zeiten als mit Mittelwert und Standartabweichung eingezeichnet.
+In \fref{fig: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.
 Im Durchschnitt über alle Versuche hat der VR Experte 9,9 Sekunden und der Video Experte 11 Sekunden gebraucht. 
@@ -219,12 +219,12 @@ Diese kleinen Bewegungen die teilweise durch das Tracking verstärkt werde, werd
 
 In beiden Szenarien war es erlaubt, frei zu reden und zu kommunizieren.
 Es war lediglich verboten, die Aufgabenstellung des Experten zu sagen. 
-Im anschließenden Fragebogen wurde gefragt, wie wichtig die sprachliche Kommunikation für die jeweilige Person gewesen ist \ref{fig:Kommunikation}.
+Im anschließenden Fragebogen wurde gefragt, wie wichtig die sprachliche Kommunikation für die jeweilige Person gewesen ist \fref{fig:Kommunikation}.
 Zwischen den lokalen Nutzern ist in AR und Video  hierbei ein signifikanter Unterschied feststellbar.
 Die Person in AR findet die Sprache zwar wichtig (Median 2), jedoch unwichtiger als der lokale Nutzer im Videoszenario.
 Zwischen den Experten ließ sich kein signifikanter Unterschied feststellen, jedoch ist der Durchschnitt im VR Szenario geringer.
 
-Außerdem wurden auch die lokalen Nutzer gefragt, wie einfach es war, den beschriebenen Stein zu finden (siehe Abbildung\ref{fig:Finden}).
+Außerdem wurden auch die lokalen Nutzer gefragt, wie einfach es war, den beschriebenen Stein zu finden (siehe \fref{fig:Finden}).
 Zwischen den lokalen Nutzern ist kein Unterschied feststellbar.
 Das heißt, die sprachliche Kommunikation war unwichtiger, aber das eigentliche Auffinden wurde in beiden Szenarien gleich leicht bewertet. 
 
@@ -233,7 +233,7 @@ Das heißt, die sprachliche Kommunikation war unwichtiger, aber das eigentliche
 
 \input{Charts/Fehler}
 
-Wie in der Statistik \ref{fig:Fehler} zu sehen ist, wurden kaum Fehler in den letzten 10 Durchläufen gemacht.
+Wie in der Statistik in \fref{fig:Fehler} zu sehen ist, wurden kaum Fehler in den letzten 10 Durchläufen gemacht.
 Im VR Szenario waren 8 von 11 Teams fehlerfrei, im Video Szenario 6 von 11.
 In den nicht gewerteten ersten 5 Trainingsdurchläufen waren mehr Fehler zu finden.
 Im Video Szenario wurde 2 mal 3 Fehler gemacht, was auf eine größere Fehleranfälligkeit hinweist.
@@ -257,7 +257,7 @@ Passt der Experte nicht auf, dann beschreibt er rechts und links anhand des Bild
 \input{Charts/Kommunikationszeit}
 Während der Kommunikation zwischen dem Experten und dem lokalen Nutzer wurde ebenfalls die Zeit gestoppt.
 Die Messung beginnt, sobald der Experte anfängt zu kommunizieren und endet sobald die Beschriftung vorgelesen wurde.
-In Abbildung \ref{fig:KommunikationsZeit} sind die Zeiten abgebildet.
+In \fref{fig: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.
@@ -274,7 +274,7 @@ In der Evaluierung wurden 2 standardisierte Tests verwendet: NASA-TLX und der Us
 
 Beim NASA TLX \cite{doi:10.1177/154193120605000909} werden 6 Kategorien auf einer Skala von 0 bis 100 in 5er Schritten bewertet.
 Auf die anschließende Gewichtung der Kategorien wurde verzichtet. 
-Die Ergebnisse wurden als Box-Whisker Plot \ref{fig:TLX} dargestellt.
+Die Ergebnisse wurden als Box-Whisker-Plot in \fref{fig: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.
@@ -297,7 +297,7 @@ Bei Betrachtung der gesamten Werte hat der AR Benutzer die Höchste Leistung ang
 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. 
-In der Abbildung \ref{fig:UEQ} sind die Mittelwerte und die Standartabweichung der einzelnen Rollen  zu sehen.
+In \fref{fig: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
 Die Attraktivität, Stimulation und Originalität ist bei beiden Vergleichen im VR Szenario wesentlich besser.
@@ -319,7 +319,7 @@ Nachdem die Teams beide Szenarien durchgeführt haben, wurde eine abschließende
 Es wurde gefragt, ob es in dem VR Szenario von Vorteil war, von der andern Person unabhängig zu sein.
 Im Videostream ist der Experte an die Perspektive und die Bewegungen der Kamera, also den lokalen Nutzer selber gebunden.
  
-In dem Plot  \ref{fig:Perspektive} kann man erkennen, dass die meisten Nutzer diese Unabhängigkeit als Vorteil gesehen haben.
+In \fref{fig:Perspektive} kann man erkennen, dass die meisten Nutzer diese Unabhängigkeit als Vorteil gesehen haben.
 Die Kamera bewegt sich und zeigt nicht immer den richtigen Bildausschnitt.
 
 Aber es gibt auch Bewertungen, die diese Unabhängigkeit als sehr schlecht eingestuft haben.