Over-the-Top Videostreaming ist eine der wichtigsten Internetanwendungen und macht den Großteil des Internetverkehrs aus. Videoanbieter und Internetprovider (ISPs) wollen daher die Quality of Experience (QoE) dieser Dienste messen und optimieren, benötigen dafür jedoch automatisierte, valide und zuverlässige Bewertungsmethoden. Videoqualitätsmodelle haben sich hauptsächlich auf die Bewertung kurzer Sequenzen (<10 s) und passive Qualitätsbewertungen durch Proband⋅innen konzentriert. Solche Modelle erfassen jedoch nicht, wie Nutzer⋅innen mit Streaming-Diensten interagieren, insbesondere bei Störungen. Für eine ganzheitliche QoE-Bewertung auf Session-Ebene sind daher neue Modelltypen erforderlich. Diese Dissertation untersucht die Beziehung zwischen Userverhalten und QoE bei Videostreaming-Diensten und geht der Frage nach, wie Nutzer⋅innen sich beim Streamen verhalten und auf Probleme reagieren. Mittels neuer methodischer Ansätze und empirischer Forschung schließt sie eine Lücke in der QoE-Bewertung, die Interaktionsmuster oft vernachlässigt. Zunächst wird ein theoretisches Modell entwickelt, das QoE mit dem Nutzer⋅innenverhalten verbindet. Ein “immersives” Testdesign wird vorgestellt, das längere Studien mit Bewertungen typischer HTTP-Adaptive-Streaming-Störungen umfasst. Die Ergebnisse dienten der Entwicklung eines Modellvorschlags für ITU-T P.1203.3, der ausführlich vorgestellt wird. Eine sorgfältig konzipierte Laborstudie, die experimentellen Bias minimiert, zeigt zudem, welche Maßnahmen User bei Streamingproblemen ergreifen und wen sie dafür verantwortlich machen. Der methodische Beitrag umfasst neuartige Ansätze zur Erhebung natürlichen Verhaltens in kontrollierten Laborumgebungen durch “täuschende” Studiendesigns. Die Ergebnisse führten außerdem zur Erstellung von ITU-T P.917 zur laborbasierten Analyse der Auswirkungen von Videoladezeiten auf die QoE. Aufbauend auf diesen Erkenntnissen wurde die Analyse mittels Crowdsourcing in den realen Kontext überführt. Eine speziell entwickelte Browser-Erweiterung ermöglichte die Messung der Streaming-Qualität und Nutzerinteraktionen in natürlicher Umgebung, mit Fokus auf YouTube, Netflix und Amazon Prime. Mit über 450.000 Messungen über ein Jahr wurden beispiellose Einblicke in authentisches Nutzungsverhalten, einschließlich Engagement, und Streaming-Qualität gewonnen.
Werner Robitza (Thu,) studied this question.