优秀案例&论文分享
Excellentcase&papersharing
一月份学术分享内容导读:
1.视线指点；眼手双通道输入；触控板指点；辨别反应
2.驾驶分心；驾驶模式；注意需求；认知负荷
3.全自动汽车；用户研究；用户需求；设计要求
01
交互界面输入模式对目标指点绩效的影响
分享人：陈杰
研究方向：HMI
关键词：视线指点；眼手双通道输入；触控板指点；辨别反应
研究动机
图形用户界面的出现和鼠标的使用大大提升了计算机用户的交互效率和体验，但由于鼠标指点对操作平面要求较高，环境适应性较差，所以环境适应性更好的触控板等指点装置应用得相对广泛。多通道交互输入逐渐成为智能人机交互的发展方向。研究旨在探索指点交互界面输入模式对目标指向与辨别反应任务绩效的影响。
研究方法
28名被试采用凝视输入（驻留时间为400ｍs/500ms/600ｍs/700ms四个水平）、视线定位－按键确认输入（眼手双通道输入）、鼠标指点、触控板指点四种交互界面输入模式，完成辨别反应任务，基于任务完成时间、正确率指标对任务绩效进行评估。
研究内容
01 实验任务与设计
本研究采用辨别反应任务范式（如图１），辨别反应任务的基本规则为：如果方块内的数字为偶数则选中它；如果方框内为奇数，则避免选中它，被试需要按照要求将光标移动到目标上。
图1目标辨别反应软件界面示意
02 实验仪器和程序
实验软件使用Unity平台开发；实验中采用眼动仪以90Hz的采集率记录被试的眼动数据，实验软件实时获取被试的眼动数据。眼动仪安装于一个23英寸液晶显示器的底部，并通过USB接口连接至实验计算机，显示器上显示着任务界面（如图２）。
图2实验设备场景
03 实验流程
正式实验阶段包括７种条件的测试，每种条件192个试次。在两种条件测试之间会有短暂的休息。每完成一个实验条件的任务，会要求被试进行一次主观评价，从受挫程度、接受喜好程度、紧张程度、努力程度、误击风险程度、主观指点速度评价等方面进行７点评分，“１”表示程度最低，“７”表示程度最高。
04 实验结果
结果发现，不同指点输入方式之间的正确率存在显著差异。鼠标指点平均任务完成正确率最高，眼手协同模式平均任务完成正确率显著低于鼠标指点，和触控板指点之间差异不显著（如图3）。
图3 不同指点方式下的任务正确率
触控板指点的完成时间较长，眼手协同输入的完成时间低于视线交互和触控板指点；鼠标输入方式的完成时间短于其他所有输入交互方式（如图4）。
图4 不同指点方式下的任务完成时间
在误击风险、挫败程度、努力程度和紧张程度这些维度上，400ms驻留时间的视线指点的得分最高，鼠标指点得分最低；在接受喜好程度和主观指点速度评估这些维度上，鼠标指点得分最高，触控板指点得分最低（如图5）.
图5 不同指点模式在各主观评价指标下的得分
论文及图片来源
王春慧,黄子允,田雨等.交互界面输入模式对目标指点绩效的影响[J].人类工效学,2022,28(05):1-6.DOI:10.13837/j.issn.1006-8309.2022.05.0001
局限性与展望
1.文中正式实验的7种条件测试，每种条件都包含192个试次，虽然在两种条件测试之间会有短暂的休息，但相对较高的试次在实验后期可能会造成被试者的疲劳，影响后续数据的准确性。
2.实验结论得出的眼手双通道交互界面输入模式的正确率高且任务完成时间短。后期将视线输入与其它模态进行有机组合来实现良好的交互效能与体验，也是后续研究中值得进一步关注的内容。
学习与收获
1.作者对于引言中其他学者的研究综述描述准确，详略得当。突出了对于辨别反应类任务下适宜驻留时间存在不一致的结论作为研究动机开展后续调研，有效的提高了文章的说服力。
2.对于实验任务与设计、以及实验仪器和流程叙述的细致入微，包括到了仪器的型号和分辨率等等，以及后续在平均正确率数据的分析、处理、最终的展现方式都值得我去学习。
02
智能手机手动和语音驾驶模式的视觉和
认知要求
分享人：李成龙
研究方向：智能座舱
关键词：驾驶分心；驾驶模式；注意需求；认知负荷
研究动机
分心对驾驶安全的影响极大，一些车内任务会增加驾驶员认知负荷，使驾驶员出现一些高风险动作。本文认为车内使用手机是造成车内分心较为普遍的原因，因此本文对智能手机模式展开研究。本文旨在评估基于语音或视觉的手动驾驶模式相对于传统的手机操作系统,是否能够成功减少驾驶员的视觉注意需求和认知负荷。
研究方法
1.通过记录驾驶员在执行驾驶时的目光行为，并进行编码以测量视觉注意需求
2.用检测反应任务（DRT）测量认知需求和负荷
3.记录开车时完成次要任务的总时间，从驾驶员启动辅助任务到完成辅助任务的时间间隔， 包括同时参加辅助任务和驾驶任务的所有时间
4.通过量表对驾驶员分心程度进行分析
研究内容
01 实验设计
被试：24名(22-59岁;M=39.46, SD =13.43)有执照的司机，且每周开车超过一小时，每周至少三次使用谷歌助理的安卓用户，并经常在开车时使用谷歌地图。
交互模式：以Mobile OS交互模式作为基准条件。对驾驶模式没有任何优化。
“手动驾驶模式”是指在驾驶模式下手动与智能手机上的谷歌助手应用程序进行交互，该模式是为驾驶而优化的，按钮更大，可用功能更少。对于手动驾驶模式，驾驶员点击右下角的磁贴图标,可以选择的应用程序要少得多。
基于语音的驾驶模式(“语音驾驶模式”)主要通过语音命令在驾驶模式下与智能手机上的谷歌助手应用程序进行交互;司机可以选择通过点击右下角的麦克风图标来启动任务。
图1 传统操作模式（MONK C, SALL R, LESTER B D，2023）
图1语音交互模式与手动驾驶模式
任务：选择了五个智能手机任务进行测试，包括打电话，阅读收到的短信并回复，选择新闻故事，选择播放播客，选择播放音乐。作者为任务和交互模式的15种组合给予一个要求等级分数，为每个步骤分配一些权重，例如：手动输入文本(4)，通过点击导航用户界面(3)，通过滑动滚动(2)，确认音频播放 (1)参与者还完成了一项听觉N-back任务， 作为基线认知负荷条件。
表1任务等级表节选
02 实验过程
每个参与者都从一圈练习开始，向被试介绍驾驶任务和DRT，然后完成N-back圈，随后参与者在三种交互模式下分别完成五项任务的试验，最后对完成任务的主观评分和开放式反馈，对三种交互模式的喜好。
03 数据收集与分析
对MGD、TEORT、TTT、DRT RT和DRT漏报率均采用线性混合模型进行重复测量方差分析。
（1）平均注视时间(MGD)
MGD线性混合模型的重复测量ANOVA结果见表2
表2 用Satterthwaite方法对线性混合效应模型进行III型ANOVA
这些结果表明，与其他两种交互模式相比，驾驶员在使用语音驾驶模式执行五项任务中的三项时， 对手机的浏览时间更短，结果还表明，手动驾驶模式的设计比传统条件下具有更低的视觉需求。
（2）总视线偏离道路时间(TEORT)
TTT线性混合模型的方差分析结果见表2
结果表明，文本任务的TTTs明显长于电话、新闻、播客、音乐任务。电话的TTTs明显长于新闻和音乐，新闻的TTTs明显长于Podcast，Podcast 的TTTs明显长于音乐。
图2 MGD、TEORT、TTT、DRT RT和DRT缺失率相关指标的交互模式图和交互模式的主效应
表3任务之间的事后比较
这些结果表明，在大多数任务中，与传统模式相比，在使用语音驾驶模式时， 驾驶员对手机的总注视次数更少，在某些任务中，与手动驾驶模式相比也是如此。与传统模式相比，手动驾驶模式的偏离道路时间也更少。传统模式中的文本和新闻任务平均需要更多的交互，这导致TEORTs比所有其他交互模式和任务组合都要长。
（3）总任务时间(TTT)
TTT结果与预期一致，即需要更多步骤(例如，发短信)和更长的互动(例如，语音驾驶模式)的任务导致 更长的TTT。
（4）DRT缺失率
DRT缺失率线性混合模型的方差分析显示，交互模式和任务的主效应显著，然而，交互作用在统计上并不显著。
（5）分心的主观评分
参与者对“任务有多分散注意力?”这个问题的反应进行李克特评分。每个任务后呈现的结果如图4，从图中可以看出， 语音驾驶模式条件下的大多数反应倾向于“不太让人分心” 的评级，而传统模式下的更多反应倾向于“非常让人分心” 的评级。
图3 交互模式和任务的分心评定问题结果
04 总结
1.对于第一个研究问题(Q1)，与传统模式相比，语音驾驶模式导致更短的平均注视时间和更低的总视线离开道路时间。与传统模式相比，手动驾驶模式也显示出较低的视觉需求，这表明手动驾驶模式可以成功地降低视觉注意要求水平，
2.第三个研究问题(Q3)的答案仍然是不确定的，因为DRT结果是混合的。结果表明，触觉DRT反应时间对交互模式和任务条件不敏感，，DRT脱靶率表明，与传统模式和手动驾驶模式相比，语音驾驶模式对驾驶员的认知要求较低。
3.分心的主观评分(Q4)确实与总视线离开道路时间相一致，与其他两种交互模式相比，语音驾驶模式被评为最不分散注意力，手动驾驶模式也被评为比传统模式更少分散注意力。
4.基于语音的交互在减少驾驶时智能手机交互的视觉注意需求方面的重要性是本研究的一个明确结果，但该研究也提供了证据，表明与传统模式相比，手动驾驶模式的实现也可以减少视觉注意需求。
论文及图片来源
MONK C,SALL R,LESTER B D,等.Visual and cognitive demands of manual and voice-based driving mode implementations on smartphones[J]. Accident Analysis& Prevention,2023,187:107033. DOI:10.1016/j.aap.2023.107033.
局限性与展望
实验过程中的两种模式都并非纯粹的语音或手动模式，语音驾驶模式条件允许参与者通过手动点击按钮发起任务，手动驾驶模式条件下的文本任务使用基于语音的交互来发送和接收文本响应。在这项研究中，参与者按照实验者的指示执行任务， 而不是基于他们自己的内在动机。在现实生活中驾驶时，驾驶员可以随时自由地执行他们选择的任何任务。
学习与收获
语音驾驶模式导致最低的视觉注意需求和最低的分心主观评分，进一步证明支持基于语音的HMI在电子设备上的车载任务实现。虽然语音驾驶模式具有显著优势，但设计良好的非基于语音或多模式的驾驶模式同样具有重要意义。考虑到良好的非基于语音或多模式的驾驶模式也可以帮助减少视觉注意力需求，手动模式可以作为补充或替代语音控制。
03
获取全自动驾驶汽车用户体验的用户需
求和设计要求
分享人：杨子怡
研究方向：行为研究
关键词：全自动汽车；用户研究；用户需求；设计要求
研究动机
全自动汽车的引入将改变个人交通运输中的用户体验。为了使全自动驾驶汽车成为一种可持续发展的出行工具，它需要根据用户的期望来设计车辆应用程序和用户界面。本研究旨在探究全自动驾驶场景下，人们的需求以及如何解决这些需求。
研究方法
首先对相关研究和行业趋势进行了文献综述研究，为设计分类法和用户案例的草案提供了基础。根据这些中期结果，进行了专家访谈和焦点小组访谈。结果以两种方式呈现:（1）设计分类法的最终版本（2）用户需求和设计要求。具体流程如图1所示。
图1 研究具体流程
研究内容
01 文献综述
通过大量阅读文献，发现全自动驾驶汽车用户界面的研究还处于初级阶段，目前已经虽然有零星的研究列举了全自动汽车用户需求（见图2），但是关于以系统化的方式创建全自动驾驶汽车设计要求全面框架的研究很少。因此，本研究中希望开发设计分类法，并根据这个新的设计分类法分析了用户需求和设计要求。
图2全自动汽车用户的需求
02确定设计分类法初稿以及使用场景案例
收集现有的新闻文章、新闻稿、图片、视频和媒体帖子。结合以下关键词进行搜索：全自动汽车、自动驾驶汽车、自动驾驶、概念车、5级、用户界面、用户体验、信息娱乐和娱乐。从每个文献中列出了总体观点和趋势，然后将它们转述成贴纸便签，使用亲和图方法组织信息进行了内部研讨会议。基于此，为全自动驾驶汽车开发了设计分类法的第一个版本（如图3）。五个维度 ，包括不同的层次，作为第一个设计分类法。
图3 设计分类法版本1
根据文献综述和趋势分析制作了一个案例清单，应用了任务、系统和用户三个方面来引出用户和场景案例（这3方面被认为是理解用户与车内信息系统交互的关键维度）。结果包括了11个场景案例。6个是从任务角度考虑的：包括办公工作、日常活动、健身运动、电影和电视节目、游戏以及购物和停车；2个是从系统角度考虑的：包括车内用户界面和外部用户界面；3个是从用户角度考虑的：包括青少年交互、医疗保健和无障碍。最后制作了包含每个案例图片和简单描述的演示文稿，以构思出具体的情境（如图4）。
图4 案例及描述
03专家访谈和焦点小组访谈
正式实验阶段包括７种条件的测试，每种条件192个试次，在两种条件测试之间会有短暂的休息。
（1）访谈参与者选择
专家访谈从界面设计、人因工程和人机交互领域，招募了九名在汽车及HMI领域有相当研究和开发经验的志愿者。同时，他们平均在相关领域工作十多年。九名参与者中有六位是大学教师，其余三位是交通研究机构的高级研究人员。
焦点小组访谈选择十名志愿者（女性=6，男性=4）参加了焦点小组讨论活动，并分为两个独立的小组。每个小组访谈包括五名参与者，并在线下场地进行访谈。由于目标人群是年轻驾驶员，因此招募了大学生作为参与者。平均年龄为22.5岁（标准差=2.38）。
（2）访谈流程
专家访谈分为三个部分。在第一部分中，参与者被要求介绍他们在驾驶研究方面的工作年限和经验，以便顺利进入讨论的主题在第二部分中，提供了涉及FAVs对用户界面的影响方面的问题，包括机遇、挑战和风险，以引发在FAV背景下的各种界面设计和用户体验问题。从预定义的问题开始，研究人员会根据受访者的提及，自然地提出后续问题。在最后一部分中，访谈继续进行，与访谈材料相关的问题。参与者就设计分类初稿和与十一个使用案例相关的具体问题发表了意见。
焦点小组访谈同样分为三个部分。第一个部分是创意生成和头脑风暴的环节。参与者需要提出关于FAVs中未来情景或预期情况的想法。然后，他们进一步根据自己的演示讨论了用户界面（UI）和用户体验（UX）的需求和设计要求。第二部分类参与者讨论了他们对每个使用案例提出的需求、利益、机遇、挑战和风险在最后一部分中，参与者在空白纸上绘制了一个喜欢的使用案例和支持该使用案例的内部配置。
04 确定设计分类法终稿
根据专家的意见，对设计分类进行了修改：
（1）使用通用术语来描述类别中的每个项目；
（2）区分类别中的变量和级别；
（3）包括缺失的和提到的变量和级别。最终版本如图5。
图5 最终版本
05总结用户需求和设计要求
列出了满足用户需求的设计要求，并按设计分类法进行了分类。
（1）乘客：
a 界面设计应该根据乘客的数量和两者之间的关系提供不同的模式。
b 在开发用户界面时，应考虑不同人群的不同特点。
（2）活动类型
a 并非所有活动都适宜在车辆内进行：在开始设计和开发用户界面之前，首先需要考虑的问题是人们是否真的希望在全自动驾驶汽车中进行这项活动。
（3）交互类型
a 车辆-乘客互动的重点将更多地集中在增强乘客体验上
b 与车辆互动的界面需要考虑远程管理的部分情况：经常与远程控制相关的使用案例是购物/停车和青少年互动。
（4）用户界面：
a 界面根据乘客的不同而发生变化：如何准备供个人或共享使用的显示器，以及谁可以控制系统；为特定活动定制的显示屏可以增强用户体验：参与者提到利用显示屏或窗口区域作为信息显示以充分支持目标活动的可能性。例如“考虑到车内空间的独立性，汽车可以通过使用环绕式显示系统提供观看电视或电影的沉浸式体验；一些参与者也绘制了使用所有窗口区域作为射击游戏或视频会议的显示器（如图6）。
图6 参与者在不同活动中使用环绕显示器的插图
（左：射击游戏，右：视频会议）
b 需要与各种道路使用者进行明确的互动：外部用户界面不仅需要将车辆的意图传达给道路使用者，还需要捕捉和理解他们的手势和行为的意图。
c 预防和治疗晕车：在许多情况下，使用车内系统的增加必然会导致晕车。
（5）室内空间：
a 座位结构和姿势应考虑乘客体验和安全：在能够找到乘客不被固定座椅限制又保护他们的方式之前，为了安全起见，需要限制物理配置的自由度。
b 可改变车内设置以支持各种活动：设计可变车内设置，以满足不同使用场景下的需求。
（6）信息和内容：
a 为了保持乘客的情境感知，应向乘客提供与旅程相关的信息：虽然在自动驾驶汽车中人们不再需要驾驶，但使用车辆的目的仍然是移动到不同的场所。
b 自动驾驶汽车的独特内容：当人们第一次遇到自动驾驶汽车时，他们会因好奇心而享受使用新颖的系统或内容。但是，随着时间的推移，除非这些独特的内容不断为用户提供新颖的价值，否则最初的效果将逐渐消失。
（7）系统功能
a 自动驾驶汽车应该是一个多功能的网络设备：强调了两个方面，安全性和定制化体验。
b 保护个人数据：参与各种活动会产生更多的个人信息和数据，这些信息和数据应该受到保护，以免被其他乘客或车辆进行网络攻击和信息泄露。
c 应准备方法来保持清洁和卫生：在车辆中进行更多的活动不可避免地会导致维护问题（例如灰尘、碎屑和食物残渣）。由于自动化车辆的新兴功能，这是一个相对较新的需求，在汽车用户界面文献中尚未得到充分解决。
d 应为自动驾驶汽车准备处理紧急情况的方法：由于驾驶系统的故障或外部因素，道路上的紧急情况仍将发生。然而，如果由于自动化系统，驾驶车辆的人不需要驾驶技能，那么新一代人将很难应对这些情况。因此，应准备针对此类紧急情况的系统功能或协议。
论文及图片来源
Seul Chan Lee, Chihab Nadri, Harsh Sanghavi & Myounghoon Jeon (2022) Eliciting User Needs and Design Requirements for User Experience in Fully Automated Vehicles, International Journal of Human–Computer Interaction, 38:3, 227-239, DOI: 10.1080/10447318.2021.1937875
局限性与展望
1.除了演示幻灯片外，没有使用任何有形的材料来演示用例。如果未来的研究将基于各种原型方法进行，这可以提供有意义的设计见解。
2.缺乏定量研究，各种类型的用户体验测量，如表现 、心理信号和主观评价，如能够提供定量的支持，则可以弥补定性研究的弱点
3.虽然明确提到，访谈的重点是未来全自动驾驶汽车的交通环境，但参与者的意见可能部分受到当前经验的限制。这可能是用户研究在收集和分析来自用户的数据时所固有的困难。在未来，如果研究人员能够让参与者沉浸在未来的背景中，参与者将提供更深入的理解。
学习与收获
1.完整展现了研究流程，详细地介绍了访谈步骤，从访谈内容的确定、参与者的选择到访谈结果的分析，给予了我们一份很详细的学习指导，对今后如何进行访谈有很好的指导意义。
2.设计分类法框架提供了归类用户需求的方式，根据此框架可以更好地归纳用户需求，得到设计要求；今后的研究也可以以此框架为基础，进行进一步的补充完善。
3.文中归纳的针对全自动驾驶汽车场景下的设计要求可作为参考，指导今后的设计实践。
注
本文所分享到的相关行业内容和设计案例是编者按照读书笔记的形式进行整理排版，原内容和案例知识产权归杂志社或者原作者所有，如有侵权，请联系删除。
往期推荐
论文投稿与比赛参选流程
01
10-2021
研究中心培养计划细则
03
10-2021
论文写作专题
13
03-2022
文献综述方法分享
这里是武汉理工大学人机交互与智能设计研究中心（AI & D Lab）。敬请关注本公众号后续内容，我们将定期推送学术分享、设计前沿、项目讯息、新闻动态等栏目文章。
编辑：许心如
审核：杨子怡
人机交互与
智能设计研究中心
微信公众号 | AI & D Lab
武汉理工大学
艺术与设计学院
关注我们｜关注人机交互智能设计
Aritificial Intelligence & Design Lab
来源：科研机构
