先组织,再投票:探索二次调查界面中的认知负荷
作者
交互式数据可视化用户研究方法(访谈、调查、观察)政府官员与公务员HCI 研究员
研究背景与问题
-
发现的问题或挑战:
- Quadratic Surveys (QSs) 被认为能够比传统方法(如 Likert 量表)更准确地捕捉受访者的偏好。然而,QS 的复杂性和由此产生的认知负担限制了其在数字调查中的广泛应用。
- 当前的 QS 接口设计着重于机械操作,而非支持用户在权衡选项、构建偏好时面临的认知挑战。
- 信息过载和复杂选项(如超过 24 个选项)可能导致受访者的满意度下降和决策时行为的简单化(所谓的 “satisficing”)。
-
问题的重要性:
- 在需要做出权衡的群体决策中(如公共资源分配),为了确保数据质量和决策的公平性,减少认知负担并促进偏好构建至关重要。
- QS 具有在多种领域(如集体决策、资金分配等)中应用的潜力,其普及可能取决于改进的用户界面设计。
-
研究动机与相关工作:
- 其他调查形式的研究表明,过多的选项和设计不当的界面会显著增加认知负担,从而影响数据质量。
- QS 的“平方机制”特征要求受访者权衡选项并分配预算,这提出了独特的挑战,即如何帮助受访者管理这一过程。
解决方案
-
提出的方法:
- 作者设计了一个新的“两阶段”界面,称为“Organize-then-Vote”(组织然后投票)。受访者首先在组织阶段对选项进行分类,然后在投票阶段按分类的顺序投票。
-
该解决方案的创新之处:
- 引入了一个明确的组织阶段,使受访者可以对选项进行初步分类,而不是直接面对所有选项进行投票。
- 使用拖放功能和视觉分组来帮助参与者构建并调整他们的偏好。
- 将常见的决策心理模型(如区分与合并理论)应用于 QS 界面设计,从用户行为角度支持认知过程。
-
实施步骤与关键技术:
- 第一阶段: 组织阶段: 选项以“一次一个”的方式呈现,参与者可以选择将其归类为“倾向支持”、“倾向中立”或“倾向反对”,或者跳过。
- 第二阶段: 投票阶段: 选项按分类顺序排列,参与者可以查看每个选项的成本并分配预先固定的预算,支持直接拖放和重新排列功能。
- 设计避免了使用多余的图形元素(如图标和情绪符号)以减少视觉干扰,并简化预算检查工具以改善用户体验。
研究成果
-
具体成果:
- 两阶段界面减少了受访者在较长调查中的选项遍历距离,优化了任务流。
- 实验结果显示,与文本界面相比,两阶段界面下受访者每个选项的平均投票时间更长,表明参与者进行了更深入的偏好思考。
- 在长调查(24 个选项)的情况下,该界面引导了更高层次的战略性偏好构建行为,而不是简单的机械操作。
-
与现有解决方案的比较与优势:
- 在长调查中,两阶段界面减少了受访者因过载而“satisficing”的行为趋向。
- 通过组织阶段显著提高了投票任务的清晰度,减轻了认知负担,特别是从操作任务转向战略思考。
-
实验评估结果:
- 定量结果表明:
- 长文本界面要求受访者更频繁地遍历选项列表,这与高认知负担相关。
- 使用两阶段界面的受访者在同样的选项修改次数下,编辑距离显著减少。
- 定性分析显示:
- 两阶段界面受访者表现出更积极的任务情绪(如更感满意),而文本界面受访者对于时间和任务的压力感更强。
- 定量结果表明:
-
局限性与未来方向:
- 局限性:
- 用户在实验中缺乏 QS 使用经验,可能影响实验代表性。
- 数据规模较小,限制了统计显著性的验证。
- 本研究未能完全解决预算分配的认知挑战。
- 未来方向:
- 探索更好支持预算管理的界面设计。
- 扩大研究范围,例如跨设备界面研究(如手机用户体验)。
- 研究如何识别和降低“臆断”行为,并评估其对数据质量的影响。
- 局限性:
通过设计针对人类认知和行为特性的 QS 界面,本研究为复杂决策场景中的调查工具提供了重要的设计指导。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 在复杂决策场景中,如何设计问卷接口以降低认知负荷并提升偏好构建的效率?分类: 情境感知采样与低干扰通知同类问题arrow_forward
- 两阶段“先组织后投票”界面相较于传统文本界面,能否提高长问卷中的数据质量?分类: 情境感知采样与低干扰通知同类问题arrow_forward
- 在设计中如何有效结合拖拽分组功能和心理模型以支持用户的认知过程?分类: 情境感知采样与低干扰通知同类问题arrow_forward
lightbulb
现实痛点
1- 复杂问卷设计导致用户负担过重,降低了数据质量。分类: 情境感知采样与低干扰通知同类问题arrow_forward
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3714193
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
交互式数据可视化、用户研究方法(访谈、调查、观察)
work
职业/产业
政府官员与公务员、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
2 篇相关论文