比较交互设计中的设计隐喻与用户隐喻

文献标题

Comparing Design Metaphors and User-Driven Metaphors for Interaction Design

出版信息

• 主题领域: 交互设计与隐喻在用户体验中的评估。
• 关键词: 设计隐喻, 用户隐喻, 人机交互, 用户体验, 隐喻引导, ChatGPT, Twitter, YouTube, 平台设计, 用户中心设计。

背景与问题

• 问题 / 挑战: 设计隐喻往往无法有效转化为用户的实际体验，而且对这些隐喻如何在不同用户群体中产生共鸣的理解仍然有限。
• 重要性: 理解设计隐喻与用户隐喻之间的一致性可以改善用户体验，优化设计流程，并促进平台与用户之间更好的沟通。
• 动机与相关研究: 先前的研究探讨了隐喻的生成与评估，但缺乏系统比较设计隐喻与用户生成隐喻的方法。本研究基于隐喻引导技术，填补这一空白，聚焦于三个平台：ChatGPT、Twitter 和 YouTube。

解决方案

• 提出的方法: 提出一个比较框架，用于评估设计隐喻（由平台投射）与用户隐喻（从用户中引导）的匹配程度。
• 创新点:
  1. 提出了一种方法，用于挖掘和比较特定平台的设计隐喻和用户隐喻。
  2. 开发了一种轻量化流程，帮助设计师收集关于隐喻的反馈。
  3. 探讨了用户隐喻如何反映不同人口群体的多样化体验。
• 流程与关键技术:
  • 利用 Wayback Machine 分析平台的历史网络内容，提取了 21 个设计隐喻。
  • 通过句子补全调查，从 300 名参与者中引导出 554 个用户隐喻，覆盖三个平台。
  • 进行了一项更大规模的调查，收集了 926 名参与者对用户隐喻反映性的评分。
  • 使用定性编码和基于关键词的分析比较设计隐喻与用户隐喻。
  • 通过统计方法（包括 ANOVA 和 Benjamini-Hochberg 校正）分析不同人口群体间的隐喻评分。

结果

• 具体发现:
  • 在设计隐喻的 16 个显式关键词中，只有 8 个出现在用户隐喻中，大多数设计隐喻未能直接引起用户共鸣。
  • 用户评分最高的隐喻往往与设计隐喻不同，反映了诸如毒性（Twitter）、知识丰富性（ChatGPT）和探索性（YouTube）等体验。
  • 隐喻评分在种族、性别和年龄群体之间存在显著差异。
• 相较基线的优势:
  • 证明用户隐喻比单纯的设计隐喻能提供更丰富和多样的用户体验见解。
  • 突出了设计隐喻在传递预期体验给用户方面的不足。
• 实验 / 评估:
  • 分析的平台：ChatGPT、Twitter、YouTube。
  • 方法：定性编码、隐喻评分的统计分析。
  • 指标：隐喻反映性的平均评分（5 分制 Likert 量表）。
• 局限性与未来工作:
  • 仅限于三个平台和基于美国的参与者样本。
  • 隐喻相似性评估依赖于人工标注。
  • 未来工作可探索纵向研究、跨文化背景以及更多平台。

总结

本文研究了设计隐喻与用户生成隐喻在 ChatGPT、Twitter 和 YouTube 三大平台上的一致性。研究发现设计隐喻往往未能引起用户共鸣，而用户隐喻反映了更广泛的体验，包括负面和混合情绪。隐喻评分在不同人口群体之间的显著差异凸显了更具包容性的设计实践的必要性。提出的方法学支持隐喻的迭代优化，并为纵向和跨文化研究提供了机会。本研究通过提供评估和改进交互设计中隐喻质量的工具，为用户中心设计做出了贡献。