一图胜千言？利用视觉和文本渠道理解态度与信念

文献标题

Does a Picture Paint a Thousand Words? Using Visual and Textual Channels to Understand Attitudes and Beliefs

出版信息

• 主题领域: 通过视觉和文本引导方法理解用户态度和信念。
• 关键词: 人机交互、视觉引导、文本引导、态度、信念、自由绘画、主题分析、问卷设计、可视化、用户研究。

背景与问题

• 问题/挑战: 现有的引导方法要么侧重于可分析性（例如，Likert量表），要么侧重于表达性（例如，开放式文本），但无法平衡这两种需求。结构化方法通常会简化复杂的态度，而表达性方法则难以系统地分析。此外，现有的视觉引导技术依赖预定义的量表，限制了对用户如何自然表达其态度和信念的理解。
• 意义: 理解用户如何在心理上表征态度和信念可以为设计既具表达性又可分析的引导方法提供指导，从而改善HCI及相关领域的数据收集。
• 动机与相关工作: 之前的研究探索了结构化和视觉引导方法，例如滑块、基于表情符号的问卷调查和交互式图表，但这些方法依赖研究者定义的构造。认知心理学和可视化研究表明，自由绘画和图表可能有助于捕捉用户视角，但这些方法在引导态度和信念方面的应用尚未充分探索。

解决方案

• 提出的方法: 通过两轮定性研究，使用自由绘画和文本描述来探索用户如何以视觉和文本方式表征其态度和信念。
• 创新点:
  1. 识别用户生成绘画中的基本视觉元素（例如，图像、面部表情、方向符号）及其组合。
  2. 比较视觉和文本表征方式，揭示其差异与互补性。
  3. 基于参与者策略设计推测性视觉引导技术，包括可调节面部表情、多滑块界面和图示图表。
  4. 探讨态度和信念在不同主题和文化背景下的视觉表征差异。
• 研究流程与关键技术:
  • 使用平板设备对41名美国参与者进行两轮研究。
  • 参与者通过自由绘画和文本描述表达对四个主题（例如，疫苗接种、生成式AI）的态度和信念。
  • 应用主题分析识别视觉和文本模式，评估评分员间一致性并开发编码手册。
  • 研究结果为推测性视觉引导原型设计提供了参考。

研究结果

• 具体发现:
  • 识别出五种基本视觉元素（图像、面部表情、姿势、文本、符号）和六种组合策略（例如，故事、图表、公式）。
  • 文本响应更适合表达细腻的态度（例如，模糊性、条件性信念），而视觉响应在传达核心态度和因果关系方面表现出色。
  • 参与者在84.1%的情况下更倾向于文本响应，认为其更能表达复杂性。
• 相较基线的优势: 研究表明，自由绘画能够补充文本方法，通过捕捉视觉心理构造提供比结构化量表或预定义视觉工具更丰富的洞察。
• 实验/评估:
  • 两轮定性研究，共41名参与者（N1=20，N2=21）。
  • 研究主题包括疫苗接种、教育支出、生成式AI和自行车使用。
  • 通过主题编码分析视觉和文本响应，评分员间一致性得分分别为0.79（第一轮）和0.44（第二轮）。
• 局限性与未来工作:
  • 参与者的绘画技能和图形素养影响了视觉响应的清晰度。
  • 研究结果的文化特异性（基于美国参与者）限制了其普适性。
  • 未来工作应验证提出的引导技术，探索跨文化差异，并解决任务顺序效应。

总结

本文通过定性研究探讨用户如何通过自由绘画和文本描述表征态度和信念。研究结果揭示了关键视觉元素和组合策略，以及视觉和文本渠道的互补优势。受这些洞察启发，作者提出了推测性视觉引导技术，例如可调节面部表情、多滑块界面和图示图表，以平衡表达性与可分析性。尽管研究强调了视觉引导的潜力，但未来工作仍需验证这些技术并探索其在不同文化背景下的适用性。