交互节奏与用户偏好
荣誉提名作者
可视化感知与认知
文献标题
Interaction Pace and User Preferences
文献信息
- 主题领域: 人机交互(HCI),用户界面设计与交互节奏适配性研究
- 关键词: 用户交互节奏, 系统节奏, 界面适配, 超时机制, 用户偏好, 人机交互实验, 拖放行为, 交互设计, 系统响应时间, 通信理论
研究背景与问题
- 问题或挑战: 当前用户界面的交互节奏通常由设计者固定设置或者通过用户手动定制实现。然而这种方式可能无法适配用户的自然交互节奏,进而影响用户体验。例如,固定的超时时间可能对某些用户过快或过慢,带来不便和挫败感。
- 重要性: 用户与系统之间的良好交互对用户满意度至关重要。研究表明语言交流中语速一致性能够增强沟通效果,有助于促进积极互动行为。这提示用户界面的交互节奏调适或一致性可能有助于改善用户偏好与体验。
- 研究动机与相关工作:
- 语言交流中语速趋同的理论为研究提供了灵感,而这一现象在用户与计算机的互动中是否存在尚未验证。
- 早期研究主要集中于系统响应延迟对用户影响的研究,但刻意设计的交互节奏(如超时时间)对用户偏好和交互效果的影响更值得关注。
- 现代界面中大量使用了动画、信息速率控制等节奏相关设计,但它们更多是固定设计或用户手动调整,并未支持自动适配用户节奏的功能。
解决方案
- 提出的方法或解决方案: 作者提出通过测量用户的交互节奏来判断其偏好,并探讨系统节奏自动适配用户节奏的可能性,即所谓的“交互节奏趋同”(interface pace convergence)。
- 创新之处: 首次尝试用实验方法验证用户偏好是否会与自动测量到的用户交互节奏相关联,并提出通过自动测量用户节奏来动态调整界面属性以适应用户的交互需求。
- 实施步骤与技术:
- 实验任务设计: 使用层级拖放任务模拟实际界面中的交互行为。用户需要拖动项目到目标层级,并受到不同超时时间的影响。
- 实验阶段:
- 阶段1: 通过一维拖放任务来测量用户的交互节奏,并依据完成时间对用户进行分类(快、中、慢)。
- 阶段2: 用户使用两种设置(快节奏和慢节奏)完成拖放任务并选择偏好。
- 阶段3: 用户通过滑块设置自己认为最优的超时时间,并在测试任务中使用所选设置。
- 实验工具: 使用HTML/CSS/JS编写的网络界面,记录所有用户操作数据(如完成时间、错误等)。
研究成果
- 具体成果:
- 用户对系统节奏的偏好与他们的交互节奏显著相关;快节奏用户倾向选择更短的超时时间,而慢节奏用户倾向选择更长时间。
- 用户在滑块设置中选择的系统超时时间与之前实验中测量到的交互节奏表现出正相关性(r=0.41,p<0.00001)。
- 实验说明自动适配用户交互节奏的界面可能带来更高的用户满意度。
- 现有解决方案的优势:
- 提供了一种新的设计理念——动态交互节奏适配,有助于解决固定节奏或用户手动定制的局限性。
- 实验结果表明这种方式可显著改善用户满意度,并减少因界面节奏不匹配带来的挫败感。
- 实验或评估结果:
- 用户实验表明跨三个用户类别(快、中、慢)的节奏偏好存在显著差异(快用户偏好率:58%,慢用户偏好率:38.6%,χ²=6.35,p=0.042)。
- 用户设置的超时时间在快慢类别之间存在显著差异(快用户平均: 429ms,慢用户平均: 726ms)。
- 局限性与未来方向:
- 局限性:
- 当前实验使用拖放任务作为单一场景,可能未能完全反映更复杂的用户交互行为。
- 实现实际系统节奏自适应仍需研究如何可靠地测量用户节奏。
- 未来方向:
- 探讨其他交互场景中一致性节奏的可行性,如滚动、拖动和点击。
- 探索生物指标(眼动、皮肤电反应等)是否可用以推断用户交互节奏。
- 深入研究节奏自适应可能对混合性或性别化界面的影响(例如带语音助手的界面)。
- 局限性:
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- 用户的交互节奏是否与其界面节奏偏好相关?分类: 界面感知、交互节奏与表达设计同类问题arrow_forward
- 动态调整界面节奏以适应用户交互节奏是否会提升用户体验?分类: 界面感知、交互节奏与表达设计同类问题arrow_forward
- 如何可靠地测量用户的交互节奏以支持界面节奏自适应功能?分类: 界面感知、交互节奏与表达设计同类问题arrow_forward
lightbulb
现实痛点
1- 用户界面固定节奏可能不符合个人速度,导致挫败感。分类: 界面感知、交互节奏与表达设计同类问题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://doi.org/10.1145/3411764.3445772
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
荣誉提名
group
作者
5 位作者
sell
研究子方向
可视化感知与认知
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
2 篇相关论文