《我是钢铁侠》启动改进用户引发手势的学习性和记忆性
手部手势识别用户研究方法(访谈、调查、观察)游戏开发者与设计师UI/UX 设计师HCI 研究员
文献标题
“I Am Iron Man”: Priming Improves the Learnability and Memorability of User-Elicited Gestures
文献信息
- 主题领域: 人机交互(HCI)、用户交互设计、触控手势可用性
- 关键词: 分布式交互设计, 用户引导, 可学性, 记忆性, 人群外包, 收割效应, 科幻与HCI
研究背景与问题
-
问题或挑战:
- 用户引导研究中的“遗产偏差”(legacy bias),一种用户受现有技术影响而提出保守和不创新建议的现象。
- 如何设计更为易学和容易记忆的用户手势以减少遗产偏差。
-
重要性:
- 在混合现实(MR)等新兴技术中,传统遗产手势可能无法满足技术进步需求。
- 手势的易学性和可记忆性直接关系到用户体验和技术采纳。
-
研究动机与相关工作:
- Morris等人提出使用心理学领域的“视觉诱导”(priming)技术以促进用户的创造力和减少遗产偏差。
- 当前关于视觉诱导在用户引导中的效果研究不足,尤其是在统计意义和研究规模上的不确定性。
- 基于心理学和科幻与HCI的相关联研究背景,作者希望通过科学实验验证视觉诱导对用户手势引导中影响。
解决方案
-
提出的方法/解决方案:
-
使用两种形式的视觉诱导:
- 科幻电影剪辑(如《钢铁侠》《少数派报告》等)作为参考。
- 创造性意识心态,通过询问受访者过去创造性的经验激发创新思维。
-
设计并完成一个大规模(167人)的分布式用户引导实验,任务包含10个与MR媒体播放器功能相关的手势设计。
-
-
创新之处:
- 初探科幻电影作为视觉诱导的潜在价值,验证其在减少遗产偏差和提高可学性、记忆性的效果。
- 采用基于Crowdlicit平台的分布式设计,突破传统实验环境的局限性。
- 对用户设计手势进行独立的可学性与记忆性研究。
-
实施步骤:
- 进行分布式用户引导实验:参与者提供自己设计的手势来解决10个功能需求。
- 评估手势的猜测性(identifiability)。
- 进行分布式可学性研究,通过重复观看视频让受试者学习并执行手势。
- 进行分布式记忆性评估,测试参与者在一周后能否正确回忆手势。
- 对比无诱导组、科幻诱导组、创造性心态诱导组的表现差异。
研究成果
-
具体成果:
- 可学性: 科幻诱导组手势学习速度最快,平均仅需1.22次视频观看;对比组为1.60次,创造性组为1.56次。
- 记忆性: 一周后,科幻诱导手势的记忆准确率达到80%,创造性组为73%,而对比组仅为43%。
- 参与性: 体验到的愉悦度和匹配度评分表明,视觉诱导提升了手势的认同感。
-
与现有解决方案的优势:
- 扩展了用户引导研究的方法论,引入了大规模(在线)分布式实验,与典型的小样本实验相比统计结果更具信度。
- 验证视觉诱导可改善手势直观性(identifiability)和用户参与体验。
-
实验或评估结果:
- 167名分布式参与者的试验结果显示视觉诱导有效减少了遗产偏差,同时无需显著影响动作的直观性(识别率)。
- 手势组中的科幻视觉诱导显著提高了初次可学性及整体学习效率。
- 科幻视觉诱导手势的记忆性远高于对比组。
-
局限性与未来方向:
- 局限性:
- 用户仅在想象系统,而非真实互动的背景下进行设计。
- 可能存在视觉诱导参与者直接模仿电影中手势的效果混淆。
- 未来方向:
- 验证视觉诱导手势在实际混合现实设备中的操作表现。
- 探讨更多形式的视觉诱导手段对手势可学性和记忆性的影响。
- 考察视觉诱导是否对其他形式的人机交互(如语音指令或图形界面标签设计)有效。
- 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- 视觉提示技术(如科幻电影剪辑)能否提高用户设计手势的学习性和记忆性?分类: 用户定义手势设计与评估同类问题arrow_forward
- 不同类型的视觉提示对减少用户设计手势中的遗留偏差有何效果?分类: 用户定义手势设计与评估同类问题arrow_forward
- 在分布式实验环境中,视觉提示如何影响用户设计手势的表现和接受度?分类: 用户定义手势设计与评估同类问题arrow_forward
lightbulb
现实痛点
1- 用户设计的手势通常难以学习和记忆,同时容易受到遗留偏差的影响。分类: 用户定义手势设计与评估同类问题arrow_forward
暂无符合条件(≥60% 相似度)的相关论文
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/10.1145/3411764.3445758
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
手部手势识别、用户研究方法(访谈、调查、观察)
work
职业/产业
游戏开发者与设计师、UI/UX 设计师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文