探索数字工具使用中的技术推理

荣誉提名
原型设计与用户测试计算方法在HCI中的应用HCI 研究员认知科学家

文献标题

探索数字工具使用中的技术推理 (Exploring Technical Reasoning in Digital Tool Use)

文献信息

  • 主题领域: 人机交互(HCI)、认知科学、工具使用与再利用
  • 关键词: 人类工具使用, 工具再利用, 技术推理, 人机交互, 创造性问题解决, 功能固着, 数字工具设计, 用户界面, 创造力, 实验研究

研究背景与问题

  • 发现的问题或挑战:

    • 在物理环境中,人类能够通过技术推理(Technical Reasoning)来重新利用工具,即基于对象的机械特性和原理找到非传统用途。作者试图探讨这一模型对数字工具的适用性。
    • 人机交互(HCI)领域已观察到用户以设计者未预见的方式重新利用数字工具,但其背后的认知机制尚未深入研究。
    • 数字工具的功能范围往往受限,用户难以尽可能灵活地发挥其潜能。
  • 研究的重要性:

    • 探讨技术推理模型在数字环境中的适用性,可以为设计更灵活和用户友好的数字工具提供理论支持。
    • 理解用户如何进行工具再利用有助于设计更加直观且具有创造潜力的用户界面。
  • 研究动机与相关工作:

    • 技术推理(Technical Reasoning)的核心在于人类基于抽象机械原理与对象属性的匹配来解决问题。这一认知理论在物理工具使用中已有基础,但尚未被应用于数字工具。
    • 过去的HCI研究(如工具再利用、创意问题解决等)为讨论提供了相关背景,但缺乏结合技术推理的系统性研究。

解决方案

  • 提出的解决方案:

    • 作者设计了一项实验,通过强迫参与者在一个文本编辑任务中重新利用数字工具,观察数字工具再利用是否符合技术推理模型。
  • 解决方案的创新之处:

    • 理论新颖性: 首次结合技术推理假说探讨数字工具使用中的认知机制。
    • 方法学贡献: 创造了一个控制工具功能可用性的实验环境,用以诱导和观察用户对工具的再利用。
  • 实施步骤与关键技术:

    1. 任务设计:
      • 创造了一个简化的文本编辑环境,要求参与者调整段落缩进。
      • 在每轮试验中,逐步减少可用命令,迫使参与者探索替代方法。
    2. 参与者招募与数据收集:
      • 16名参与者完成实验。实验包括前期问卷、任务执行、思维过程记录(think-aloud protocol)、以及后期创造力评估。
    3. 数据分析:
      • 定量分析: 分析任务完成情况、参与者找到的解决方案数量及其与创造力和经验的关系。
      • 定性分析: 分析参与者的口述过程,用以发现技术推理的证据。

研究成果

  • 研究发现:

    1. 技术推理的应用:

      • 大部分参与者成功重新利用了至少一种数字工具(如修改文字颜色以达成目标),这表明他们在数字工具中也应用了抽象机械原理。
      • 再利用行为显著与创造性人格特质关联,但与工具使用经验没有直接关系。
    2. 功能固着现象(Functional Fixedness):

      • 部分参与者受限于对工具惯用功能的思维,不愿接受非正统方法或无法找到替代解决方案。
      • 功能固着主要体现在经验较丰富的参与者身上,他们更倾向于依赖常规方法,即便效果不理想。
    3. 探索与目标偏离:

      • 部分参与者通过“随机尝试”触发灵感。这与物理环境中的试探行为类似,显示了创造性问题解决的一部分特性。
  • 与现有解决方案的优势:

    • 理论贡献: 将物理工具领域中的技术推理扩展到数字工具环境,为数字交互的理论研究提供新思路。
    • 实验设计: 提供了一种严谨且可控的方法以研究用户如何再利用数字工具。
  • 实验或评估结果:

    • 再利用特定类型数字工具的可能性,显著与参与者的高创造力分数相关(OR=2.23,p<0.03)。
    • 再利用命令前的探索行为,表明较难的任务迫使参与者测试更多的命令选项。
  • 局限性与未来方向:

    • 局限性:
      • 实验任务为人为设计,转移到真实世界情境的适用性需要进一步验证。
      • 不同数字环境(如文本与图形编辑器)的结果可能有所不同。
    • 未来方向:
      • 探究更贴近真实世界的数字工具再利用情境。
      • 长期研究数字工具再利用的行为模式。
      • 扩展任务类型,以测试技术推理模型在更广泛的数字交互中的适用性。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/68768/2022

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/abs/10.1145/3491102.3501877
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
荣誉提名
group
作者
3 位作者
sell
研究子方向
原型设计与用户测试、计算方法在HCI中的应用
work
职业/产业
HCI 研究员、认知科学家
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文