更多错误还是更长的命令：重复和表达能力降低对输入解释错误、学习和用户偏好的影响

文献标题

More Errors vs. Longer Commands: The Effects of Repetition and Reduced Expressiveness on Input Interpretation Error, Learning, and Effort

文献信息

• 主题领域: 人机交互（Human-Computer Interaction, HCI），专注于用户输入错误和交互设计优化
• 关键词: 输入错误, 解释错误, 输入表达性, 错误校正, 人机交互, 学习机制, 用户努力, 重复输入, 减少表达性

研究背景与问题

• 发现问题或挑战:
  • 用户输入动作被交互系统错误地解释（解释错误）是一种常见问题，尤其在采集用户动作信号并尝试基于这些信号推测意图的系统中。
  • 用户输入解释错误率在新型输入系统中通常很高（可能高达40%），对用户学习新输入命令、满意度及效率产生不利影响。
• 问题重要性:
  • 高解释错误率可能让系统在用户体验和实际执行任务中变得无法接受，例如导致任务失败或用户挫败感。
  • 传统的错误校正方法（例如信号过滤和优化识别算法）对彻底解决解释错误的能力有限，需要新的机制。
• 研究动机与相关工作:
  • 从电信领域借鉴信号提升策略（例如重复输入和减少输入的表达性）以减少误差，但目前尚不清楚这些技术在用户学习和操作过程中带来的实际成本和影响。
  • 此类研究背景受限于对重复输入或增加输入序列长度是否会给用户带来可接受性问题的探讨。

解决方案

• 提出的方法或解决方案:
  • 采用两种错误校正方法：
    1. 信号重复（Repetition）：通过重复输入命令增强信号强度，从而减少误差。
    2. 减少表达性（Reduced Expressiveness）：减少系统对于每用户行为尝试解释的状态，扩大单一动作的解释空间。
• 创新之处:
  • 探索从用户交互层面减少解释错误，而非依赖更复杂的后台算法或硬件更新。
  • 开创性地分析用户交互成本和性能之间的权衡，例如更长输入命令与错误减少的关系。
• 实施步骤:
  • 利用基于键盘的输入模拟实验建立可控环境，包括固定的错误注入率（例如10%、4%、2%）。
  • 测试7种不同的输入系统设计条件，涵盖重复序列输入和表达性减少方法。
  • 测量用户性能（例如完成时间）、学习能力（例如记忆测试准确性）及用户感知（例如努力指数）。

研究成果

• 具体成果:
  • 重复信号技术（如双序列输入）在训练阶段不仅能够成功减少解释错误，还使用户完成任务的时间短于基准条件。
  • 表达性减少方法（如扩展动作范围）有效降低错误率并能在某些条件下与传统方法表现相当。
  • 对个别技术的分析显示减少错误的优势大多能够抵消额外输入长度带来的开销。
• 与现有解决方案的优势:
  • 解决了一些新型交互输入设备（例如手势识别）的高错误率问题。
  • 新技术未显著增加用户的学习成本，且在长期使用中与基线技术性能表现持平或更优。
• 实验或评估结果:
  • 例如：在较低错误条件（0%错误）下，双序列输入显著优于所有其他方法。
  • 用户感知方面：NASA TLX任务负载得分和学习容易程度问卷结果无显著差异，指示用户对重复序列和表达减少方法的接受度较高。
  • 记忆测试中，即使命令序列扩展，用户的准确率仍然保持较高水平。
• 局限性与未来方向:
  • 局限性：
    • 实验设计以键盘输入仿真为基础，需进一步验证其在实际交互设备（如触控或手势输入）中的适用性。
    • 研究未完全涵盖真实世界中不同类型和来源的噪声特点及其影响。
  • 未来方向：
    • 深化研究长输入命令对用户学习和熟练度发展的动态影响。
    • 探索是否可以开发可选的基于噪声条件的错误校正机制，例如动态切换重复输入模式。
    • 分析行为或系统错误对用户主观感知和交互行为的不同影响。

总结

本研究显示，信号重复和表达性减少是两种重要的输入误差校正方法，它们不仅能够减少误差，还能在用户体验和操作学习中表现出良好的适用性。这些方法为交互设计开辟了新的方向，在高解释错误率问题成为制约因素的情况下尤其具有潜力。