用于改进矩形目标指向中主观速度准确性偏差的归一化能力的双变量有效宽度方法

文献标题

Bivariate Effective Width Method to Improve the Normalization Capability for Subjective Speed-accuracy Biases in Rectangular-target Pointing

文献信息

• 主题领域: 人机交互 (HCI)，用户界面的性能评估
• 关键词: Fitts定律, 指向任务, 图形用户界面, 人类运动性能, 众包研究

研究背景与问题

• 发现的问题或挑战: 当前在用户界面的性能评估中，传统的Fitts定律主要应用于一维带状目标或二维圆形目标，而不适合更为普遍的矩形目标。研究人员尚未探索如何在矩形目标中整合有效高度（He）以标准化速度与准确性的权衡。
• 重要性: 矩形目标在实际的图形用户界面中更常见（例如桌面、移动端应用程序）。同时，不同输入设备在各方向的操作精度不同，研究有效方法以提高实验外部效度（即更真实任务的模拟）具有重要意义。
• 研究动机与相关工作:
  • 传统Fitts定律基于目标宽度（W）和距离（D）预测运动时间（MT），并通过 "有效宽度" （We）改善速度-准确性偏差的标准化能力。
  • 对于矩形目标，已有研究提出扩展但未充分验证He对速度-准确性偏差的影响。
  • 本研究旨在通过整合We和He，构建双变量的有效宽度方法，改善对复杂目标形状速度-准确性权衡的标准化能力。

解决方案

• 提出的解决方法:
  • 提出“双变量有效宽度方法”，在Fitts定律公式中引入有效高度（He）。
  • 使用数据驱动的方法在实验中验证We和He对矩形目标中的速度-准确性偏差的标准化能力。
• 创新之处:
  • 整合We和He独立应用于已有Fitts定律模型（包括Accot和Zhai的加权欧几里得模型）。
  • 不仅实现了一维和二维任务间的标准化，还提升了模型对真实GUI场景的适应性。
• 实施步骤与关键技术:
  • 实验设计:
    • 两个实验（远程实验与众包实验）分别验证受试者对速度-准确性指令的遵从及模型的标准化能力。
    • 独立变量包括三种偏差条件（准确性优先、中性、速度优先）、目标距离（D）、目标宽度（W）及目标高度（H）。
  • 统计分析与方法:
    • 使用回归模型评估运动时间（MT）与不同目标尺寸相关的拟合度（Adjusted R²与AIC）。
    • 对模型预测的统一性能指标“吞吐量”（Throughput, TP）进行对比分析。
  • 实验工具: 自开发的实验系统，用于记录点击位置分布（SDx与SDy）和运动时间（MT）。

研究成果

• 具体成果:
  • 模型拟合改进:
    • 在混合条件下使用有效尺寸（We与He）的Accot和Zhai模型拟合度最高，调整后的R²和AIC值优于传统基于标称尺寸（W与H）的模型。
    • 通过有效方法显著降低三种偏差条件间的吞吐量差异。
  • 实验比较:
    • 远程实验支持了Accot和Zhai模型具有最高的标准化能力。
    • 众包实验进一步确认了有效高度的引入显著提高模型适应性，并在更大样本量下验证其稳定性。
• 优势:
  • 提供了一种能够标准化速度与准确性偏差的方法，有助于公平比较不同用户组、设备或交互技术。
  • 实验设计支持了将该方法应用于更真实的图形用户界面场景。
• 局限性与未来方向:
  • 局限性:
    • 未测试复杂目标情况（如干扰物、目标角度的变化）。
    • 远程和众包实验中设备多样性可能引入不可控的变量。
  • 未来方向:
    • 在实验室环境中进一步验证研究结论。
    • 扩展至触摸、拖拽等其他交互任务，探索应用于眼动或物品选择任务的可能性。
    • 研究目标接近角度（θ）对模型性能的影响及优化。

通过“双变量有效宽度方法”的提出与实验验证，该研究为矩形目标点击任务的标准化提供了新的解决方案，并对HCI领域研究方法产生了实质性的推动。