解释设计对用户感知智能家庭照明系统的影响：一项混合方法研究

文献标题

《The Effect of Explanation Design on User Perception of Smart Home Lighting Systems: A Mixed-method Investigation》

文献信息

• 主题领域: 智能家居系统的人机交互与用户行为研究
• 关键词: 智能家居、物联网、用户体验、解释设计、技术接受模型、感知控制、采用意图

研究背景与问题

• 作者发现的问题或挑战:

  • 当前智能家居系统（尤其是智能照明）的“智能”主要限于简单的自动化和远程控制功能，难以满足用户对于复杂系统理解性的需求。
  • 智能系统的行为与用户期望之间可能存在错配，导致用户不信任甚至弃用系统。
  • 现有关于人工智能系统中解释设计的研究多集中在推荐系统、医疗或电子商务领域，而针对智能家居上下文的用户解释设计研究较少。

• 重要性:

  • 智能家居系统的日益普及使得如何提升用户对系统的信任和接受成为关键研究领域。
  • 在高度自动化的智能系统中，为用户提供决策解释能够帮助减少系统行为的不透明性，提高系统接受度。

• 研究动机与相关工作:

  • 本研究旨在填补智能家居领域关于解释设计的研究空白，探索用户对智能照明系统决策的态度和期望，以及不同解释设计对系统接受度的影响。

解决方案

• 提出的解决方案:

  • 作者研究了两种解释设计类型（用户中心解释和系统中心解释），并通过三个智能照明场景（远程模拟存在、基于活动模式的照明、智能助理照明）进行评估。
  • 使用混合方法，包括定性访谈研究和跨场景在线实验，来理解用户行为和接受度。

• 创新之处:

  • 开展针对智能家居系统中用户中心与系统中心解释设计的比较研究，识别解释设计对用户感知控制、易用性、感知有用性以及采用意图的影响。
  • 提供了旨在优化智能家居系统用户交互设计的实用建议。

• 实施步骤与关键技术:

  1. 第一阶段：定性访谈:
     • 让参与者针对三个照明场景进行评价，同时对两种解释类型进行偏好分析；收集用户的态度、期望以及对系统感知的观点。
  2. 第二阶段：在线实验:
     • 使用结构化问卷调查，测试解释是否影响用户的延展技术接受模型（TAM）构成变量，包括感知控制、易用性、感知有用性和采用意图。
  3. 数据分析:
     • 对访谈数据进行主题分析；通过结构方程模型（SEM）评估实验数据，验证解释设计对用户行为变量的影响。

研究成果

• 具体成果:

  • 定性研究: 多数参与者认为解释有助于理解系统行为，但也希望解释保持简洁、不打扰日常行为，并提供额外的信息访问。
  • 在线实验:
    • 提供解释对感知易用性有正面影响，但对感知控制有负面影响。
    • 系统中心解释比用户中心解释更受到用户的欢迎。

• 与现有解决方案的比较与优势:

  • 本研究首次在智能家居照明系统中系统地验证了解释设计对用户行为的影响，补充并延展了原始技术接受模型（TAM）。
  • 提供了新的发现，表明用户在智能家居上下文中更倾向于具备功能性的信息，而较少重视社交化的解释风格。

• 实验或评估结果:

  • 通过结构方程模型分析发现，解释设计通过感知易用性间接提高了用户的采用意图。
  • 系统中心解释与用户使用满意度具有更强的正相关。

• 局限性与未来方向:

  • 局限性：
    • 场景为假设场景，可能无法完全反映实际系统使用情境。
    • 样本主要由男性科技用户组成，限制了研究对更广泛人群的适用性。
  • 未来方向：
    • 开展基于真实智能家居实验的长期纵向研究。
    • 探讨性别与用户经验对解释设计接受度的影响，并研究更广泛样本中的个体差异。