迈向共识手势集：跨领域最大共识的HCI中空气势调查

文献标题

《Towards a Consensus Gesture Set: A Survey of Mid-Air Gestures in HCI for Maximized Agreement Across Domains》

文献信息

• 主题领域: 人机交互 (HCI)，以空气中手势操作为核心技术
• 关键词: 空中手势、系统性文献综述、一致性分析、应用领域、用户交互

研究背景与问题

• 问题或挑战:

  • 空中手势因其直观性和可自然执行性，在多种人机交互应用中普及，但目前的手势设计分散于特定设备或领域，缺乏跨领域一致性。
  • 缺乏系统评估现有手势在不同领域间可转移性的研究，阻碍设计师选择和设计具备广泛适用性的手势。

• 重要性:

  • 统一的手势集有助于提高用户在不同设备和领域操作间的经验转移性，减少学习和记忆负担。
  • 在诸如智能家庭、虚拟现实等跨设备和跨情境的普适计算环境中，跨领域的一致性尤为重要。

• 研究动机与相关工作:

  • 现有文献多集中于特定环境下的手势设计与评价，鲜有对跨领域一致性的深入研究。
  • 鼓励采用用户定义手势（user-defined gestures）的工作虽广泛，但缺乏对其在不同情境和领域中一致性与应用潜力的探讨。

解决方案

• 方法或解决方案: 通过系统文献综述（SLR），分析了172篇相关研究论文，建立基于现有分类学维度的手势特征分类系统，并计算各种手势在不同领域中使用的一致率（agreement rate）。

• 创新点:

  • 提出了一个包含22种手势的跨领域"共识手势集"（consensus gesture set），并证明这些手势具有较高的跨领域可转移性。
  • 系统分析了手势在不同领域中的分布和特点，以及影响一致性的因素。

• 实施步骤与关键技术:

  1. 系统性生成文献集：从多数据库收集目标文献（2,078篇初始文献，筛选后保留172篇）。
  2. 手势编码与分类：依据五个分类维度对每篇文献中的手势进行分类，包括手势形式、绑定方式、自然性、流动性、身体部位等。
  3. 计算一致率：基于手势提议的总体一致性（agreement rate）分析，以量化跨领域的一致性。
  4. 构建"共识手势集"：选取一致率较高的手势，形成22个具有代表性的手势及其任务映射。

研究成果

• 具体成果:

  • 识别出12大应用领域（例如：媒体与娱乐、大型显示器、医疗技术、智能家居、汽车系统等）中常见手势的特性分布及一致性差异。
  • 提炼出了跨领域的一致手势集，涵盖22个高一致率手势，适用于多种任务（如缩放、选择、旋转、确认等）。

• 优势与比较:

  • 与现有仅在单一领域设计或评估的手势研究相比，该研究首次系统性探索了跨领域一致性的问题。
  • 基于文献推导的手势集有助于设计师在新领域设计更一致且具备可迁移性的交互系统。

• 实验或评估结果:

  • 不同领域间的一致率差异显著，但某些任务（如旋转、放大/缩小等）在多个领域中展现出较高一致性。
  • 使用"类似主题"编码归类手势后，一致率得以提高，表明用户在概念上偏向类似的手势范式。

• 局限性与未来方向:

  1. 当前研究受限于检索时间（截至2021年4月）的范围及文献来源，未包含之后的更新研究。
  2. 提出的"共识手势集"需在大规模真实环境中进一步验证，以评估其社会、空间和认知适用性。
  3. 针对特定领域（如游戏、辅助技术等）的文献仍有不足，需要更多实证研究支持更全面的数据。