我们可以众包Tacton相似性感知和隐喻评价吗?
作者
振动反馈与皮肤刺激众包任务设计与质量控制HCI 研究员Amazon Mechanical Turk 工作者
文献标题
Can we Crowdsource Tacton Similarity Perception and Metaphor Ratings?
文献信息
- 主题领域: 人机交互(HCI),触觉设计与用户体验
- 关键词: 众包, 触觉感知, Tacton设计, 用户研究, 触觉学
研究背景与问题
背景
触觉图标(Tactons)被广泛应用于虚拟现实(VR)、通知系统、自主驾驶以及医疗康复等领域。设计触觉图标的关键在于通过感知空间中的区分性进行优化,同时将其与目标应用的信息有效地映射。
随着现代智能手机中高保真振动装置的普及,触觉设计者能够利用众包平台快速评价触觉模式。然而,目前研究主要集中于实验室环境下的设计,对通过众包方法实现与实验室一致评估的可行性研究较少。
问题
- 众包平台是否能在触觉图标(Tactons)的相似性感知评价上获得与实验室一致的结果?
- 众包是否对高层次的认知任务(如对触觉与隐喻的匹配程度评价)具有一致性?
- 是否存在影响触觉感知与隐喻评分的背景因素?
重要性
通过验证众包的可行性,设计者能更快捷、更经济地获取用户反馈,这将极大地推动触觉设计在各类应用领域的开发。
解决方案
方法与核心步骤
作者设计并开展了两个用户实验,分别调研在实验室与众包环境中对触觉图标的相似性及隐喻匹配的评价情况:
实验 1: 参数化触觉图标的相似性评估
- 目标: 验证是否可以在众包环境中对基于系统参数控制设计的Tactons进行用户感知评估。
- 设计:
- 构造12种触觉图标,基于3个参数(载波频率、时长以及调制频率)变化。
- 20名实验室参与者,20名来自Amazon MTurk的众包参与者完成相似性评分(66对组合)。
- 数据分析采用Spearman相关系数和非度量多维尺度分析(nMDS)。
实验 2: 基于隐喻的复杂触觉图标评估
- 目标: 测试基于复杂隐喻设计的触觉图标在感知相似性和隐喻匹配上的一致性。
- 设计:
- 从现有图标库(VibViz)中选择14个复杂触觉图标对应7种隐喻。
- 参与者首先完成相似性评分任务,然后评价图标与隐喻的匹配程度。
- 使用等价性检验评估隐喻匹配的一致性。
创新之处
- 首次验证了基于系统参数和复杂隐喻的触觉图标在实验室与众包环境中评估结果的对应性。
- 为众包触觉学研究提供了一种可扩展的方法,从智能手机实现高保真触觉反馈的角度探索更大的设计参数空间。
技术细节
- 技术: 使用iPhone的"Taptic Engine"振动传感器,调试Apple Haptic and Audio Pattern (AHAP)格式文件在实验与众包平台间保持一致的触觉反馈。
- 设备校准: 加速度计测量振动并调整参数以保证与目标模式一致性。
研究成果
成果 1: 相似性感知评估
-
实验 1
- 统计学分析显示,实验室与众包评价的相似性强相关(𝜌=0.93, p<0.001)。
- 两种环境下的感知空间在维度上一致(调制频率、时长、载波频率与感知维度对齐)。
-
实验 2
- 对复杂触觉图标的分析表明,感知相似性在实验室与众包设置中保持高度一致(𝜌=0.91, p<0.001)。
成果 2: 隐喻评分评估
- 隐喻匹配结果显示:60%的评分在实验室与众包环境下统计学上等价,10%显著不同,其余30%不确定。
- 变化因素: 文化背景、环境噪声及手机硬件可能导致不一致。
优势与局限性
与现有方法的优势
- 部分任务中(尤其是感知任务)众包设置表现出与实验室数据的高一致性,为触觉设计者节约了时间与成本。
局限性
- 隐喻评价一致性较低:众包平台环境可能受认知过程、背景和用户的使用场景极大影响。
- 硬件限制:不同手机型号之间振动反馈的一致性仍需进一步验证。
总结与未来方向
关键发现
- 众包平台可以有效评估触觉图标的感知任务,但对高层次认知任务(如隐喻匹配)仍需要进一步控制变量。
- iPhone设备提供的高保真振动反馈为开发更高效的触觉设计方法奠定了基础。
未来方向
- 进一步控制实验变量:研究用户背景(如性别、文化)及外部因素(如视觉或听觉辅助)对隐喻任务一致性的影响。
- 扩展到其他设备:探索虚拟现实和电子游戏控制器的触觉图标设计与评估。
- 建立触觉相似性模型:利用众包方式收集大规模数据,开发机器学习模型以预测触觉图标的感知相似性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 众包平台能否在触觉图标(Tactons)相似性感知评估中取得与实验室一致的结果?分类: AI生成音频的感知评估同类问题arrow_forward
- 众包能否为触觉与隐喻匹配等高阶认知任务提供一致的评估结果?分类: AI生成音频的感知评估同类问题arrow_forward
- 哪些背景因素会影响触觉感知与隐喻匹配评级?分类: AI生成音频的感知评估同类问题arrow_forward
lightbulb
现实痛点
1- 触觉图标设计的实验室评估耗时费力,难以规模化。分类: AI生成音频的感知评估同类问题arrow_forward
- 75%
专家众包中不可分解的大任务的在线排序
CHI '18· 众包任务设计与质量控制
- 60%
Crowdlicit:一个用于进行分布式最终用户需求提取和识别研究的系统
CHI '19· 众包任务设计与质量控制 +1
- 60%
众包检测情感操控语言
CHI '20· AI 伦理、公平与问责 +1
- 60%
众包分层多标签文本注释的界面设计
CHI '23· 众包任务设计与质量控制 +1
- 60%
推动公平的激励机制以激发有偿和无偿的众包贡献
CHI '25· 众包任务设计与质量控制 +1
- 60%
众包注释的可解释建模
IUI '19· 可解释人工智能(XAI) +1
- 60%
Sprout:众包任务设计的群体赋能任务设计工具
UIST '18· 众包任务设计与质量控制 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3581120
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
振动反馈与皮肤刺激、众包任务设计与质量控制
work
职业/产业
HCI 研究员、Amazon Mechanical Turk 工作者
article
内容状态
已索引正文
hub
相关论文
7 篇相关论文