自动驾驶人机界面设计、汽车移动端交互设计、AI论文工具、神经美学用户研究



优秀案例&论文分享

Excellent case&paper sharing


十一月份学术分享内容导读:

1.自动驾驶;HMI 设计;透明度;信任度

2.新能源汽车;用户旅行图;Kano-QFD;用户需求;交互设计

3.文献查找;文献整理;文献阅读;写作

4.用户研究;神经美学;意象认知;用户体验;审美偏好



01

于Kano-QFD的新能源汽车移动端交

互设计

分享人:郭欣怡

研究方向:交互建模

关键词:新能源汽车;用户旅行图;Kano-QFD;用户需求;交互设计

研究动机

01 研究背景

新能源汽车作为未来汽车的发展趋势,无线射频和互联网技术的加持使人们不再满足于传统的人车交互方式。远程移动端APP作为用户在车内体验的延伸媒介,现今在国内的发展起步较晚,并且大多数仅停留在对车内界面原有功能的复制上,忽视了用户的实际需求。

02 研究问题

从用户需求权重和功能重要度两方面进行分析,设计出符合用户需求和体验的新能源汽车移动端交互系统。

 研究方法


01 Kano-QFD方法

kano:针对用户需求分类和其优先级排序的工具。首先根据需求确定优先级,用户需求分为5种类型(即必备型 M、期望型 O、魅力型 A、无差异型 I、反向型 R),再经过需求的影响力分析,然后,分别计算出每个需求的满意影响力值(SI)和不满意影响力值(DSI);最后,通过构建需求影响力矩阵图得出功能需求优先级。

QFD:QFD是能够把用户需求量化为设计要求并能较为精确地转化为产品功能属性的工具。首先,将用户对新能源汽车移动端APP功能需求优先级整理并分析该APP的设计需求,其次,将设计要求量化成功能重要度,最后,把不同权重的重要度转化为视觉设计语言形成操作界面。

图1 新能源车移动端交互设计研究方法及过程 

(强威,2022)

 研究内容

01 构建用户旅行图分析车主在移动端交互时的行为路径

图2 新能源车移动终端交互用户旅行图(强威,2022)

根据用户旅程图梳理用户需求如下

表1 新能源车移动终端APP用户交互需求 (强威,2022)


02 基于 Kano  模型定性分析需求的优先级

根据用户初始需求制作五阶 Likert 问卷,问卷采用双因素的方式,即如果有此配置用户的态度和没有这项配置用户的态度,记录结果时将满意程度分为五阶度量

表2 Kano双因子五阶Likert问卷 (强威,2022)

通过区分R1至R16需求类型,再结合各类需求类型的占比计算出每种需求的满意程度,即满意影响力 SI=A+O/A+O+M+I ,不满意影响力 DSI=-M+O/A+O+M+I

图3 NEVs移动终端APP用户需求敏感矩阵(强威,2022)


03 用QFD质量功能图根据需求优先级分析并量化重要性设计需求

量化用户需求并将其转化为重要度数值,并计算出Ri需求的敏感度即点到圆弧的距离:Ri=√SIi2+DSIi2−0.707为了便于后期计算再将其按比例转化为 1 到 5 的权重如下

表3 NEVs移动端APP用户需求重要度(强威,2022)

在需求功能矩阵图中不同符号所代表的权值f为默认值△=1、◎ =1.2、● =1.5,以功能下的所有需求与对应权值乘积的和为该功能的最终得分。

图4 QFD质量屋(强威,2022)


04 新能源车移动端APP界面设计

通过Kano-QFD理论将前期用户需求量化为设计需求(功能),质量屋分析的最终功能得分对后续的设计工作具有指导意义,例如得分较高的“电池温度”“剩余续航”“下次保养时间”“胎压状况”等在功能层级里应处于较前位置,在界面设计时也应该按照得分的高低适当加强与弱化。

图5 APP界面设计(强威,2022)


论文来源

强威,基于Kano-QFD的新能源汽车移动端交互设计

.[J].包装工程. 2022.20.023:212-219

局限性与展望

本次分享的案例展现了Kano-QFD方法应用于车辆移动端交互的过程,但在用户需求分析中的数据不足,容易忽略掉用户某些实际需求。运用Kano-QFD方法需要结合研究实际方向进行适当改进,使最终的研究结果更有说服力。

学习与收获

本次分享的案例将用户旅行图收集的需求信息通过Kano模型定性区分相对敏感程度,对高敏感需求计算其重要程度;然后,通过构建QFD质量屋将需求定量转化为功能重要度;最后,通过层级分析转化为视觉界面设计。这种定性定量相结合的方法有效保证了相关设计人员对问题主观性的偏差,也验证了该方法在解决类似方法的可能性。



02

AI论文工具分享

分享人:陈慧聪

研究方向:参数化/智能化设计

关键词:文献查找;文献整理;文献阅读;写作

案例介绍

随着以ChatGPT 为代表的大语言模型的火爆兴起,未来的科研活动在AI工具的帮助下将会有更高的效率,从文献查找、文献阅读、文献分析、文献管理、文献写作几个方面研究科研活动中软件工具的选择。

案例分析 

01ELICIT

一款文献检索工具,通过理解自然语言来检索文献得到可靠答案。

图1 ELICIT文献检索过程(2023)

图2 ELICIT提问过程(2023)


02 scite.ai

一款文献检索工具, 通过理解自然语言来检索文献,得到可靠答案分析并整理论点的区别。

图3 scite.ai文献检索结果(B站—薛定谔的博士喵,2021)


03 chatDOC

一款文献阅读工具,通过ChatGPT的智能问答功能,提供有据可依的回答。

图4 chatDOC文献理解(2023)


04 通义智文

一款文献阅读工具,通过AI快速理解文献。

图5 通义智文文献理解(2023)


05 infranodus

一款文献分析工具,通过关键词生成知识网络。

图6 知识网络连接图(B站—AI兔扒哥2023)


06 craft ai assistant

一款笔记管理工具,多人协作使用,能用ai辅助协作。

图7 craft使用界面(2023)


07 Tana

一款笔记管理工具,集成了三大软件的核心特色,Workflowy 的大纲、Roam 的双链以及Notion 的数据库。Tana 通过统一性和灵活性两大特征真正做到了笔记软件的快速记录和无压整理。

图8 Tana超级标签(少数派—回到Axton,2022)


案例来源

Elicit: The AI Research Assistant

AI for Research – scite.ai

https://chatdoc.com/

通义智文_AI阅读_论文阅读_人工智能-阿里云 (aliyun.com)

InfraNodus: Generate Insight with AI and Network Thinking

Craft – The Future of Documents

Tana

学习与收获

AI工具的使用需要人和AI的协同,无论AI工具多么方便,人都应当占据主导地位,所以我们应当合理利用AI工具。



03

经美学在用户研究领域的研究现状及

展望

分享人:熊泽斌

研究方向:用户研究

关键词:用户研究;神经美学;意象认知;用户体验;审美偏好


研究动机

现阶段设计研究中用户对美学认知与需求难以量化研究,情感化的表达难以传递,神经美学在未来的用户研究方面有很大的发展空间,本次想要探究神经美学在用户研究领域的现状,找寻目前神经美学对用户研究的量化指标,探究用户对于产品情绪的神经美学需求,寻找量化用户对产品体验中的情绪指标,分析神经美学的发展动向。

研究方法

01 神经美学的研究方法

生物电子测量法通过电生理学方法测量的脑电信号一般为自发脑电(Electroencephalo-Gram,简称 EEG)、诱发脑电(Evoked Potential,简称 EP)和事件相关电位(Event-Related Potential,简称 ERP)。检测用户自发脑电存在于的中枢神经系统中,能够直接反映大脑神经元活动的电波信号。

图1 神经美学的测量研究方法(来源知乎)

图2 神经美学的测量研究方法(来源知乎)


02 文献检索分析法

经过文献检索,神经美学相关研究对研究内容进行分类区分与交叉分析,计算机训练的集成学习方法 AdaBoost 的脑电信号情感识别方法,通过数据样本的多层次训练识别,以帮助研究者快速认知分析人的脑电波信息,并获得决策。

图3 AdaBoost 的训练逻辑方法(来源知乎)

研究内容

针对神经美学展开文献综述研究,重点从审美偏好、意象认知、用户体验 3 个方向,对其在用户研究领域的应用进行分析总结,得到了在用户研究的神经美学客观检测数据对应信息,可以有效帮助实验数据分析维度分类。

图4 神经美学在用户研究领域的研究及应用现状


结合神经美学的关键技术阐述其需要面对的 3 个挑战:实验设计可行性、数据采集精准度、研究成果应用方向,确认神经美学对用户研究是相互交融的同领域研究。

图5 神经美学在用户研究领域成果应用方向


最后,从量化指标、效能提升、应用范围 3 个研究方面,对神经美学的发展动向进行展望。


案例来源

https://www.sohu.com/a/727221762_121124832

局限性与展望

1.用户信息安全问题:神经美学在用户研究领域的根本目的是“投其所好”,服务于用户,技术特殊性意味着企业将能够明晰触发诱导用户购买行为的机制,用户将变得透明,而这并不符合市场规律,无法成为新兴探索方式投入市场。

2.价格问题与检测信息的准确性问题:目前神经美学的检测方法在不伤害被测试者的情况下,获取的数据依旧存在大量误差,高精度的检测费用高昂不适用于需要大量用户参与的用户研究。

3.以用户情感诉求为导向,持续挖掘相关技术在认知神经机制研究上的潜能,神经美学在用户研究领域的扩展应用将能够超越其当前的现状(目标为关联大脑功能与行为),开始解释大脑活动与艺术欣赏现象学之间的联系,神经美学在用户研究领域的贡献促进了对人类脑功能和审美思维模式的理解。“情感化”设计趋势下,神经美学将有广阔的发展前景,甚至有可能转化为工业生产新的增长点。

学习与收获

1.了解目前神经美学领域的研究方法,帮助获取真实客观的用户研究数据,为用户研究方法提供寻找突破的机会点。

2.我认为神经美学的研究方法不止能在用户研究领域发挥作用,也能在设计的决策层、可用性等研究中发挥用途,神经美学作为一种跨学科的研究方法在设计学研究领域中同样适用,在设计学研究实际过程中神经美学的方法论获得的数据支撑对设计的各个环节都有实际的意义。

3.在实际客观数据无法获取的情况下不要完全依赖自己的主观想象,并且在实际运用中检测不准的问题也常有发生,不能只依赖检测的数据与内容。



04

动驾驶中基于透明度的人机界面设计

研究

分享人:凌晶晶

研究方向:HMI

关键词:自动驾驶;HMI ;透明度;信任度;工作负荷

研究动机

01 研究背景

自动化在交互上给人带来了三个方面的变化,分别是反馈的变化、任务和任务结构的变化、操作员对变化的认知和情绪反应。自动化本身成为人类关注的对象。如何设计人与自动化或智能系统的交互成为最重要的问题。

02 研究问题

本文选取自动驾驶中后方来车的典型场景,探究基于透明度人机界面(HMI)设计对驾驶员认知的影响。

研究方法

采取文献查阅、场景分析、实验评估等研究方法,使用态势感知的透明度(SAT)理论模型,设计了该场景下的 HMI 界面,并在驾驶模拟器上进行了设计验证。

研究内容

01 研究概念介绍

(1)态势感知与透明度:态势感知或情景意识(situation awareness, SA) 是指人对周围环境变化的感知能力,根据 Endsley的定义,它分为三个等级:SA1、SA2、SA3.如何传递三个等级的 SA 信息,透明度(Transparency) 被认为是一种解决方案。

(2)信任度:人在与自动化系统合作时除了透明度之外,另一个组成部分是信任度。

02 HMI设计

(1)场景分析:首先,在后方车辆离本车距离较远时,HMI 显示 SAT3 级预测信息,HMI上显示SAT1级感知信息;其次,当后方车辆与本车的位置进一步靠近时,HMI 在持续显示SAT1级感知信息的同时,显示SAT2级理解信息;最后,当后方车辆成功超车,HMI显示SAT1级感知,用于告知驾驶员当前车况。

图1 超车过程中基于透明度的交互场景(王建民,2023)

(2)界面元素设计

对超车前的 SAT3 预测信息,用一个带有黄色渐变的方块来表示,对SAT1感知类信息,则用小车模型来实时映射实际的车辆状况;对超车过程中的SAT2理解类信息,采用黄色、红色来显示危险程度;对超车后的感知类信息,使用灰色小车模型来实时映射实际的车辆状况。

图2 基于透明度的信息需求及界面元素设计(王建民,2023)

(3)HMI界面设计:

结合SAT模型的三个层次,定义出了三种HMI,每个HMI中的信息都反映了不同SAT水平需要传递的信息,其中HMI0为Model3用户界面,用来作为对照,“N”表示没有显示某层次的信息,“Y”则表示显示此层次的信息。

表1 HMI设计方案(王建民,2023)

根据以上,设计出3套HMI界面方案。

图3 HMI界面设计(王建民,2023)


03 实验设计

使用驾驶模拟器搭建出了一个相对真实的驾驶环境,邀请16名参与者,以特斯拉Model3的HMI作为对照 (HMI 0) ,对这三种HMI进行评估,以拉丁方顺序来展示HMI1、HMI2、HMI3,以便平衡学习效应。主观数据使用目前较为通用的SAGAT量表、信任度量表及NASA-TLX量表,以便测量不同的HMI方案对驾驶员态势感知、信任度、工作负荷的影响,同时在每次驾驶结束之后,让驾驶员对HMI方案的整体感受进行评价。

04 研究结果

实验数据表明当透明度级别越高,驾驶员对自动化系统的信任度也更高。另外,增加的信息量并没有对驾驶员的工作负荷产生明显的影响。态势感知水平与用户对自动驾驶系统的信任度呈正相关,尤其是理解类信息。工作负荷与用户对自动驾驶系统的信任度呈负相关。


论文来源

王建民,汪巧凤,张俊,自动驾驶中基于透明度的人机界面设计研究.[J].包装工程. 2023,44(14):152-161


局限性与展望

场景设计单一,以上结论是在自动驾驶的超车场景中得出的,之后将对更多的自动驾驶场景进行研究探索不同的场景中所需要的透明度信息,以及这些信息会从哪些方面影响驾驶员的态势感知、工作负荷以及信任度。

学习与收获

(1)实验设计的流程,从场景分析到界面元素再到HMI设计,可以作为在针对较为具体的HMI界面设计时提供参考。

(2)对于自动驾驶新手教程有效性的检验,可以从学习新手教程后,从能否提高用户的信任度来检测。

(3)对于测试后的用户访谈从信任度角度进行问题设计,更具有针对性。





本文所分享到的相关行业内容和设计案例是编者按照读书笔记的形式进行整理排版,原内容和案例知识产权归杂志社或者原作者所有,如有侵权,请联系删除。



往期推荐


论文投稿与比赛参选流程

WUT人机交互与智能设计研究中心 学术分享·第四期

01

10-2021

研究中心培养计划细则

WUT人机交互与智能设计研究中心 学术分享·第一期

03

10-2021

论文写作专题

WUT人机交互与智能设计研究中心 学术分享·第三期

13

03-2022

文献综述方法分享

WUT人机交互与智能设计研究中心 学术分享·第十三期



这里是武汉理工大学人机交互与智能设计研究中心(AI & D Lab)。敬请关注本公众号后续内容,我们将定期推送学术分享、设计前沿、项目讯息、新闻动态等栏目文章。


编辑:郭欣怡

审核:杨子怡


人机交互

智能设计研究中心

微信公众号 | AI & D Lab

武汉理工大学

艺术与设计学院

关注我们|关注人机交互智能设计

Aritificial Intelligence & Design Lab



未经允许不得转载:论文排版软件 » 自动驾驶人机界面设计、汽车移动端交互设计、AI论文工具、神经美学用户研究

评论 抢沙发