夏立新 周 鼎 秦晓琪 孙哲林

(华中师范大学信息管理学院 武汉 430079)

0 引 言

网络环境下，用户通过学术搜索引擎、学术博客论坛、数据库、在线社交网站等渠道获取学术信息资源的行为尤为普遍。学术信息搜索过程是用户发现问题、解决问题，主动获取学术信息的过程。在搜索过程中，由于学术用户缺乏对目标领域知识的了解，信息需求具有不确定性，往往需要多次制定查询表达式与检索系统进行交互，明确自身需求，并且进行择、阅读、研究等一系列活动[1]，因此，学术信息搜索行为具有典型的探索式搜索特征。

目前，关于学术信息搜索行为的研究主要集中在学术信息搜索行为影响因素和行为特征两方面。大量实证研究从人、信息与检索系统三个角度揭示具体影响因素[2-3]，例如用户特征、认知水平、信息选择、任务类型、搜索系统等对学术信息搜索的影响，并且通过用户搜索日志，设计实验并结合调查问卷、访谈等手段深入了解用户的搜索行为特征。然而，目前关于学术信息搜索行为的探索式搜索特征研究较少。探索式搜索的特征主要体现在搜索过程的迭代性、多战术性、动态性，在搜索过程中主要有探索式浏览与集中搜索两项重要活动始终贯穿其中[4]。针对探索式搜索过程的行为特点研究，在影响因素方面，主要集中在认知、情感、任务、搜索能力四个方面[5]，其中情感研究较少，学术信息搜索的过程也是情感变化的过程，大多数均是通过问卷与量表在搜索前后对用户情感进行前测与后测[6]，无法具体测量情感的变化过程，而面部表情识别则为把握整体情感变化提供了新的思路。在研究方法上，大多采用实验观察、搜索日志分析、点击流数据分析等方法分析整个搜索过程，而眼动追踪技术可以了解信息浏览规律，反映用户生理与心理特征，弥补传统方法无法分析用户认知的不足，被广泛运用于信息搜索过程的研究。

基于此，通过设计用户实验，借助表情识别与眼动追踪技术录制与跟踪用户学术信息探索式搜索的整个过程，探究搜索过程中用户的情感变化规律，分析不同搜索活动的眼动特征。并提出的研究问题如下：a.在学术信息探索式搜索的不同阶段，用户的情感状态具有什么特点？b.在学术信息探索式搜索的过程中，探索式浏览与集中搜索的眼动特征是否存在差异？c.在学术信息搜索过程中，用户情感特征和眼动特征有何关系？本研究从情感视角出发，并结合眼动追踪技术分析学术信息探索式搜索过程的行为规律，为研究探索式搜索特征提供新的视角与方法，并且有助于优化用户搜索体验，为用户提出个性化服务。

1 相关研究与理论基础

1.1眼动追踪方法及应用研究眼动追踪技术是利用特定的眼动设备或眼动系统来记录并分析用户在注视过程中的各项眼动指标，用来揭示用户心理加工过程和规律的研究方法[7]，已经被广泛运用于心理学、教育学、计算机科学、用户体验等众多学科领域[8]。通过梳理已有研究发现，在用户信息行为领域，眼动追踪方法广泛运用于信息搜索过程中的影响因素研究、个体认知研究、搜索策略研究、搜索浏览行为研究、搜索引擎页面研究等方面[9]。本研究将重点围绕基于眼动追踪的信息搜索行为影响因素研究、搜索浏览行为研究展开阐述。

陆柳杏等[10]从用户、计算机、系统开发三个方面，总结了眼动追踪技术在人机交互研究中的作用。季璐等[11]通过眼动追踪技术分析了在线健康社区用户在浏览和查询两种不同情境下的行为特征，同时探究了网页中部的元素对浏览行为的影响。柯青等[12]通过眼动实验分析了在线健康信息的可读性对用户认知负荷和信息加工绩效的影响。方浩等[13]通过眼动实验考察了移动端新闻平台不同界面要素对用户信息视觉搜索效率的影响结果，针对其影响机制提出优化策略。王宇等[14]通过眼动实验对被试的注视点频率以及平均时长进行统计分析，探讨不同搜索任务和不同搜索能力下的用户探索式搜索眼动特征是否具有不同差异。陆泉等[15]通过注视点持续时长、眼跳距离、眼跳幅度、眼跳方向、相邻注视点中心纵坐标距离五个眼动指标构建信息搜索用户深、浅阅读的自动识别模型。王琳等[16]通过设计眼动实验，选取注视次数、注视时长、眼跳次数与平均眼跳幅度四个指标比较两组被试在浏览不同类型网页时是否存显著差异，以此来验证信息浏览行为是理论导向还是生物驱动。姜婷婷[17]等通过眼动实验探究不同标题类型如何影响用户对在线健康信息的选择，选取注视时长和注视次数，以及点击行为来反映用户对健康信息标题的选择。

眼动主要分为注视、扫视、瞳孔扩张和扫视路径四种类型。注视是评估信息搜索过程中最相关的眼动指标[18]，最能反映出信息搜索与浏览过程的特征，具体包括注视次数与注视时长。与此同时，注视时长、注视次数和扫视路径被使用的最多[19]。可以看出，当前结合各类眼动指标进行搜索行为与浏览行为的研究已经愈发普遍，为顺应了信息行为研究的“数据驱动”与定量化趋势提供了可选择的研究路径[20]。

1.2表情识别人的面部肌肉和皮肤富于活动性，当情绪和情感发生时，总要伴随一定的表情动作，例如眼睛可以传神，眉毛可以表现情绪，悲哀时口角下垂，欢笑时嘴角上扬等[21]。完整的情绪体验是由认知上的主观体验、生理上的生理唤醒、表达层面的外显行为这三种活动构成[22]，这三种活动对应的情绪测量方法分别为三种[23]：a.标准化量表测量情绪体验;b.借助心电仪和脑电仪等专用设备测量生理信号;c.识别语音表情、姿势表情和面部表情。借助于标准化量表测量情绪存在一定主观性，并且无法实现情绪的实时测量，而借助专用设备测量情绪体验对实验环境要求较高，不易操作，会影响被试者的信息行为，对实验容易造成干扰。在外显行为层面上，相关研究表明部分情绪的语音声学特征不存在显著差异[24]，而身体姿态表情可以表征情绪强度，但其与具体情绪之间不存在一一对应关系[25]。面部表情是一种可以用来识别情绪的数据类型，是表达情绪最自然、最直接的方式。孟昭兰[26]认为面部表情在理论上具有客观反应人情感的能力。综上所述，可以认为在信息搜索行为的情感研究上，基于面部表情数据识别用户情绪具有理论可行性。

1971年，Ekman[27]首次将人的表情划分为愤怒(Angry)、厌恶(Disgust)、恐惧(Fear)、高兴(Happy)、伤心(Sad)、吃惊(Surprise)六种基本类型，并在此基础上提出了基于运动单元(AU)的面部编码系统(FACS)[28]，该方法已被广泛接受并应用于当前绝大多数的面部表情识别研究中。深度学习在表情识别的应用大多采用以卷积神经网络(CNN)为核心方法，经典模型有Lenet[29]、Alexnet[30]、Googlenet[31]等，在此基础上，2016年Szegedy等提出了Xception架构，目前，Xception已经成为CNN的主流框架之一。在面部表情识别数据集中，FER2013数据集数据更加齐全，同时更加符合实际生活的场景，因此本文选取FER2013进行训练和测试模型。本文采用CNN的主流框架之mini_Xception搭建表情识别模型，Xception是Google继Inception后提出的对Inception v3的另一种改进，Xception的网络结构在ImageNet数据集上略优于Inception v3，并且在包含3.5亿个图像甚至更大的图像分类数据集上明显优于Inception v3。训练的模型综合在FER2013数据集上的分类准确率达到了70%。

1.3学术信息搜索行为研究通过梳理文献发现，当前相关研究主要集中在学术信息搜索行为的影响因素和行为特点两方面。不少实证研究从搜索环境、用户特征、信息客体等方面揭示其对学术信息搜索行为的影响。如查先进等[32-33]从认知转变、情感依恋视角并结合学术自我效能视角构建模型，探讨学术搜索引擎环境下的适应性学术信息搜索行为影响因素，与此同时探讨了信息质量与信息源的可信度对用户的认知反应和情感反应产生的影响[34]。黄传慧等[35]结合移动学习与信息查询行为，分析高校学术用户学科分布、年龄、职称对其移动学习信息查询行为的影响。刘冰等[36]研究了复杂任务情境下，科研用户网络信息搜索过程中学术信息的评判标准和影响因素。在学术信息搜索行为特征的研究上，袁红等[37]从信息觅食视角出发，通过构建学术数据库搜索行为模型并设计用户实验，记录菜单选择、信息线索识别等数据揭示行为特征。李燕波[38]通过分析硕博士用户搜索日志，并结合访谈分析，发现特定任务下的科研群体具有多系统、多策略的搜索特征。张泰瑞等[39]结合有限理性理论，关注于学术用户如何应对信息复杂性刺激，通过SOR理论框架构建学术搜索行为理论模型。

学术信息搜索具有典型的探索式搜索特征。在探索式搜索过程中有两项主要活动：探索式浏览和集中搜索[4]。探索式浏览主要包括选择、阅读、研究等行为，主要表现为在搜索过程中浏览与搜索问题相关的文档，并对所查看的文档进行更进一步的探索。集中搜索主要包括制定查询表达式、检查结果、筛选抽取等行为，通常表现为用户通过一系列的导航遵循已知或预期路径进行搜索，同时查询相关文档集，浏览搜索结果附近的结果和文档，提取相关信息来实现搜索目标[40-41]。当前探索式搜索的研究内容主要集中在搜索结果影响因素、搜索结果优化和系统构建三个方面[5]，对探索式搜索行为过程的研究主要围绕认知过程和学习过程展开，如杨倩[42]整合知识构建、问题情境和认知阶段，提出探索式搜索过程的认知过程框架。袁红等[43]构建探索式搜索的三阶段模型，包括了基础内容学习、主题学习和兴趣专项学习。张云秋等[44]探讨了探索式搜索的知识构建过程，并总结出用户快速浏览、细致浏览到集中搜索的行为特点。

综上，结合不同的研究视角和研究方法，探索式搜索行为研究已经产生了大量研究成果，在搜索行为研究日益细化、研究情境与研究视角不断多元化的背景下，较多的研究从影响因素和行为特点揭示了学术信息搜索的规律，但是研究学术信息搜索行为的探索式特征，并结合情感变化与眼动追踪分析其行为过程还较为缺乏。

2 实验设计与数据处理

学术数据库是重要的学术信息获取源，提供了高速检索、数据获取和知识发现等服务。中国知网(CNKI)是我国三大学术期刊数据库之一，其学术资源丰富、检索页面简洁高效，是中文学术信息资源的重要获取平台，因此本研究使用中国知网(CNKI)作为实验搜索数据库平台。

2.1实验对象实验法是信息行为研究领域的重要研究方法，由于探索式搜索实验较为复杂，进行大样本的研究较为困难，国内外相关研究一般将实验人数平均控制在35人左右[5]，且学术信息搜索实验任务对被试者的检索能力以及知识水平均具有一定要求，需要被试者均能熟练使用知网、万方等学术数据库，具有优秀科研信息搜索能力或有相关课程学习经历，考虑到课程设置，本研究的被试者以华中师范大学信息管理学院研究生为主，不考虑性别、年龄，对实验者的视力有一定要求，经过筛选最终招募29名实验被试，其中男性9名，女性20名，平均年龄23岁。

2.2实验任务设计搜索实验任务需要有效控制条件变量，由于实验被试者均具有相同的专业背景，在设计实验任务时要排除实验者从事的研究主题，同时需要体现出搜索过程的迭代性与多策略性，同时由于数据库的限制，可以通过搜索得到的学术信息均为中文文献。因此，本研究的实验任务为探索式单主题搜索，经过调查与筛选，设计的实验任务具体内容如下所示：假定你将以“文献信息资源保障体系”为主题完成一篇研究综述(包括且不限于组成要素、结构模式、功能与服务等方面，尽可能全面)，请在知网中尽可能多的搜索并了解相关论文(仅限于CSSCI来源、CSSCI扩展版)并查看摘要或全文，将你认为最相关的论文进行筛选并下载，并在实验结束后完成一篇研究综述。

2.3实验流程由于设备限制，本实验选择在专门的眼动实验室进行。在实验开始之前，由实验设计人员在计算机上进行测试，确保眼动设备与录像设备的正常运行和网络通畅。在被试者准备就绪后告知其任务内容，并由被试者完成基本信息调查表。在实验正式开始前对被试进行眼动设备使用的培训，消除实验过程中由于视力问题和对设备的不适应而产生的误差，之后由被试者完成搜索任务实验，研究人员通过外置摄像头与EV录屏软件同步记录实验者的面部表情，并结合tobbi pro lab记录实验搜索全过程，实验结束时间由实验者对任务完成度的主观感知决定。任务结束后，实验者对自己的搜索结果文件(包括论文文件、关键概念的记录文档、综述草稿等)进行整理。

2.4数据处理过程在实验过程中因网络问题、数据缺失等问题共剔除10份数据，最终得到有效数据29份。在实验过程中使用Tobii眼动仪采集被试的眼动数据，使用摄像头拍摄记录被试实验过程中的面部表情。以一秒一帧为单位将记录面部表情视频截取为图片并依次批量进行表情识别。最终选取的29个被试的平均实验时长约为34分钟，总共识别约59 160张表情图片，部分结果如表1所示。由于生气、厌恶、恐惧、悲伤这几种表情识别难度大，同时表情也是复杂的，会有多重混合表情的出现，如悲伤和愤怒般的厌恶[45]，本研究将表情反应的情绪主要分为正面情绪、中性情绪和负面情绪三类，其中正面情绪包括happy(高兴)、surprise(吃惊)，中性情绪是neutral(中性)，负面情绪则包括了angry(愤怒)、disgust(厌恶)、scared(恐惧)、sad(伤心)。

由于本研究关注搜索过程中的探索式浏览与集中搜索两项主要活动，在划分阶段的过程中，探索式浏览阶段的划分依据主要包括阅读文献外部特征信息与文本内容，集中搜索阶段的划分依据主要包括输入检索词、列表筛选、引文网络筛选、范围选取等，并邀请三名情报学博士研究生通过tobbi pro lab回放每一位被试的录屏视频，结合屏幕和注视点，人工标注探索式浏览和集中搜索阶段。然后导出每个被试的眼动数据，人工记录搜索过程中的具体搜索行为，最后使用python对数据进行筛选和计算等处理，并结合Excel和SPSS进行统计检验与聚类等数据分析。

表1 表情识别部分结果

3 实验结果与分析

3.1学术信息搜索过程中用户的情感变化分析将所有被试者在“探索式浏览”阶段与“集中搜索”阶段的正面情绪、负面情绪、中性情绪占比绘制成柱状-折线组合图，并对其进行平滑处理，由于大部分被试的表情里中性表情为主要部分，而正面表情极少，因此主要以负面表情占比的变化趋势为观察指标将29个被试的表情变化趋势总结为如表2所示。在学术信息探索式搜索的不同阶段，用户的情感状态变化过程可以分为四类：负面表情稳定型、先增后减型、递增型、递减型。

表2 表情变化趋势类型

可以发现，大多数被试在实验过程中没有或极少表现出正面表情，而中性表情是主要表情。可能是由于在一个相对稳定、安静的实验环境中，影响被试情绪的主要原因是实验中的检索任务以及实验过程，而搜索过程也是相对稳定的过程。负面表情的占比相对适中，且大多存在明显变化，因此“负面表情占比”的变化趋势最能体现被试的情感变化。

“稳定型”的被试在搜索过程中大多是“负面表情占比”震荡维持在一定的范围内，个别被试在整个搜索过程中仅表现出极少的负面表情。这部分被试在搜索过程中对于搜索任务的认知变化可能是呈阶段性变化，此类被试具有一定的搜索能力以及对搜索任务和搜索策较高的认知水平，由此其负面表情的变化在也在一定的范围内波动且保持相对稳定。

“先增后减型”的被试整体负面表情变化趋势会在震荡中先增加后减少，可能是由于在搜索初期对搜索任务的了解较少，通过探索式浏览阶段的学习逐步了解，并在搜索过程中遇到一定的问题或困难，但是通过进一步的搜索找到了较满意的结果。此外该类型中有极少被试负面表情占比先增加，在实验过程中有一定的减少后再增加直至搜索结束时负面表情占比再次减少，但整体趋势仍为先增后减。在本次试验中，该类被试最多，说明大多数被试在探索式搜索实验过程中首先通过搜索和浏览加深了对任务的了解，在过程中遇到困难但逐步解决的过程，这与探索式搜索过程中搜索者学习过程与认知变化特点是相吻合的。

“递增型”的被试在搜索开始阶段与“先增后减型”类似，被试对于搜索任务了解欠缺，在探索式浏览过程中逐步了解且遇到问题或困难，但这些导致负面表情占比高的因素持续影响搜索过程直到搜索完成。导致这种情况的产生原因可能是被试情感负荷较高，不能有效处理自身负面情绪，并且被试的疲劳感在搜索过程中不断增加，导致其最后放弃进一步搜索而结束任务。

“递减型”的被试在搜索开始初期即表现出了一定的负面表情，但是随着搜索的展开逐步减少。此类型被试的搜索过程相对顺利，随着搜索过程的不断深入，用户对搜索目标逐渐清晰，不确定性不断下降，并且具有较低的情感负荷，具有较高的搜索能力与多样化的搜索策略，对自身的搜索行为和搜索结果相对满意。

3.2探索式浏览与集中搜索阶段的眼动特征分析对被试的实验过程进行人工标注分段后，导出各阶段的眼动指标。该部分的眼动数据统计只包含有人工标记的阶段，去掉实验中不属于集中搜索和快速浏览的部分。其中涉及的眼动指标如表3所示，探索式浏览与集中搜索阶段的眼动特征差异结果如表4所示。

通过均值的计算可以发现两个阶段的6个眼动特征均值基本相同。进一步对样本数据进行非参数检验发现，探索式浏览与集中搜索阶段的注视占比、眼跳占比、平均注视持续时长、平均眼跳持续时长、瞳孔大小均无显著差异。这与猜想结果存在反差，本研究认为探索式浏览阶段与集中搜索阶段在注视和眼跳行为上存在差异，这是由于探索式浏览与集中搜索阶段存在不同的信息行为导致的。在集中搜索阶段，筛选结果列表时应该存在大量的眼跳行为，而在探索式浏览阶段进行阅读和研究时，应存在大量的注视行为，但结果表明均不存在显著差异，说明在探索式浏览阶段也具有一定筛选行为，即用户存在通过快速浏览关键词、标题、摘要、结论等关键信息寻找目标内容的行为。为了探究其原因，本研究猜测这种现象是由于限制实验时长、设定了短期目标而导致的，即在实验过程中，部分被在探索式浏览过程中并没有细致阅读文章内容，而是通过寻找目标关键词，目的在于在短时间内完成实验任务，由此本研究认为短期探索式搜索任务(实验搜索任务)与长期探索式搜索任务(日常搜索任务)存在不同的眼动行为模式。为了进一步验证猜想，本研究选择了三名志愿者对本实验任务进行不限时搜索，即在非实验环境下完成搜索任务，并对其进行访谈。访谈过程中发现，在进行长期探索式搜索任务时，被试存在大量的研究与阅读行为，对搜索主题的背景知识、理论研究等方面都具有所涉及，在探索式浏览阶段更多是学习行为，而非筛选行为。

综上所述，在学术信息探索式搜索的过程中，探索式浏览与集中搜索的眼动特征不存在显著差异。在探索式浏览阶段存在快速浏览行为与细致浏览行为，快速浏览行为偏向于目标筛选，而细致浏览偏向于阅读与学习，且在不同场景下的探索式搜索行为，眼动行为模式和搜索行为模式上存在差异。

表3 眼动指标

表4 探索式浏览与集中搜索阶段的眼动特征差异

3.3学术信息探索式搜索行为眼动特征与情感特征分析为了进一步分析学术信息搜索过程中用户情感特征和眼动特征的关系，首先根据用户情感变化特征，并结合搜索特征指标对被试进行聚类分析。具体选取正面表情占比、中性表情占比、负面表情占比、切换频率、集中搜索阶段平均时长、探索式浏览阶段平均时长六个特征，各指标释义如表5所示。使用条形图和散点图大致查看各特征的分布情况即相关关系，如图1所示。可以大致看出中性表情的占比与负面表情的占比有很强的负相关性，且平均集中搜索阶段和平均探索式浏览阶段的时长是相对集中的。根据相关系数和分布情况，最终选择“正面表情占比”“负面表情占比”“切换频率”进行聚类。为了避免特征自身的值的差异对聚类模型的影响，需对数据进行标准化处理。进行标准化处理后开始进行kmeans聚类，使用SSE(簇内误方差)和轮廓系数选择最优的分类数量，得到最优的k为4，聚类结果如表6所示。由于数据量较少，再使用层次聚类法加以验证，同样得到相同聚类结果，如图2所示。

表5 聚类指标

图1 各特征分布情况

表6 特征聚类结果

图2 层次聚类结果

得到聚类结果后，比较各类特征的均值，如表7所示。可以发现，“B”类的正面表情占比明显高于其他组别，“C”类的负面表情占比明显高于其他组别，“D”类的切换频率明显高于其他组别。而“A”类的正面表情占比和负面表情占比的均值相对较低、切换频率的均值与全体被试在该指标上的均值相差较小，并且属于该类的被试人数最多，达到半数以上，说明大多数被试在实验过程中的表情和“集中搜索”“探索式浏览”的切换频率是相对稳定的。在学术信息搜索过程中，根据聚类特征，将A、B、C、D四类用户分别命名为“普通型”“表情正面型”“表情负面型”“切换频繁型”。

表7 聚类特征均值

结合眼动数据特征对四类被试进行深入分析，如表8所示。通过比较各个类别的眼动特征数据均值，可以发现“表情正面型”和“切换频繁型”的被试在注视类型占比和平均持续注视时长上都明显小于另外两类以及全体被试的均值。同时“表情正面型”被试的平均眼跳距离也大于其他类别。根据眼动行为，进一步分析实验录屏记录可以得出结论：在探索式搜索过程中，正面情绪占比较多和在探索式浏览与集中搜索阶段切换频繁的实验者在实验过程中的具体眼动行为更多近似于筛选行为，即快速扫视寻找关键目标，在大多数时间里表现为浅阅读行为。产生这种现象的原因可能为：频繁的搜索-浏览切换和较高的正面情绪占比反映出两种类型的实验者探索式搜索的过程较为顺利，在实验过程中较少出现因搜索不顺利而对关键词相关知识点进行学习，仅通过浅阅读快速找到关键词锁定目标后快速完成任务。四种不同类型的平均眼跳距离差异也佐证了这一观点：表情正面型的平均眼跳距离显著较高于普通型、表情负面型、切换频繁型。因此我们认为探索式搜索过程越顺利，搜索过程中的浅阅读行为占比会提升，深阅读行为占比会下降。

表8 不同类型被试眼动特征均值

4 结论与未来研究工作展望

4.1结论与展望本研究对用户的学术信息探索式搜索过程的情感变化规律进行了一定的探究。在学术信息探索式搜索行为的情感变化过程中，中性表情是主要表情，负面表情的占比相对适中，且大多存在明显变化。根据负面表情占比的变化趋势可以将用户的情感变化过程分为稳定型、先增后减型、递增型、递减型。由此可以通过对负面情感变化的影响因素进行探索，进一步对搜索平台展现的内容、界面布局和检索路径进行优化，有利于辅助用户的探索式搜索行为。因此用户探索式搜索行为过程中负面表情的影响因素是下一步重点研究的内容。

在学术信息探索式搜索的实验环境下，由于限定了实验目标且限制了实验时长，部分被试在探索式浏览过程中并没有细致阅读文章内容，而是通过快速寻找目标关键词完成实验任务，由此我们得出：在探索式浏览阶段存在快速浏览行为与细致浏览行为，快速浏览行为偏向于目标筛选，而细致浏览行为偏向于阅读与学习，并且猜测在不同场景下的探索式搜索行为，眼动行为模式和搜索行为模式上存在差异。如何通过用户搜索过程中的搜索行为对其搜索目的或情景进行预测判断并优化搜索结果，例如呈现方式或结果排序等，是值得进一步尝试的方向。探索式搜索过程顺利程度会影响搜索过程中的深阅读行为和浅阅读行为。频繁的搜索—浏览切换和较高的正面情绪占比反映出两种类型的实验者学术信息探索式搜索过程较为顺利，通过四种不同类型的平均眼跳距离差异也可以加以验证。我们认为探索式搜索过程越顺利，搜索过程中的浅阅读行为占比会提升，深阅读行为占比会下降。同时用户对于检索过程的评估一方面建立在其搜索结果满意程度上，一方面建立在其主观的认知之上，通过结合这两个维度的综合评价，可以对检索系统的使用体验进行评估。

4.2研究局限本研究探讨了学术信息探索式搜索行为的探索式特征，并结合表情识别分析用户搜索过程的情感变化特征，研究视角较为新颖，但同时也存在以下不足：第一，由于实验样本限制，在情感变化过程的分类与用户特征分类上存在部分类别样本量偏小的问题，在后续的研究中需要加大实验样本量，进一步证实分类的有效性与科学性。第二，在实验环境下由于限定了浏览器与学术数据库，无法完全还原真实全面的学术信息搜索行为。与此同时，本研究主要研究学术信息探索式搜索行为中探索式浏览与集中搜索两阶段的眼动与情感特点，并未考虑实验过程中的用户搜索策略、浏览路径对搜索过程的具体影响，这也是下一步研究可以改进的方向。