金小桐 刘正捷 程建萍

(大连海事大学信息科学技术学院 辽宁 大连 116026)

0 引 言

用户体验[1](User Experience,UE/UX)是用户在使用产品的全过程中，对产品使用及服务的主观感受，包括感官的满意度、价值的归属感和情感等各个方面[2]。而情感作为用户体验中不可或缺的一个方面[3]，在发现产品用户体验问题上占有重要的地位。近几年，人机交互中的情感研究话题引起了越来越多的关注[4]。为了研究情感，首先需要定义“情感”。在日常生活中经常出现“情感”一词，但对于“情感”一词提出一个精确且科学可敬的定义是非常困难的。调研发现，不同领域的文献中对“情感”的定义是不同的，且研究人员对实际构成人类情感的方面难达成一致。首先，情感是对与个人的需求、目标或关注相关的事件的心理反应。其次，情感包括生理、行为和认知成分[5]。本文对“情感”的解释为所谓情感，是由特定事件引起的自然的反应和感觉[6]，如用户对界面的情感反应。

情感持续时间较短[6]，可以瞬间改变，较难实时捕获，为了应对挑战，研究人员创造了许多不同的情感捕获方法[5]。目前，有几种方法可用于捕获用户情感，如表1所示。

表1 情感捕获方法

为了弥补这些缺陷，本文总结了现有的方法，尝试探索出即时临场情感捕获办法。该方法利用情境感知工具CAUX(Context-Aware User Experience)感知研究人员感兴趣的情境，然后即时临场的弹出非语言情感度量表，以用户自报告的形式捕获情感。非语言自报告形式可以区分用户的情感状态，也阐述了情感有关的认知和动机，因为形象化的表示，更能准确地捕获情感[13]。

1 相关工作

目前方法可以根据即时性和临场性分为4类：即时不临场、不即时不临场、临场不即时和即时临场(即时指的是实时，临场指的是真实的工作生活环境)。具体如表2所示。

表2 不同类型的方法对比

续表2

但目前的情感捕获方法不能做到即时临场捕获情感，难以满足日益变化的需求[10]，主要有以下几方面的原因：

(1) 研究人员很难时刻采集用户在真实世界的情感数据；

(2) 现有的方法很难即时采集用户使用移动设备时产生的情感；

(3) 无法感知到研究人员感兴趣的情境；

(4) 用户需要佩戴可穿戴设备，用这些设备不仅只允许评估生理反应，且不能离开实验室，成本还较高。

为了满足研究用户体验所需要的情感数据的需求，本文基于自动化工具CAUX，探索出即时临场情感捕获方法。该方法可以打破地点、时间的限制，降低不准确结果的风险。该研究采用基于情境感知的远程UX数据采集方法。

2 CAUX即时临场情感捕获能力探索及数据分析

CAUX是一种情境感知数据采集工具，主要依靠移动端的软件和通信技术自动感知情境来收集数据[16]。目前CAUX工具支持随时随地弹出第三方网站问卷(如问卷星等)。当情境发生改变(用户打开或者关闭软件等)时，研究人员就可以通过先前编写的指令来弹出问卷。但是仍存在弹出不及时、漏弹出、弹出情境与研究人员感兴趣情境不一致、无法获取与情感相对应的客观数据等诸多缺陷，因此本文试图添加CAUX弹出情感量表功能来捕获情感，情感数据可自动上传到数据库，并获知情感产生时的客观数据(软件切换信息、使用时长等)。CAUX捕获情感可分为3步，数据采集流程如图1所示。

图1 数据采集流程

(1) 研究人员编写指令。研究人员根据自己的案例目标确定感兴趣的情境，编写指令，以JSON形式上传到数据库，并形成APK文件。

(2) 解析指令并监测情境信息。客户端进行指令解析并判断此时是否是研究人员感兴趣的情境，若满足指令触发条件，则弹出情感量表并进行相应的数据采集动作。如若不然，则继续循环监听。

(3) 文件上传。当用户再次启动CAUX时，CAUX自动通过通信模块将采集的情感数据上传到数据库，供研究人员日后下载使用。

基于CAUX，本文提出一种自动采集情感数据、半自动化分析的面向移动软件的即时临场情感捕获研究方法。该方法主要分为两部分，即时临场和捕获情感，最后通过该方法发现用户体验问题。方法流程如图2所示。

图2 即时临场捕获用户情感方法流程

3 方法建立

3.1 获取需求

CAUX弹出第三方问卷存在着诸多缺陷，因此需要对问卷的弹出方式进行更改。本文作者以CAUX悬浮窗形式弹出情感量表，提升数据采集能力，具体采集过程如算法1所示。

算法1数据采集算法

输入：工具监听事件。

过程：

1. 监听系统广播和用户使用情况；

//监听事件

2. 若ActivityLifecycleCallbacks监听APP状态发生变化；

3. for i=0 to list.length()；//筛选所有含当前情境指令

4. if (APP.close list(i).trigger)；

5. if (APP.back list(i).trigger)；

6. 执行list(i).operation中的所有执行动作；

7. else重复步骤3；

8. 重复步骤2，继续监听；

输出：执行指令设定的操作(采集数据或弹出悬浮窗量表)。

3.2 情感捕获呈现方式

首先用CAUX现有能力捕获情感，希望探索出可以捕获用户情感的最佳呈现方式。利用CAUX感知情境及弹出第三方问卷的功能，当用户退出或关闭软件时，先后采用不同呈现形式进行实验。软件类型由最初的17种类型降为最终的7种最适合捕获情感的类型。具体探索过程如图3所示。

图3 探索情感呈现方式流程

由实验结果得出，在使用软件领域，当询问用户问题过多时，容易对用户的情感造成干扰，且表情符号过于详细时，会使用户存在疑惑。另外，英文的注释也对用户造成了压力。所以最适合的呈现方式为国际通用的三种情感类型(表情符号)加一个问题的方式。

因为图片可以传达一种无法轻易转化为文字的情感复杂性，于是选用表情符号(即笑脸图片)作为捕获用户情感的工具，具体如图4所示。

图4 情感量表示意图

选择表情符号的原因如下：

(1) 表情符号可以有效地利用用户的潜在情感，并使研究人员更好地了解他们的核心需求；

(2) 表情符号可以成为调查工具，例如评估个人感知和情感表达的工具；

(3) 表情符号是图形符号、表意符号，不仅代表面部表情，还代表概念、思想、情感、感情和活动[17]。

3.3 挖掘情感价值及问题归类

为方便分析，将积极情感定义为1，消极情感为-1，中立情感为0。用户情感对产品的评价有很大的影响。中立情感与产品用户体验问题无关[14]。产品的用户体验问题主要与用户持续的消极情感有关[18]。因此用户的消极情感数据以及交互后的访谈数据为主要分析内容。具体的分析步骤如下。

第一步：从数据库下载CAUX数据。使用算法2对数据进行自动化处理，筛选出负面情感相关的数据。

算法2数据筛选算法

输入：原始数据采集文本monitor.txt。

1. 导入并读取原始数据采集文本monitor.txt;

2. for i=0 to monitor.Rowlength();

3. if第i行的第一列==UserEmotion;

4. SignData.add(i)

//执行记录具有的标记此行

5. for j=0 to SignData.length();

6. if SignData[j]<10;

7. for p=0 to SignData[j]+10;

8. if p.[3]==“APP前台”or p.[3]==“APP后台”or p.[1]==“UserEmotion”;

9. FilterData.add(p);

//记录筛选出来的行号

10. else

11. for p=SignData[j]-10 to SignData[j]+10;

12. if p.[3]==“APP前台”or p.[3]==“APP后台”or p.[1]==“UserEmotion”;

13. FilterData.add(p);

//记录筛选出来的行号;

14. New_lists=sorted(set(sxData),key=FilterData.index);

//剔除重复数据并排序

15. for k=0 to New_lists.length()

16. Alldata.add(monitor.(New_lists[k])) ;

//筛选标记数据与上下文中与软件切换相关的数据

17. end;

输出：数据集D。

第二步：分析处理后的数据集，利用录屏的方式研究软件内行为，探索用户可能遇到的用户体验问题。

第三步：对仍存在疑惑的数据与用户进行协同式访谈。在协同式访谈中，要求用户说明使用软件时发生的事情以及他们对此的感受。

第四步：根据Dumas提出的严重等级划分标准表来界定问题的严重等级[19](如表3所示)，得出问题的严重性等级。

表3 严重等级界定标准表

4 即时临场捕获用户情感方法应用

为了探索CAUX即时临场情感捕获方法是否有效，在挖掘用户体验问题方面更有独特价值，选取了便于研究的7款移动软件进行实验。

4.1 确定用户研究人员感兴趣的情境

即时临场的捕获用户情感需要工具异地且全面地记录数据，由研究人员提前设定好指令，确定好自己感兴趣的情境。本实验感兴趣的情境定为：用户退出或关闭软件时。按照指令文法进行相应的转换，采用”IF……THEN……”的格式，采集指令如表4所示。

表4 采集指令表

4.2 捕获情感波动

根据7款软件的百度指数，本次实验确定招募8名用户，年龄在18岁至26岁之间，其教育水平从大学生到研究生。首先，由研究人员向用户下发CAUX安装包和指令文件，指导用户安装到自己的手机上。其次向用户解释此次研究的目的。最后用户签署知情同意书。

用户按照自己平时习惯使用手机，当他们退出或关闭软件时，CAUX通过触发指令弹出情感量表，用户配合研究人员记录此刻的情感。此方法即时临场地捕获了用户情感，且对用户造成的干扰小。完成数据采集后，卸载工具。

4.3 痛点发现及归纳

本次实验历时30天。7×24小时采集数据，总共捕获了2 503条情感数据，其中包含消极情感47条，研究人员分析得到36个奇异点。具体数据量示例如表5所示，分5次展示数据。

表5 实验数据

研究人员在分析情感数据的过程中会对消极情感数据存在疑问，因此会通过访谈方法向用户获知原因，这样的数据称之为奇异点。经过实验迭代，根据艾宾浩斯遗忘曲线[20]，本文总结出用户奇异点原因遗忘率曲线，如图5所示。

图5 用户奇异点原因遗忘率曲线

图5曲线分别在间隔1天和3天时有明显的转折点。当数据量较少时，研究人员可以选择间隔1天或少于1天进行访谈；当数据量较多，研究人员可以选择间隔3天或少于3天的时间进行访谈。结合协同式访谈的方法获取奇异点，共得到7类软件，36个产品用户体验问题(其中含10个重复问题)。产品用户体验问题如表6所示，问题示例仅展示1个。

表6 产品用户体验问题示例表(1)

为了验证即时临场情感捕获方法的可行性及其独特价值，本文尝试使用传统方法对7款软件进行研究，招募同类型的8名用户进行分别间隔1天、2天、3天和4天等多次访谈，用户回忆的时间段跨度为一个月左右，共得到11个产品问题。访谈得到的部分用户体验问题如表7所示，问题示例仅展示1个。

表7 产品用户体验问题示例表(2)

续表7

4.4 研究结果对比

用户体验问题严重等级能够帮助研究人员分析问题的严重性，帮助研究人员确定对产品用户体验问题修改的先后顺序。本文采用广泛应用的Dumas[19]提出的严重等级划分标准表，来界定产品用户体验问题的严重性程度，以此解决用户体验问题的优先级。但纯粹依赖于专家的意见对用户体验问题分析过于片面，不同的研究人员可能对一个用户体验问题的严重性定义不同[21]。因此将用户操作融合到严重性等级判定中。根据频率、影响程度以及持续性三个指标使用决策树的方法对用户体验问题进行严重性等级的划分，决策树如图6所示。

图6 决策树

频率：用户在使用软件过程中，遇到该用户体验的次数；

影响程度：用户遇到该问题时是否能克服，用户克服该问题的难易程度；

持续性：该用户体验问题是一次性影响还是持续影响[21]。

根据决策树对CAUX即时临场捕获情感获得的用户体验问题以及传统方法获得的用户体验问题进行严重性等级判定。两种方法发现的四种严重等级的用户体验问题数量如表8所示。

表8 严重性等级用户体验问题数量

为进一步对比两种方法发现用户体验问题的重要性程度，使用加权平均值的方法来判定。将严重性等级从低到高分别定为1-4分。计算公式如式(1)所示。P代表用户体验问题的平均重要性分数，Nj代表每个等级代表的问题数量，Pj代表相应等级所代表的分数。

(1)

计算得，传统方法获得用户体验问题的平均重要性分数为1.81，CAUX即时临场捕获情感获得的用户体验问题的平均重要性分数为2.04，对比可知，即时临场捕获情感所获得的用户体验问题比传统方法得到的问题更重要。

5 结 语

本文基于情境感知技术提出了一种即时临场捕获情感数据的研究方法。该方法可以通过感知用户退出或关闭软件的情境，即时临场弹出情感量表捕获有效的情感。本文通过8名用户对7款常用软件进行研究，共得到2 503条情感数据。从研究获得的结果表明，通过即时临场情感捕获的方法，可以捕获用户的有效情感，较传统方法降低了结果的不准确性，结合协同式访谈的方法得到产品的用户体验问题较传统方法价值更高。

在未来的研究中，可以扩大用户样本获得更多的产品用户体验问题。本文研究情境只关注于软件退出或关闭，因此接下来可以通过感知其他情境以及参考物理位置等信息来研究其他案例。