即時(shí)臨場(chǎng)情感捕獲方法的探索與研究

金小桐 劉正捷 程建萍

(大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院 遼寧 大連 116026)

0 引 言

用戶體驗(yàn)[1](User Experience,UE/UX)是用戶在使用產(chǎn)品的全過(guò)程中，對(duì)產(chǎn)品使用及服務(wù)的主觀感受，包括感官的滿意度、價(jià)值的歸屬感和情感等各個(gè)方面[2]。而情感作為用戶體驗(yàn)中不可或缺的一個(gè)方面[3]，在發(fā)現(xiàn)產(chǎn)品用戶體驗(yàn)問(wèn)題上占有重要的地位。近幾年，人機(jī)交互中的情感研究話題引起了越來(lái)越多的關(guān)注[4]。為了研究情感，首先需要定義“情感”。在日常生活中經(jīng)常出現(xiàn)“情感”一詞，但對(duì)于“情感”一詞提出一個(gè)精確且科學(xué)可敬的定義是非常困難的。調(diào)研發(fā)現(xiàn)，不同領(lǐng)域的文獻(xiàn)中對(duì)“情感”的定義是不同的，且研究人員對(duì)實(shí)際構(gòu)成人類情感的方面難達(dá)成一致。首先，情感是對(duì)與個(gè)人的需求、目標(biāo)或關(guān)注相關(guān)的事件的心理反應(yīng)。其次，情感包括生理、行為和認(rèn)知成分[5]。本文對(duì)“情感”的解釋為所謂情感，是由特定事件引起的自然的反應(yīng)和感覺(jué)[6]，如用戶對(duì)界面的情感反應(yīng)。

情感持續(xù)時(shí)間較短[6]，可以瞬間改變，較難實(shí)時(shí)捕獲，為了應(yīng)對(duì)挑戰(zhàn)，研究人員創(chuàng)造了許多不同的情感捕獲方法[5]。目前，有幾種方法可用于捕獲用戶情感，如表1所示。

表1 情感捕獲方法

為了彌補(bǔ)這些缺陷，本文總結(jié)了現(xiàn)有的方法，嘗試探索出即時(shí)臨場(chǎng)情感捕獲辦法。該方法利用情境感知工具CAUX(Context-Aware User Experience)感知研究人員感興趣的情境，然后即時(shí)臨場(chǎng)的彈出非語(yǔ)言情感度量表，以用戶自報(bào)告的形式捕獲情感。非語(yǔ)言自報(bào)告形式可以區(qū)分用戶的情感狀態(tài)，也闡述了情感有關(guān)的認(rèn)知和動(dòng)機(jī)，因?yàn)樾蜗蠡谋硎荆軠?zhǔn)確地捕獲情感[13]。

1 相關(guān)工作

目前方法可以根據(jù)即時(shí)性和臨場(chǎng)性分為4類：即時(shí)不臨場(chǎng)、不即時(shí)不臨場(chǎng)、臨場(chǎng)不即時(shí)和即時(shí)臨場(chǎng)(即時(shí)指的是實(shí)時(shí)，臨場(chǎng)指的是真實(shí)的工作生活環(huán)境)。具體如表2所示。

表2 不同類型的方法對(duì)比

續(xù)表2

但目前的情感捕獲方法不能做到即時(shí)臨場(chǎng)捕獲情感，難以滿足日益變化的需求[10]，主要有以下幾方面的原因：

(1) 研究人員很難時(shí)刻采集用戶在真實(shí)世界的情感數(shù)據(jù)；

(2) 現(xiàn)有的方法很難即時(shí)采集用戶使用移動(dòng)設(shè)備時(shí)產(chǎn)生的情感；

(3) 無(wú)法感知到研究人員感興趣的情境；

(4) 用戶需要佩戴可穿戴設(shè)備，用這些設(shè)備不僅只允許評(píng)估生理反應(yīng)，且不能離開(kāi)實(shí)驗(yàn)室，成本還較高。

為了滿足研究用戶體驗(yàn)所需要的情感數(shù)據(jù)的需求，本文基于自動(dòng)化工具CAUX，探索出即時(shí)臨場(chǎng)情感捕獲方法。該方法可以打破地點(diǎn)、時(shí)間的限制，降低不準(zhǔn)確結(jié)果的風(fēng)險(xiǎn)。該研究采用基于情境感知的遠(yuǎn)程UX數(shù)據(jù)采集方法。

2 CAUX即時(shí)臨場(chǎng)情感捕獲能力探索及數(shù)據(jù)分析

CAUX是一種情境感知數(shù)據(jù)采集工具，主要依靠移動(dòng)端的軟件和通信技術(shù)自動(dòng)感知情境來(lái)收集數(shù)據(jù)[16]。目前CAUX工具支持隨時(shí)隨地彈出第三方網(wǎng)站問(wèn)卷(如問(wèn)卷星等)。當(dāng)情境發(fā)生改變(用戶打開(kāi)或者關(guān)閉軟件等)時(shí)，研究人員就可以通過(guò)先前編寫(xiě)的指令來(lái)彈出問(wèn)卷。但是仍存在彈出不及時(shí)、漏彈出、彈出情境與研究人員感興趣情境不一致、無(wú)法獲取與情感相對(duì)應(yīng)的客觀數(shù)據(jù)等諸多缺陷，因此本文試圖添加CAUX彈出情感量表功能來(lái)捕獲情感，情感數(shù)據(jù)可自動(dòng)上傳到數(shù)據(jù)庫(kù)，并獲知情感產(chǎn)生時(shí)的客觀數(shù)據(jù)(軟件切換信息、使用時(shí)長(zhǎng)等)。CAUX捕獲情感可分為3步，數(shù)據(jù)采集流程如圖1所示。

圖1 數(shù)據(jù)采集流程

(1) 研究人員編寫(xiě)指令。研究人員根據(jù)自己的案例目標(biāo)確定感興趣的情境，編寫(xiě)指令，以JSON形式上傳到數(shù)據(jù)庫(kù)，并形成APK文件。

(2) 解析指令并監(jiān)測(cè)情境信息。客戶端進(jìn)行指令解析并判斷此時(shí)是否是研究人員感興趣的情境，若滿足指令觸發(fā)條件，則彈出情感量表并進(jìn)行相應(yīng)的數(shù)據(jù)采集動(dòng)作。如若不然，則繼續(xù)循環(huán)監(jiān)聽(tīng)。

(3) 文件上傳。當(dāng)用戶再次啟動(dòng)CAUX時(shí)，CAUX自動(dòng)通過(guò)通信模塊將采集的情感數(shù)據(jù)上傳到數(shù)據(jù)庫(kù)，供研究人員日后下載使用。

基于CAUX，本文提出一種自動(dòng)采集情感數(shù)據(jù)、半自動(dòng)化分析的面向移動(dòng)軟件的即時(shí)臨場(chǎng)情感捕獲研究方法。該方法主要分為兩部分，即時(shí)臨場(chǎng)和捕獲情感，最后通過(guò)該方法發(fā)現(xiàn)用戶體驗(yàn)問(wèn)題。方法流程如圖2所示。

圖2 即時(shí)臨場(chǎng)捕獲用戶情感方法流程

3 方法建立

3.1 獲取需求

CAUX彈出第三方問(wèn)卷存在著諸多缺陷，因此需要對(duì)問(wèn)卷的彈出方式進(jìn)行更改。本文作者以CAUX懸浮窗形式彈出情感量表，提升數(shù)據(jù)采集能力，具體采集過(guò)程如算法1所示。

算法1數(shù)據(jù)采集算法

輸入：工具監(jiān)聽(tīng)事件。

過(guò)程：

1. 監(jiān)聽(tīng)系統(tǒng)廣播和用戶使用情況；

//監(jiān)聽(tīng)事件

2. 若ActivityLifecycleCallbacks監(jiān)聽(tīng)APP狀態(tài)發(fā)生變化；

3. for i=0 to list.length()；//篩選所有含當(dāng)前情境指令

4. if (APP.close list(i).trigger)；

5. if (APP.back list(i).trigger)；

6. 執(zhí)行l(wèi)ist(i).operation中的所有執(zhí)行動(dòng)作；

7. else重復(fù)步驟3；

8. 重復(fù)步驟2，繼續(xù)監(jiān)聽(tīng)；

輸出：執(zhí)行指令設(shè)定的操作(采集數(shù)據(jù)或彈出懸浮窗量表)。

3.2 情感捕獲呈現(xiàn)方式

首先用CAUX現(xiàn)有能力捕獲情感，希望探索出可以捕獲用戶情感的最佳呈現(xiàn)方式。利用CAUX感知情境及彈出第三方問(wèn)卷的功能，當(dāng)用戶退出或關(guān)閉軟件時(shí)，先后采用不同呈現(xiàn)形式進(jìn)行實(shí)驗(yàn)。軟件類型由最初的17種類型降為最終的7種最適合捕獲情感的類型。具體探索過(guò)程如圖3所示。

圖3 探索情感呈現(xiàn)方式流程

由實(shí)驗(yàn)結(jié)果得出，在使用軟件領(lǐng)域，當(dāng)詢問(wèn)用戶問(wèn)題過(guò)多時(shí)，容易對(duì)用戶的情感造成干擾，且表情符號(hào)過(guò)于詳細(xì)時(shí)，會(huì)使用戶存在疑惑。另外，英文的注釋也對(duì)用戶造成了壓力。所以最適合的呈現(xiàn)方式為國(guó)際通用的三種情感類型(表情符號(hào))加一個(gè)問(wèn)題的方式。

因?yàn)閳D片可以傳達(dá)一種無(wú)法輕易轉(zhuǎn)化為文字的情感復(fù)雜性，于是選用表情符號(hào)(即笑臉圖片)作為捕獲用戶情感的工具，具體如圖4所示。

圖4 情感量表示意圖

選擇表情符號(hào)的原因如下：

(1) 表情符號(hào)可以有效地利用用戶的潛在情感，并使研究人員更好地了解他們的核心需求；

(2) 表情符號(hào)可以成為調(diào)查工具，例如評(píng)估個(gè)人感知和情感表達(dá)的工具；

(3) 表情符號(hào)是圖形符號(hào)、表意符號(hào)，不僅代表面部表情，還代表概念、思想、情感、感情和活動(dòng)[17]。

3.3 挖掘情感價(jià)值及問(wèn)題歸類

為方便分析，將積極情感定義為1，消極情感為-1，中立情感為0。用戶情感對(duì)產(chǎn)品的評(píng)價(jià)有很大的影響。中立情感與產(chǎn)品用戶體驗(yàn)問(wèn)題無(wú)關(guān)[14]。產(chǎn)品的用戶體驗(yàn)問(wèn)題主要與用戶持續(xù)的消極情感有關(guān)[18]。因此用戶的消極情感數(shù)據(jù)以及交互后的訪談數(shù)據(jù)為主要分析內(nèi)容。具體的分析步驟如下。

第一步：從數(shù)據(jù)庫(kù)下載CAUX數(shù)據(jù)。使用算法2對(duì)數(shù)據(jù)進(jìn)行自動(dòng)化處理，篩選出負(fù)面情感相關(guān)的數(shù)據(jù)。

算法2數(shù)據(jù)篩選算法

輸入：原始數(shù)據(jù)采集文本monitor.txt。

1. 導(dǎo)入并讀取原始數(shù)據(jù)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)

//執(zhí)行記錄具有的標(biāo)記此行

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前臺(tái)”or p.[3]==“APP后臺(tái)”or p.[1]==“UserEmotion”;

9. FilterData.add(p);

//記錄篩選出來(lái)的行號(hào)

10. else

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

12. if p.[3]==“APP前臺(tái)”or p.[3]==“APP后臺(tái)”or p.[1]==“UserEmotion”;

13. FilterData.add(p);

//記錄篩選出來(lái)的行號(hào);

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

//剔除重復(fù)數(shù)據(jù)并排序

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

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

//篩選標(biāo)記數(shù)據(jù)與上下文中與軟件切換相關(guān)的數(shù)據(jù)

17. end;

輸出：數(shù)據(jù)集D。

第二步：分析處理后的數(shù)據(jù)集，利用錄屏的方式研究軟件內(nèi)行為，探索用戶可能遇到的用戶體驗(yàn)問(wèn)題。

第三步：對(duì)仍存在疑惑的數(shù)據(jù)與用戶進(jìn)行協(xié)同式訪談。在協(xié)同式訪談中，要求用戶說(shuō)明使用軟件時(shí)發(fā)生的事情以及他們對(duì)此的感受。

第四步：根據(jù)Dumas提出的嚴(yán)重等級(jí)劃分標(biāo)準(zhǔn)表來(lái)界定問(wèn)題的嚴(yán)重等級(jí)[19](如表3所示)，得出問(wèn)題的嚴(yán)重性等級(jí)。

表3 嚴(yán)重等級(jí)界定標(biāo)準(zhǔn)表

4 即時(shí)臨場(chǎng)捕獲用戶情感方法應(yīng)用

為了探索CAUX即時(shí)臨場(chǎng)情感捕獲方法是否有效，在挖掘用戶體驗(yàn)問(wèn)題方面更有獨(dú)特價(jià)值，選取了便于研究的7款移動(dòng)軟件進(jìn)行實(shí)驗(yàn)。

4.1 確定用戶研究人員感興趣的情境

即時(shí)臨場(chǎng)的捕獲用戶情感需要工具異地且全面地記錄數(shù)據(jù)，由研究人員提前設(shè)定好指令，確定好自己感興趣的情境。本實(shí)驗(yàn)感興趣的情境定為：用戶退出或關(guān)閉軟件時(shí)。按照指令文法進(jìn)行相應(yīng)的轉(zhuǎn)換，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 捕獲情感波動(dòng)

根據(jù)7款軟件的百度指數(shù)，本次實(shí)驗(yàn)確定招募8名用戶，年齡在18歲至26歲之間，其教育水平從大學(xué)生到研究生。首先，由研究人員向用戶下發(fā)CAUX安裝包和指令文件，指導(dǎo)用戶安裝到自己的手機(jī)上。其次向用戶解釋此次研究的目的。最后用戶簽署知情同意書(shū)。

用戶按照自己平時(shí)習(xí)慣使用手機(jī)，當(dāng)他們退出或關(guān)閉軟件時(shí)，CAUX通過(guò)觸發(fā)指令彈出情感量表，用戶配合研究人員記錄此刻的情感。此方法即時(shí)臨場(chǎng)地捕獲了用戶情感，且對(duì)用戶造成的干擾小。完成數(shù)據(jù)采集后，卸載工具。

4.3 痛點(diǎn)發(fā)現(xiàn)及歸納

本次實(shí)驗(yàn)歷時(shí)30天。7×24小時(shí)采集數(shù)據(jù)，總共捕獲了2 503條情感數(shù)據(jù)，其中包含消極情感47條，研究人員分析得到36個(gè)奇異點(diǎn)。具體數(shù)據(jù)量示例如表5所示，分5次展示數(shù)據(jù)。

表5 實(shí)驗(yàn)數(shù)據(jù)

研究人員在分析情感數(shù)據(jù)的過(guò)程中會(huì)對(duì)消極情感數(shù)據(jù)存在疑問(wèn)，因此會(huì)通過(guò)訪談方法向用戶獲知原因，這樣的數(shù)據(jù)稱之為奇異點(diǎn)。經(jīng)過(guò)實(shí)驗(yàn)迭代，根據(jù)艾賓浩斯遺忘曲線[20]，本文總結(jié)出用戶奇異點(diǎn)原因遺忘率曲線，如圖5所示。

圖5 用戶奇異點(diǎn)原因遺忘率曲線

圖5曲線分別在間隔1天和3天時(shí)有明顯的轉(zhuǎn)折點(diǎn)。當(dāng)數(shù)據(jù)量較少時(shí)，研究人員可以選擇間隔1天或少于1天進(jìn)行訪談；當(dāng)數(shù)據(jù)量較多，研究人員可以選擇間隔3天或少于3天的時(shí)間進(jìn)行訪談。結(jié)合協(xié)同式訪談的方法獲取奇異點(diǎn)，共得到7類軟件，36個(gè)產(chǎn)品用戶體驗(yàn)問(wèn)題(其中含10個(gè)重復(fù)問(wèn)題)。產(chǎn)品用戶體驗(yàn)問(wèn)題如表6所示，問(wèn)題示例僅展示1個(gè)。

表6 產(chǎn)品用戶體驗(yàn)問(wèn)題示例表(1)

為了驗(yàn)證即時(shí)臨場(chǎng)情感捕獲方法的可行性及其獨(dú)特價(jià)值，本文嘗試使用傳統(tǒng)方法對(duì)7款軟件進(jìn)行研究，招募同類型的8名用戶進(jìn)行分別間隔1天、2天、3天和4天等多次訪談，用戶回憶的時(shí)間段跨度為一個(gè)月左右，共得到11個(gè)產(chǎn)品問(wèn)題。訪談得到的部分用戶體驗(yàn)問(wèn)題如表7所示，問(wèn)題示例僅展示1個(gè)。

表7 產(chǎn)品用戶體驗(yàn)問(wèn)題示例表(2)

續(xù)表7

4.4 研究結(jié)果對(duì)比

用戶體驗(yàn)問(wèn)題嚴(yán)重等級(jí)能夠幫助研究人員分析問(wèn)題的嚴(yán)重性，幫助研究人員確定對(duì)產(chǎn)品用戶體驗(yàn)問(wèn)題修改的先后順序。本文采用廣泛應(yīng)用的Dumas[19]提出的嚴(yán)重等級(jí)劃分標(biāo)準(zhǔn)表，來(lái)界定產(chǎn)品用戶體驗(yàn)問(wèn)題的嚴(yán)重性程度，以此解決用戶體驗(yàn)問(wèn)題的優(yōu)先級(jí)。但純粹依賴于專家的意見(jiàn)對(duì)用戶體驗(yàn)問(wèn)題分析過(guò)于片面，不同的研究人員可能對(duì)一個(gè)用戶體驗(yàn)問(wèn)題的嚴(yán)重性定義不同[21]。因此將用戶操作融合到嚴(yán)重性等級(jí)判定中。根據(jù)頻率、影響程度以及持續(xù)性三個(gè)指標(biāo)使用決策樹(shù)的方法對(duì)用戶體驗(yàn)問(wèn)題進(jìn)行嚴(yán)重性等級(jí)的劃分，決策樹(shù)如圖6所示。

圖6 決策樹(shù)

頻率：用戶在使用軟件過(guò)程中，遇到該用戶體驗(yàn)的次數(shù)；

影響程度：用戶遇到該問(wèn)題時(shí)是否能克服，用戶克服該問(wèn)題的難易程度；

持續(xù)性：該用戶體驗(yàn)問(wèn)題是一次性影響還是持續(xù)影響[21]。

根據(jù)決策樹(shù)對(duì)CAUX即時(shí)臨場(chǎng)捕獲情感獲得的用戶體驗(yàn)問(wèn)題以及傳統(tǒng)方法獲得的用戶體驗(yàn)問(wèn)題進(jìn)行嚴(yán)重性等級(jí)判定。兩種方法發(fā)現(xiàn)的四種嚴(yán)重等級(jí)的用戶體驗(yàn)問(wèn)題數(shù)量如表8所示。

表8 嚴(yán)重性等級(jí)用戶體驗(yàn)問(wèn)題數(shù)量

為進(jìn)一步對(duì)比兩種方法發(fā)現(xiàn)用戶體驗(yàn)問(wèn)題的重要性程度，使用加權(quán)平均值的方法來(lái)判定。將嚴(yán)重性等級(jí)從低到高分別定為1-4分。計(jì)算公式如式(1)所示。P代表用戶體驗(yàn)問(wèn)題的平均重要性分?jǐn)?shù)，Nj代表每個(gè)等級(jí)代表的問(wèn)題數(shù)量，Pj代表相應(yīng)等級(jí)所代表的分?jǐn)?shù)。

(1)

計(jì)算得，傳統(tǒng)方法獲得用戶體驗(yàn)問(wèn)題的平均重要性分?jǐn)?shù)為1.81，CAUX即時(shí)臨場(chǎng)捕獲情感獲得的用戶體驗(yàn)問(wèn)題的平均重要性分?jǐn)?shù)為2.04，對(duì)比可知，即時(shí)臨場(chǎng)捕獲情感所獲得的用戶體驗(yàn)問(wèn)題比傳統(tǒng)方法得到的問(wèn)題更重要。

5 結(jié) 語(yǔ)

本文基于情境感知技術(shù)提出了一種即時(shí)臨場(chǎng)捕獲情感數(shù)據(jù)的研究方法。該方法可以通過(guò)感知用戶退出或關(guān)閉軟件的情境，即時(shí)臨場(chǎng)彈出情感量表捕獲有效的情感。本文通過(guò)8名用戶對(duì)7款常用軟件進(jìn)行研究，共得到2 503條情感數(shù)據(jù)。從研究獲得的結(jié)果表明，通過(guò)即時(shí)臨場(chǎng)情感捕獲的方法，可以捕獲用戶的有效情感，較傳統(tǒng)方法降低了結(jié)果的不準(zhǔn)確性，結(jié)合協(xié)同式訪談的方法得到產(chǎn)品的用戶體驗(yàn)問(wèn)題較傳統(tǒng)方法價(jià)值更高。

在未來(lái)的研究中，可以擴(kuò)大用戶樣本獲得更多的產(chǎn)品用戶體驗(yàn)問(wèn)題。本文研究情境只關(guān)注于軟件退出或關(guān)閉，因此接下來(lái)可以通過(guò)感知其他情境以及參考物理位置等信息來(lái)研究其他案例。