基于大數據的手機App顯示界面交互設計

齊 紅，陳遠寧

(安慶職業技術學院，安徽 安慶 246003)

0 引言

現代化信息技術的發展，使得各種各樣的手機App開始出現，其中的界面設計也成為一項不可或缺的技術[1]。App顯示界面在保持美觀的同時，更需要滿足用戶不斷增長的使用要求，那么顯示界面交互感受就成為評定App設計好壞的重要原則[2]。所謂交互設計，指的是人與計算機的互動，秉承著“以人為本”的理念。但是，當前許多App界面交互設計無法給予用戶更好的交互體驗，存在很多不足之處。文獻[3]收集界面交互所需的數據信息，優化界面功能結構，再根據人機交互原理設計特征映射算法，完成顯示界面的交互設計。但是，該交互方法計算復雜度較高。文獻[4]整理國內外研究人員提出的界面交互設計方案，建立符合用戶認知發展的初步設計方案。再根據認知心理學理論，設計多個交互策略改進交互方案，最后通過項目實踐，優化App界面交互方案。但是，該方案容易出現相關性偏移問題。文獻[5]結合界面交互效應分析模式，設計交互層次任務圖像。從中選取潛在失效模式并計算風險值，確定帶來風險值的主要因素，尋找界面交互失效產生的原因，以此為基礎優化傳統界面交互方法。但是，該方法抗干擾能力較差。文中對手機App顯示界面交互行為深入研究，提出以大數據處理技術為核心的底層算法，達到有效的數據調度管理，確保界面交互所需的數據能夠準確傳輸，符合用戶交互體驗要求的界面交互。

1 基于大數據的手機App顯示界面交互設計

1.1 構建終端用戶心智模型

手機App顯示界面的交互設計，以滿足用戶交互要求為主要目的，文中建立終端用戶心智模型，以PAD 情感模型、眼動指標為基礎，對多維度情感狀態進行定量測量。描述用戶使用的手機App實時情感狀態[6]。

其中，PAD情感模型需要根據愉悅、喚醒以及支配行為建立三維坐標模型，且每個坐標軸的取值范圍均為[-1，1]，通過不同坐標軸的取值，描述用戶當前情感狀態，PAD情感模型如圖1所示。

基于圖1模型，結合眼動指標，計算眼動數據的單因素方差，從中提取出與情感預測有關的眼動指標，利用最小二乘回歸方法生成以情感值和眼動指標為核心的數學模型。

圖1 PAD情感模型

數學模型建立過程中，將PAD情感值充當因變量，并以篩選后的眼動指標充當自變量，隨機選取部分手機App終端用戶樣本，分析因變量與自變量之間的聯系，生成如下所示的兩個數據表：

式中，X表示自變量數據表，Y表示因變量數據表，x表示自變量，y表示因變量，p表示自變量數量，q表示因變量數量，m表示樣本點。

數據表生成后，為了便于后續計算，采用標準化處理方法將自變量和因變量數據表轉化為相對應的數據矩陣。從每個數據矩陣內選擇第一個軸充當單位向量，再根據拉格朗日法獲取矩陣相應的單位特征向量，基于上述參數信息，得到回歸方程：

式中，E0表示自變量數據表對應的數據矩陣，F0表示因變量數據表對應的數據矩陣，t1表示數據矩陣E0的單位向量，u1表示數據矩陣F0的單位向量，r1、p1、q1表示回歸系數向量，E、F*、F表示殘缺矩陣。

根據公式⑶，與最小二乘回歸方程，將PAD情感值和眼動指標構成的數學模型表示為：

式中，ya表示因變量樣本，xb表示自變量樣本，θ表示均值，S表示均方差。

利用公式⑷描述PAD情感值與眼動指標之間的關聯性，將上述構建的用戶心智模型應用于手機App界面交互設計中，準確提取出當前用戶交互需求。

1.2 建立顯示界面交互架構

基于上述用戶心智模型，提取出手機App顯示界面交互所需的基礎數據信息[7]。界面交互設計過程中，根據所需數據信息調度相應交互數據，文中采用大數據分析方法實現交互信息的統一處理。再結合交叉編譯控制、交叉總線控制兩種方法，讀取數據庫中對界面交互有益的信息，并檢測出上述大數據內特征信息，實現大數據的融合跟蹤。將處理后的大數據以總線傳輸的方式傳遞至輸出端。根據上述設計要求，建立以大數據技術為基礎的手機App顯示界面交互整體架構圖，如圖2所示。

圖2 界面交互整體架構圖

由圖2可知，App顯示界面的交互需要從終端用戶節點開始，將用戶請求發送至共享知識列表，并與集群服務器相結合反饋給用戶合理的交互信息。

文中建立的界面交互架構依托于功能模塊化技術，通過多線程分布式結構建立界面交互體系，將大數據信息處理技術放置于架構底層。再設置API接口將底層算法與上層架構相連，完成界面交互過程中數據傳輸、信息管理與交互狀態監測。

1.3 設計底層大數據推送算法

在圖2架構體系上，利用大數據處理技術建立底層算法，將界面交互所需的數據信息調取出來[8]。交互數據的調度，需要分析顯示界面的大數據分布時域函數，計算公式為：

手機App顯示界面大數據分布時域函數計算完成后，結合交叉編譯技術聚類大數據信息，并針對聚類后的大數據，提取出不同聚類的屬性特征[9]，特征分布公式為：

式中，R表示交互層次性特征結合。確定屬性特征分布情況后，采用類間離散度計算結果，識別顯示界面大數據信息中不同特征類型，并對每一屬性特征設置相應的交互模糊聚類中心[10]。

文中采用統計分析的方式，依據屬性特征劃分界面交互的底層大數據，并提取其中的自變量數據內容。以類間聚類中心矢量值為基礎，計算聚類中心間的相軌跡距離，公式為：

式中，dl，dg表示類間聚類中心l、g的矢量值，D表示相軌跡距離。

通過模糊算法獲取特征向量層次聚類集合，描述為：

式中，λ表示聚類向量集，z表示模糊層次輸出向量，v表示模糊層次數量。文中根據大數據內自相關語義特征，實現界面交互內數據聚類分組。界面交互過程中，調度具有同類屬性的底層數據，這一過程中，調度函數表述為：

式中，J表示調度函數，?表示數據聚類的空間分布維數，U表示數據類型屬性，V表示數據聚類中心，k表示交互節點，c表示界面交互節點總數，dk表示交互節點與聚類中心的歐氏距離，具體計算公式為：

綜合上述公式，生成界面交互所需的數據調度傳輸模型：

式中，μ表示聚類中心統計的大數據量。通過上述底層算法，實現界面交互設計中大數據處理。

1.4 實現手機App顯示界面交互設計

大數據處理完成后，設計以IEEE488.2為基礎的界面交互傳輸協議，確保界面交互的正常運行。考慮到大數據處理底層算法的計算復雜性，為了控制底層算法計算時間，將該算法嵌入至Linux內核控制系統內，并進行算法完善。Linux內核控制過程中，參考接口具體類型，設計界面交互I/O接口。并且，在Linux內核控制系統上建立MySQL數據庫，應用于后續界面交互實驗中，不斷調整信息調度的合理性，生成交互所需的編譯函數。

需要注意的是，交叉編譯模式可以有效控制界面程序的調度。作為最常見的程序控制模式之一，文中結合SQL語句和Connection語句，使得界面交互所需的程序按照要求發生變化。依托于ARM9TDMI設計一個控制器，結合ADO、NET等組件綜合管理大數據處理程序。其中，界面交互綜合管理的重要環節之一是內源文件的管理，文中利用多線程連接方法優化界面交互設計方案，有效提升底層算法的數據處理能力。

通常情況下，程序控制與進程管理是交互設計的主要控制環節。對于進程管理這一環節，文中建立一種自下而上的控制體系，結合I/O資源層準確調度手機App顯示界面交互所需數據資源，完成信息科學化界面交互。利用GPIB、串口等組件生成底層信息庫，達到集成化配置交互資源的目的。通過數據庫訪問、數據庫調度等方法，實時調度界面交互所需的信息數據，實現手機App顯示界面的交互。

2 實驗

文中針對手機App顯示界面交互問題，設計以大數據為基礎的交互方法。近幾年酒店行業快速發展，為了提供優質服務，推出酒店服務App，便于用戶完成酒店預訂和其他住宿服務。本文以酒店服務App為例，應用文中提出的界面交互方法進行實驗，明確所提出交互模式的可行性。

2.1 設計界面交互架構

分析該App使用流程后，獲取App顯示界面所需的交互子任務。從登記入住這一界面來看，用戶按照酒店入住服務流程，設置App登記入住辦理界面包括驗證身份、選擇房間等多個子任務。結合文中提出的用戶心智模型，得到酒店服務手機App界面交互流程，如圖3所示。

根據界面交互流程建立總體交互架構，實驗過程中根據用戶心智模型得出用戶群特點，設為橫坐標軸，縱坐標軸設置為交互序列，參考酒店服務App登記入住流程，基本界面交互設計矩陣如表1所示。

根據表1所示的通用設計矩陣明確了酒店服務手機App主要用戶群體，和手機辦理登記入住主要步驟。通過設計矩陣中交叉單元，針對不同用戶群體在界面交互中可能遭遇的問題，結合文中提出的底層大數據算法，設計具有降低用戶認知負荷特點的交互設計方案，將其作為本次實驗測試的核心。

圖3 酒店服務界面交互流程

表1 登記入住任務通用設計矩陣

2.2 實驗方案

為了更加直觀地描述出文中提出界面交互方法的應用效果。本次實驗要求45名參與者，將其劃分為3組實驗人員，每組男性和女性比例相同，且每組參與者包含新手用戶、高齡用戶和低教育程度三種類型。選取其中一組參與者，操作文中設計的界面交互模式，并讓其他兩組實驗參與者分別操作文獻[3]、文獻[4]提出的界面交互模式。將實驗參與者安排在實驗室內，測試上述提出的酒店服務App界面交互模式，并在交互任務結束后，集合所有實驗參與者填寫認知負荷測量表。

當界面交互后用戶出現認知負荷超載現象，表明所提出的交互方案無法帶給用戶較好的交互體驗。因此，文中選定界面交互模式應用后，根據認知負荷變化情況，判斷所提出界面交互方法的有效性。

考慮到用戶認知負荷的計算具有多維性特點，文中結合成績測量和主觀評定測量兩種測量方式，獲取更合理的用戶認知負荷值，具體的測量過程如圖4所示。

根據圖4可知，用戶認知負荷測量主要包括兩個環節。首先，記錄實驗參與者在界面交互過程中耗費時間、操作流程，結合成績測量法計算用戶界面交互的認知負荷。其次，根據用戶填寫的認知負荷測量表，獲取主觀評定的認知負荷。最后，結合成績測量結果和主觀評定結果，獲取用戶界面交互任務完成后用戶認知負荷，認知負荷越低，表明所提出的界面交互方案帶來的用戶體驗越佳。

圖4 用戶認知負荷測量

2.3 實驗結果分析

通過上述認知負荷測量方式，計算不同實驗參與者測試組用戶的平均認知負荷值，明確文中設計交互方法、文獻[3]交互方法和文獻[4]交互方法的實際應用效果。用戶認知負荷對比結果如圖5所示。

由圖5可知，文中提出以大數據為基礎的顯示界面交互方法，與文獻[3]和文獻[4]交互方法相比，用戶平均認知負荷值降低了54.55%、66.67%，極大程度地提升用戶交互體驗。

圖5 界面交互后用戶認知負荷對比圖

3 結束語

文中針對手機App顯示界面的交互問題進行研究，提出以大數據信息處理技術為核心的交互方法。利用用戶心智模型明確App用戶群體特征，并以此為基礎建立界面交互整體架構。基于大數據建立界面交互所需的底層算法，實現數據的準確、快速調度，再結合交叉編譯方法完成界面交互整體設計。根據實驗結果可知，所提出的交互方法能給用戶較好交互體驗。由于研究條件的局限，所提出的交互方法仍存在部分缺陷，未來需要繼續研究。