即時臨場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)品的全過程中，對產(chǎn)品使用及服務(wù)的主觀感受，包括感官的滿意度、價值的歸屬感和情感等各個方面[2]。而情感作為用戶體驗(yàn)中不可或缺的一個方面[3]，在發(fā)現(xiàn)產(chǎn)品用戶體驗(yàn)問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，但對于“情感”一詞提出一個精確且科學(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“情感”的定義是不同的，且研究人員對實(shí)際構(gòu)成人類情感的方面難達(dá)成一致。首先，情感是對與個人的需求、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“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[6]，如用戶對界面的情感反應(yīng)。

情感持續(xù)時間較短[6]，可以瞬間改變，較難實(shí)時捕獲，為了應(yīng)對挑戰(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，嘗試探索出即時臨場情感捕獲辦法。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，然后即時臨場的彈出非語言情感度量表，以用戶自報告的形式捕獲情感。非語言自報告形式可以區(qū)分用戶的情感狀態(tài)，也闡述了情感有關(guān)的認(rèn)知和動機(jī)，因?yàn)樾蜗蠡谋硎?，更能?zhǔn)確地捕獲情感[13]。

1 相關(guān)工作

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

表2 不同類型的方法對比

續(xù)表2

但目前的情感捕獲方法不能做到即時臨場捕獲情感，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)有的方法很難即時采集用戶使用移動設(shè)備時產(chǎn)生的情感；

(3) 無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)備不僅只允許評估生理反應(yīng)，且不能離開實(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，本文基于自動化工具CAUX，探索出即時臨場情感捕獲方法。該方法可以打破地點(diǎn)、時間的限制，降低不準(zhǔn)確結(jié)果的風(fēng)險。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即時臨場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，主要依靠移動端的軟件和通信技術(shù)自動感知情境來收集數(shù)據(jù)[16]。目前CAUX工具支持隨時隨地彈出第三方網(wǎng)站問卷(如問卷星等)。當(dāng)情境發(fā)生改變(用戶打開或者關(guān)閉軟件等)時，研究人員就可以通過先前編寫的指令來彈出問卷。但是仍存在彈出不及時、漏彈出、彈出情境與研究人員感興趣情境不一致、無法獲取與情感相對應(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捕獲情感，情感數(shù)據(jù)可自動上傳到數(shù)據(jù)庫，并獲知情感產(chǎn)生時的客觀數(shù)據(jù)(軟件切換信息、使用時長等)。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，編寫指令，以JSON形式上傳到數(shù)據(jù)庫，并形成APK文件。

(2) 解析指令并監(jiān)測情境信息?？蛻舳诉M(jìn)行指令解析并判斷此時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)采集動作。如若不然，則繼續(xù)循環(huán)監(jiān)聽。

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

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

圖2 即時臨場捕獲用戶情感方法流程

3 方法建立

3.1 獲取需求

CAUX彈出第三方問卷存在著諸多缺陷，因此需要對問卷的彈出方式進(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)聽事件。

過程：

1. 監(jiān)聽系統(tǒng)廣播和用戶使用情況；

//監(jiān)聽事件

2. 若ActivityLifecycleCallbacks監(jiān)聽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)行動作；

7. else重復(fù)步驟3；

8. 重復(fù)步驟2，繼續(xù)監(jiān)聽；

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卷的功能，當(dāng)用戶退出或關(guān)閉軟件時，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)詢問用戶問題過多時，容易對用戶的情感造成干擾，且表情符號過于詳細(xì)時，會使用戶存在疑惑。另外，英文的注釋也對用戶造成了壓力。所以最適合的呈現(xiàn)方式為國際通用的三種情感類型(表情符號)加一個問題的方式。

因?yàn)閳D片可以傳達(dá)一種無法輕易轉(zhuǎn)化為文字的情感復(fù)雜性，于是選用表情符號(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

選擇表情符號的原因如下：

(1) 表情符號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) 表情符號可以成為調(diào)查工具，例如評估個人感知和情感表達(dá)的工具；

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

3.3 挖掘情感價值及問題歸類

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。用戶情感對產(chǎn)品的評價有很大的影響。中立情感與產(chǎn)品用戶體驗(yàn)問題無關(guān)[14]。產(chǎn)品的用戶體驗(yàn)問題主要與用戶持續(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)庫下載CAUX數(shù)據(jù)。使用算法2對數(shù)據(jù)進(jìn)行自動化處理，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”or p.[3]==“APP后臺”or p.[1]==“UserEmotion”;

9. FilterData.add(p);

//記錄篩選出來的行號

10. else

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

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

13. FilterData.add(p);

//記錄篩選出來的行號;

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)問題。

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

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

表3 嚴(yán)重等級界定標(biāo)準(zhǔn)表

4 即時臨場捕獲用戶情感方法應(yīng)用

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

4.1 確定用戶研究人員感興趣的情境

即時臨場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。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

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。

用戶按照自己平時習(xí)慣使用手機(jī)，當(dāng)他們退出或關(guān)閉軟件時，CAUX通過觸發(fā)指令彈出情感量表，用戶配合研究人員記錄此刻的情感。此方法即時臨場地捕獲了用戶情感，且對用戶造成的干擾小。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30天。7×24小時采集數(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)的過程中會對消極情感數(shù)據(jù)存在疑問，因此會通過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天時有明顯的轉(zhuǎn)折點(diǎn)。當(dāng)數(shù)據(jù)量較少時，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個產(chǎn)品用戶體驗(yàn)問題(其中含10個重復(fù)問題)。產(chǎn)品用戶體驗(yàn)問題如表6所示，問題示例僅展示1個。

表6 產(chǎn)品用戶體驗(yàn)問題示例表(1)

為了驗(yàn)證即時臨場情感捕獲方法的可行性及其獨(dú)特價值，本文嘗試使用傳統(tǒng)方法對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，用戶回憶的時間段跨度為一個月左右，共得到11個產(chǎn)品問題。訪談得到的部分用戶體驗(yàn)問題如表7所示，問題示例僅展示1個。

表7 產(chǎn)品用戶體驗(yàn)問題示例表(2)

續(xù)表7

4.4 研究結(jié)果對比

用戶體驗(yàn)問題嚴(yán)重等級能夠幫助研究人員分析問題的嚴(yán)重性，幫助研究人員確定對產(chǎn)品用戶體驗(yàn)問題修改的先后順序。本文采用廣泛應(yīng)用的Dumas[19]提出的嚴(yán)重等級劃分標(biāo)準(zhǔn)表，來界定產(chǎn)品用戶體驗(yàn)問題的嚴(yán)重性程度，以此解決用戶體驗(yàn)問題的優(yōu)先級。但純粹依賴于專家的意見對用戶體驗(yàn)問題分析過于片面，不同的研究人員可能對一個用戶體驗(yàn)問題的嚴(yán)重性定義不同[21]。因此將用戶操作融合到嚴(yán)重性等級判定中。根據(jù)頻率、影響程度以及持續(xù)性三個指標(biāo)使用決策樹的方法對用戶體驗(yàn)問題進(jìn)行嚴(yán)重性等級的劃分，決策樹如圖6所示。

圖6 決策樹

頻率：用戶在使用軟件過程中，遇到該用戶體驗(yàn)的次數(shù)；

影響程度：用戶遇到該問題時是否能克服，用戶克服該問題的難易程度；

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

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

表8 嚴(yán)重性等級用戶體驗(yàn)問題數(shù)量

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

(1)

計算得，傳統(tǒng)方法獲得用戶體驗(yàn)問題的平均重要性分?jǐn)?shù)為1.81，CAUX即時臨場捕獲情感獲得的用戶體驗(yàn)問題的平均重要性分?jǐn)?shù)為2.04，對比可知，即時臨場捕獲情感所獲得的用戶體驗(yàn)問題比傳統(tǒng)方法得到的問題更重要。

5 結(jié) 語

本文基于情境感知技術(shù)提出了一種即時臨場捕獲情感數(shù)據(jù)的研究方法。該方法可以通過感知用戶退出或關(guān)閉軟件的情境，即時臨場彈出情感量表捕獲有效的情感。本文通過8名用戶對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，通過即時臨場情感捕獲的方法，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)問題較傳統(tǒng)方法價值更高。

在未來的研究中，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，因此接下來可以通過感知其他情境以及參考物理位置等信息來研究其他案例。