神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究現(xiàn)狀及展望

梁晨，孫元

【工業(yè)設(shè)計(jì)】

神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究現(xiàn)狀及展望

梁晨，孫元

（大連理工大學(xué) 建筑與藝術(shù)學(xué)院，遼寧 大連 116024）

探索神經(jīng)美學(xué)研究中用戶的情感認(rèn)知與腦活動規(guī)律、腦電成分間的關(guān)聯(lián)，對非侵入性測量方法的3個(gè)主要研究方向進(jìn)行分類梳理及總結(jié)，提出神經(jīng)美學(xué)在用戶研究領(lǐng)域發(fā)展的3個(gè)方向。從當(dāng)下量化美學(xué)的需求出發(fā)，闡述神經(jīng)美學(xué)的產(chǎn)生發(fā)展、相關(guān)概念、研究方法；從審美偏好、意象認(rèn)知、用戶體驗(yàn)3個(gè)方向，交叉對比現(xiàn)有國內(nèi)外學(xué)者的研究，對神經(jīng)美學(xué)在用戶研究領(lǐng)域的應(yīng)用進(jìn)行分類討論；對神經(jīng)美學(xué)的理論研究和應(yīng)用實(shí)例文獻(xiàn)進(jìn)行討論，提出了實(shí)驗(yàn)設(shè)計(jì)可行性、數(shù)據(jù)采集精準(zhǔn)度、研究方法普適性3個(gè)維度中可能存在的問題。神經(jīng)美學(xué)的產(chǎn)生發(fā)展是美學(xué)與實(shí)證科學(xué)并行、融合的結(jié)果，在用戶情感需求的驅(qū)動下，促進(jìn)效能提升、優(yōu)化美學(xué)計(jì)算、擴(kuò)展應(yīng)用范圍將成為神經(jīng)美學(xué)在用戶研究領(lǐng)域的重要研究方向。

神經(jīng)美學(xué)；腦電技術(shù)；意象認(rèn)知；用戶體驗(yàn)；審美偏好

21世紀(jì)——情感化設(shè)計(jì)時(shí)代的到來，使“滿足用戶的需求”成為設(shè)計(jì)的重要目的，傳統(tǒng)設(shè)計(jì)流程的弊端，也隨著用戶需求從生理到心理的轉(zhuǎn)變逐漸暴露出來，用戶希望在使用、體驗(yàn)產(chǎn)品的過程中得到更高的情緒價(jià)值，用戶基于高情緒價(jià)值也將對產(chǎn)品產(chǎn)生更包容的心理，于是如何使自己的產(chǎn)品能夠誘發(fā)積極的情緒反應(yīng)，成為各個(gè)企業(yè)試圖解決的核心問題[1]。美國著名認(rèn)知心理學(xué)家唐納德·諾曼在其著作《情感化設(shè)計(jì)》一書中提出一件產(chǎn)品成功與否，設(shè)計(jì)的情感要素也許比實(shí)用要素更為關(guān)鍵[2]。然而，人類的情感復(fù)雜、多變，如何準(zhǔn)確、有效地捕捉用戶情感成為當(dāng)下亟待解決的問題。

審美始于視知覺，終于情感辨析，二者均是依賴大腦內(nèi)神經(jīng)結(jié)構(gòu)有序進(jìn)行的生理活動。美學(xué)和科學(xué)因其對人類社會的貢獻(xiàn)不同，似乎相差甚遠(yuǎn)。隨著科學(xué)技術(shù)的發(fā)展，為挖掘大腦結(jié)構(gòu)與藝術(shù)感知之間的關(guān)聯(lián)，探索人類審美、認(rèn)知等心理活動的腦神經(jīng)作用機(jī)制，以及采用科學(xué)方式量化美的主觀感受，一個(gè)新的學(xué)科——神經(jīng)美學(xué)應(yīng)運(yùn)而生，近年來神經(jīng)美學(xué)也逐漸成為了自然科學(xué)與人文社會科學(xué)的交叉點(diǎn)[3]，國內(nèi)外學(xué)者對二者的共通性進(jìn)行了深入探索，目前已取得了豐碩的成果。本文針對神經(jīng)美學(xué)展開文獻(xiàn)綜述研究，重點(diǎn)從審美偏好、意象認(rèn)知、用戶體驗(yàn)3個(gè)方向，對其在用戶研究領(lǐng)域的應(yīng)用進(jìn)行分析總結(jié)，并結(jié)合神經(jīng)美學(xué)的關(guān)鍵技術(shù)闡述其需要面對的3個(gè)挑戰(zhàn)：實(shí)驗(yàn)設(shè)計(jì)可行性、數(shù)據(jù)采集精準(zhǔn)度、研究成果應(yīng)用方向。最后，從量化指標(biāo)、效能提升、應(yīng)用范圍3個(gè)方面，對神經(jīng)美學(xué)的發(fā)展動向進(jìn)行展望。

1 神經(jīng)美學(xué)相關(guān)理論闡述

1.1 產(chǎn)生發(fā)展

“美”是一種主觀感受，迄今為止，在單純的美學(xué)范疇內(nèi)，無論大眾或是藝術(shù)家們對美感問題的權(quán)衡判斷仍然處于探索階段?？档拢↖mmanuel Kant）是德國古典美學(xué)的奠基人，他在美學(xué)領(lǐng)域的探索以“主體”為出發(fā)點(diǎn)，并完全站在審美的角度上展開，康德指出：只有主觀的思維才能決定事物的基礎(chǔ)，這樣的判斷是審美判斷，而不是邏輯判斷[4]。換言之，審美判斷不是經(jīng)驗(yàn)判斷，也不是知識判斷，更不是道德判斷，而是一種絕對主觀，并具有普適必然性的判斷。繼康德對審美活動作出總結(jié)之后，更多的藝術(shù)家、哲學(xué)家試圖從主體的視角去思考美學(xué)問題的本源，進(jìn)而衍生出以“知覺”為核心概念的格式塔心理學(xué)美學(xué)[5]、邏輯出口聯(lián)通科學(xué)美學(xué)的認(rèn)識論美學(xué)、與醫(yī)學(xué)領(lǐng)域協(xié)同發(fā)展的精神分析美學(xué)等，這些美學(xué)流派都不同于以往形而上的探索途徑，著重從心理學(xué)的角度，突破傳統(tǒng)本體論美學(xué)范疇的框架。自20世紀(jì)90年代起，認(rèn)知神經(jīng)科學(xué)，亦稱腦科學(xué)的蓬勃發(fā)展將實(shí)證方法帶入美學(xué)問題的研究中，神經(jīng)美學(xué)就此誕生[6]。如圖1所示，神經(jīng)美學(xué)的發(fā)展歷史反映了心理學(xué)、神經(jīng)科學(xué)、進(jìn)化生物學(xué)和哲學(xué)美學(xué)研究的發(fā)展和融合，它的出現(xiàn)是社會進(jìn)步的必然結(jié)果。

圖1 美學(xué)學(xué)科發(fā)展關(guān)系

我國對神經(jīng)美學(xué)的研究傾向于探尋認(rèn)知的過程及作用機(jī)理，也稱作“認(rèn)知美學(xué)”。西方的研究進(jìn)展基本與我國同步，最初著重于通過解剖的手段尋找參與審美判斷的腦部神經(jīng)結(jié)構(gòu)。審美活動是大腦中樞系統(tǒng)與認(rèn)知過程及機(jī)理共同作用的結(jié)果，因此，隨著中西方在神經(jīng)美學(xué)領(lǐng)域研究的邊界逐漸消解，我國的“認(rèn)知美學(xué)”也更名為“認(rèn)知神經(jīng)美學(xué)”，以促進(jìn)國內(nèi)外在神經(jīng)美學(xué)領(lǐng)域的研究交流。

1999年發(fā)表的《內(nèi)在視覺—探索藝術(shù)與大腦》（“Inner Vision: An Exploration of Art and the Brain”）一書開辟了神經(jīng)美學(xué)的研究道路，這一著作中首次使用了“神經(jīng)美學(xué)（neuro-esthetics）”這一概念，并系統(tǒng)地嘗試從神經(jīng)學(xué)的角度去詮釋視覺藝術(shù)，其作者塞米爾?澤基（Semir Zeki）也被譽(yù)為“世界上首位精通神經(jīng)中樞作用機(jī)制，又擅長將它運(yùn)用于理解藝術(shù)中的人”[7]。澤基教授提及：大腦和藝術(shù)的功能是統(tǒng)一的，二者均通過表征常量來獲取信息和知識。書中通過分析經(jīng)典繪畫藝術(shù)作品中的神經(jīng)學(xué)作用機(jī)制，以及病理學(xué)、哲學(xué)問題，非常樂觀地認(rèn)為：隨著對大腦的了解更加充分，人們將從基本的視覺功能起，逐步發(fā)展成一個(gè)完整的神經(jīng)生物學(xué)藝術(shù)理論[8]。

心理學(xué)在這個(gè)發(fā)展過程中扮演了至關(guān)重要的角色，得益于技術(shù)的驅(qū)動，其中格式塔心理學(xué)派為多維認(rèn)知轉(zhuǎn)化研究提供了大量的概念模型和理論框架，例如Su基于格式塔圖像的審美體驗(yàn)，通過對漢詩英譯本的認(rèn)知處理，挖掘了“意象-審美”概念的心理體驗(yàn)[9]；Leder等提出了一種審美鑒賞和判斷模型，旨在對藝術(shù)審美過程中的心理變化進(jìn)行綜合描述，為現(xiàn)代藝術(shù)的創(chuàng)新性、個(gè)性化及其能夠激發(fā)多樣化審美體驗(yàn)的特性提供了合理解釋[10]。這些從心理學(xué)角度解釋美學(xué)理論的研究產(chǎn)生了一個(gè)共識，即審美是知覺、認(rèn)知和情感過程之間的復(fù)雜互動，且大腦中并不存在處理藝術(shù)的獨(dú)立局部位置，所謂的藝術(shù)體驗(yàn)源于廣泛分布的皮質(zhì)與皮質(zhì)下大腦區(qū)域網(wǎng)絡(luò)節(jié)點(diǎn)之間的相互作用，這一結(jié)論也為審美的神經(jīng)生物學(xué)解釋指明了方向。

1.2 審美認(rèn)知相關(guān)的腦結(jié)構(gòu)

歐洲的生物學(xué)家們早在19世紀(jì)便發(fā)現(xiàn)大腦不同功能區(qū)域控制著身體的特定行為，審美認(rèn)知活動依賴于大腦神經(jīng)機(jī)制得以實(shí)現(xiàn)。每個(gè)參與審美體驗(yàn)的認(rèn)知過程都與幾個(gè)潛在的大腦區(qū)域和神經(jīng)結(jié)構(gòu)相關(guān)[11]。自文藝復(fù)興起，已經(jīng)過了漫長的幾個(gè)世紀(jì)，人類腦結(jié)構(gòu)的變化微乎其微，可見藝術(shù)遠(yuǎn)高于視覺器官的感知，由于受到語言、知識、意識形態(tài)等眾多因素的影響，個(gè)體之間必定存在審美差異，這些差異也必然會在大腦上留下印記，因此，若沒有生物學(xué)基礎(chǔ)，則美學(xué)理論將是不完整的。

大腦是人體最高級的信息中樞（如圖2所示），其4個(gè)主要功能區(qū)分別為頂葉、枕葉、顳葉和額葉[12]。在認(rèn)知的過程中，頂葉位于大腦半球的后頂部，負(fù)責(zé)接收來自軀體的觸覺信息，并對不同類型的感覺信息進(jìn)行整合；枕葉位于大腦半球的后部，含有專門負(fù)責(zé)處理和解讀視覺信息的區(qū)域；顳葉位于大腦半球的兩側(cè)，負(fù)責(zé)接收來自客觀環(huán)境的刺激信息，外側(cè)具有專門負(fù)責(zé)言語理解的區(qū)域，內(nèi)側(cè)的海馬體是形成記憶的關(guān)鍵；額葉位于大腦半球的前部，與其他組織結(jié)構(gòu)間存在密切的聯(lián)系，在整合信息、推理、決策、計(jì)劃與執(zhí)行等人腦的高級功能中起著至關(guān)重要的作用[13]。

圖2 人類大腦4個(gè)主要功能區(qū)

曾任行為認(rèn)知神經(jīng)學(xué)學(xué)會主席的安讓·查特吉（Anjan Chatterjee）教授在著作《大腦審美》中提出的觀點(diǎn)與心理學(xué)探索審美機(jī)制的結(jié)論一致：不同于肢體上的感覺，人腦中并沒有一個(gè)或幾個(gè)獨(dú)立的區(qū)域負(fù)責(zé)審美[14]，這是一個(gè)由軀體感知、情緒反應(yīng)、經(jīng)驗(yàn)判斷等不同腦區(qū)功能完成的生理活動。在審美認(rèn)知的過程中，視覺刺激落在視網(wǎng)膜上之后，信息將被傳遞到大腦后方枕葉處，此后被激活的腦區(qū)還包括丘腦、杏仁核、額葉、皮層、運(yùn)動皮層等，聽覺刺激亦是如此。目前通過神經(jīng)學(xué)實(shí)驗(yàn)探索審美認(rèn)知過程與激活腦組織之間關(guān)系的研究，涉及到具體的刺激及相應(yīng)的被激活的腦組織部分見表1[15-23]。

表1 審美認(rèn)知與相應(yīng)激活腦區(qū)研究

Tab.1 Research on aesthetic cognition and corresponding activation of brain regions

1.3 神經(jīng)美學(xué)的研究方法

神經(jīng)美學(xué)的探索方法可分為兩類：侵入性觀測法和非侵入性觀測法。

侵入性觀測法是早期生物學(xué)家們探索人類腦功能的主要方式，建立在解剖學(xué)和神經(jīng)病理學(xué)的基礎(chǔ)上，通過對腦損傷者進(jìn)行皮層電刺激，進(jìn)而觀察與審美或藝術(shù)知覺相關(guān)的區(qū)域。非侵入性觀測技術(shù)的出現(xiàn)，推動了神經(jīng)科學(xué)家們對腦組織和審美認(rèn)知之間交互關(guān)系的研究，因其能夠在可控的情況下觀測健康的被試大腦，成為了目前的主流研究方法?？梢约?xì)分為兩類：電生理學(xué)方法和影像學(xué)方法[24]。

通過電生理學(xué)方法測量的腦電信號一般為自發(fā)腦電（Electroencephalo-Gram，簡稱EEG）、誘發(fā)腦電（Evoked Potential，簡稱EP）和事件相關(guān)電位（Event-Related Potential，簡稱ERP）。

自發(fā)腦電存在于中樞神經(jīng)系統(tǒng)中，能夠直接反映大腦神經(jīng)元的活動，具有實(shí)時(shí)差異性，是通過記錄大腦皮層電極之間的電壓測得的。EEG的頻域特征十分明顯，可按照頻段不同，分為(0.5～4.0 Hz)、(4～ 8 Hz)、(8～13 Hz)、(13～30 Hz)和(36～44 Hz)5種節(jié)律波，分別對應(yīng)睡眠狀態(tài)、疲勞狀態(tài)、清醒放松狀態(tài)、情緒波動狀態(tài)和亢奮激動狀態(tài)[25]，各個(gè)頻段的節(jié)律波對審美認(rèn)知的研究皆有重要的參考價(jià)值。例如Fadeev等發(fā)現(xiàn)波的強(qiáng)度可以反映認(rèn)知控制機(jī)制的活動[26]；陳波等的研究發(fā)現(xiàn)前額區(qū)波的功率可作為愉悅度指標(biāo)[27]。

對EEG實(shí)驗(yàn)數(shù)據(jù)進(jìn)行濾波、分段、疊加平均等操作后分離出事件相關(guān)電位，ERP的特點(diǎn)是具有可達(dá)到毫秒級別的高時(shí)間分辨率，用以獲得被試在進(jìn)行審美認(rèn)知活動時(shí)極短的神經(jīng)反應(yīng)，同時(shí)可持續(xù)監(jiān)測大腦的生理信號變化[28]。經(jīng)典的ERP成分分為內(nèi)源性（生理性）成分（如P1、N1、P2等），以及外源性（心理性）成分（如N2、N400、P300等），ERP成分不單單反應(yīng)大腦的生理變化，更主要的是能夠反映出某些層面上的心理變化和認(rèn)知過程。例如P300與信息處理的最后階段和測量“認(rèn)知效率”有關(guān)，可反映被試的心理負(fù)荷和注意程度，具體成分及參考作用如表2所示[29-32]。

近幾年發(fā)現(xiàn)的晚期正電位（Late Positive Potential，LPP）產(chǎn)生于情緒刺激之后，與持續(xù)的情感注意相關(guān)，可作為客觀評價(jià)指標(biāo)對產(chǎn)品外觀進(jìn)行評價(jià)[33]，進(jìn)一步印證了ERP成分在理解審美認(rèn)知機(jī)制中的巨大作用。

表2 經(jīng)典ERP成分及對應(yīng)參考作用

Tab.2 Classic ERP components and corresponding reference functions

運(yùn)用影像學(xué)方法進(jìn)行神經(jīng)成像已被應(yīng)用于研究審美的神經(jīng)認(rèn)知基礎(chǔ)方面，目前支持該方法的技術(shù)有：功能性核磁共振成像（fMRI）、腦磁圖（MEG）、正電子發(fā)射斷層成像（PET）、近紅外光學(xué)成像技術(shù)（NIRS）等。其中通過功能性磁共振成像和腦磁圖技術(shù)的研究成果較為可觀[24]。

功能性核磁共振成像是最常見的探索認(rèn)知神經(jīng)科學(xué)的途徑，不同于無法監(jiān)測連續(xù)腦部活動的ERP，fMRI的優(yōu)勢在于具有高空間分辨率，能夠精準(zhǔn)定位參與認(rèn)知過程的腦活動功能區(qū)，上述審美過程與相應(yīng)激活腦區(qū)的研究便是通過該技術(shù)測得的。

腦磁圖同時(shí)兼?zhèn)渖鲜龆叩膬?yōu)點(diǎn)，具有高時(shí)間分辨率和高空間分辨率。能夠收集大腦的磁場變化，反映出腦區(qū)域之間的功能連接機(jī)制，進(jìn)而搭建大腦系統(tǒng)中的網(wǎng)絡(luò)通信軌道。在神經(jīng)美學(xué)領(lǐng)域中，已有研究者運(yùn)用該技術(shù)更深層次地探索大腦的功能區(qū)域[34]。Zhang等通過MEG技術(shù)，基于客觀實(shí)驗(yàn)獲得了被試判斷美的神經(jīng)機(jī)制，并與主觀判斷進(jìn)行對比分析，得知主觀美或是客觀美的判斷都與大腦默認(rèn)網(wǎng)絡(luò)的活動密切相關(guān)，與客觀美相關(guān)的大腦活動涉及默認(rèn)網(wǎng)絡(luò)的負(fù)激活，是一種朝向外在刺激加工時(shí)的大腦狀態(tài)，這一結(jié)果用實(shí)證的方式印證了哲學(xué)體系中“美在客體”這一觀點(diǎn)[35]。然而，由于進(jìn)行MEG實(shí)驗(yàn)的費(fèi)用高昂、條件嚴(yán)苛、周期過長，所以尚未廣泛運(yùn)用于對大腦審美認(rèn)知機(jī)制的研究中[36]。

2 神經(jīng)美學(xué)相關(guān)技術(shù)研究和應(yīng)用現(xiàn)狀

經(jīng)過文獻(xiàn)檢索，神經(jīng)美學(xué)相關(guān)研究主要集中于用戶審美偏好、用戶意象認(rèn)知以及用戶體驗(yàn)三大領(lǐng)域，并已積累了部分研究成果，進(jìn)一步對這些應(yīng)用實(shí)例和理論探索文獻(xiàn)進(jìn)行分析總結(jié)，歸納出神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究及應(yīng)用現(xiàn)狀，該體系框架如圖3所示。在運(yùn)用神經(jīng)美學(xué)相關(guān)理論解決實(shí)際問題的研究中，相較于腦區(qū)激活，情緒識別和認(rèn)知過程解析更是關(guān)注的重點(diǎn)，因此，腦成像技術(shù)多用于驗(yàn)證輔助，多數(shù)研究圍繞腦電實(shí)驗(yàn)展開。

圖3 神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究及應(yīng)用現(xiàn)狀

2.1 審美偏好

情感需求的提升導(dǎo)致人們追求具有審美價(jià)值的產(chǎn)品，并根據(jù)自己的審美偏好作出消費(fèi)決定。在感性工學(xué)的范疇內(nèi)，為了更清楚地了解用戶的評價(jià)，研究者們多使用語義差異法（Semantic differences，SD）和李克特量表（Likert Scale）間接獲得目標(biāo)信息[37-39]，但基于主觀評價(jià)的結(jié)論缺乏客觀、可視化的數(shù)據(jù)支撐，因此仍存在局限性。人類的審美反應(yīng)由感知觸發(fā)，神經(jīng)美學(xué)因其研究大腦神經(jīng)結(jié)構(gòu)與認(rèn)知機(jī)制之間的關(guān)系，能夠?yàn)橛脩羝锰峁┛梢暬陀^憑證，在該領(lǐng)域的探索方面有著巨大的優(yōu)越性，進(jìn)而奠定了相關(guān)技術(shù)的應(yīng)用基礎(chǔ)。目前關(guān)于神經(jīng)美學(xué)在審美偏好領(lǐng)域的研究主要分為抽象元素、產(chǎn)品外觀、界面布局3個(gè)方向。

2.1.1 抽象元素

1）顏色。在工業(yè)設(shè)計(jì)中，顏色是人工制品較具表現(xiàn)力和吸引力的屬性之一。工業(yè)產(chǎn)品的顏色能夠以直接或間接的方式誘導(dǎo)某種知覺、理解或行為，甚至給予用戶功能上的暗示和心理上的感受。Mitani等人通過fMRI實(shí)驗(yàn)測得枕回是與視覺處理和偏好評估任務(wù)相關(guān)的大腦區(qū)域，對于涉及顏色選擇任務(wù)的特定激活區(qū)域，左梭形回、左島葉和右前楔被顯著激活[40]，張寧寧等為研究顏色對駕駛員的視覺影響，將黑、白色轎車圖片作為刺激物進(jìn)行腦電實(shí)驗(yàn)，結(jié)果表明對黑色轎車圖片刺激作出反映所需的時(shí)間更長，且白色轎車圖片能夠激發(fā)更高的腦能量[41]；同樣地，顏色的審美研究也被廣泛應(yīng)用于室內(nèi)和工業(yè)廠房等背景顏色創(chuàng)設(shè)中[42]。

2）圖形。圖形的審美偏好研究包括平面圖形和三維圖形。早期的研究中便指出：人們對最簡單的線條也會產(chǎn)生審美反應(yīng)。一般情況下，不規(guī)則的線條不能引發(fā)對美的判斷，對規(guī)則線條的喜好程度依次為：圓形>直線>波浪線>圓弧線[43]。在Jacobsen的實(shí)驗(yàn)中，為了最大程度減弱被試的生活記憶、經(jīng)驗(yàn)背景以及主觀判斷對結(jié)果的影響，設(shè)計(jì)了一組如圖4所示的由圓形、長方形、三角形構(gòu)成的平面抽象圖形[44]，后續(xù)的一系列研究發(fā)現(xiàn)：大眾普遍偏好對稱的圖形，對抽象圖形的審美雖然存在個(gè)體差異，亦存在群體喜好傾向，圖形的復(fù)雜程度也是影響審美的重要因素。于2006年進(jìn)行的EEG實(shí)驗(yàn)，證明了作出審美判斷所需時(shí)間更長，過程中包含圖形的對稱性和復(fù)雜性判斷[45]。除不規(guī)則平面圖形之外，最近的研究發(fā)現(xiàn)，人們對漢字的字體也會產(chǎn)生快速的、內(nèi)隱的審美偏好[46]，對數(shù)字界面的設(shè)計(jì)具有一定的參考價(jià)值。將Gieles超公式生成的環(huán)狀3D圖形作為刺激物的實(shí)驗(yàn)，證明了群體對“流動性造型”的喜好程度更高，這一經(jīng)驗(yàn)可用于對產(chǎn)品接受度的預(yù)測[47]。

圖4 Jacobsen的實(shí)驗(yàn)中的平面抽象圖形

2.1.2 產(chǎn)品外觀

在激烈的市場競爭中，產(chǎn)品甚至包裝的視覺美感都會成為構(gòu)建品牌標(biāo)識、刺激購買意愿的要素[48-49]。以往的研究認(rèn)為，產(chǎn)品的美感主要依賴于對設(shè)計(jì)特征的物理感知，但所謂的物理特征因產(chǎn)品而異，神經(jīng)美學(xué)的介入建立起了一個(gè)從消費(fèi)者出發(fā)，獨(dú)立于產(chǎn)品物理特征的測量方法，能夠直接區(qū)分和量化被試對產(chǎn)品的審美偏好。例如Hobkirk等運(yùn)用fMRI評估了電子煙使用過程中的大腦激活，證明了大腦功能可以客觀地衡量電子煙產(chǎn)品的成癮潛力[50]；和節(jié)律波的相對功率能夠區(qū)分低、中、高視覺審美產(chǎn)品外觀，波功率在欣賞低視覺審美感產(chǎn)品時(shí)將明顯增強(qiáng)[51]，左額葉波功率降低說明被試處在更加愉悅的狀態(tài)下[52]。近年來，研究者們將智能手機(jī)[53]、加濕器[54]、椅子[55]等日常用品作為刺激物，驗(yàn)證了ERP成分也能夠客觀有效地使用戶對產(chǎn)品的情感反饋外顯。由于價(jià)格相對低廉，私人神經(jīng)營銷咨詢公司已廣泛使用EEG、ERP方法測量用戶對產(chǎn)品外觀的喜好度[56]。

2.1.3 數(shù)字界面

隨著互聯(lián)網(wǎng)的全領(lǐng)域覆蓋，體驗(yàn)經(jīng)濟(jì)的發(fā)展呈現(xiàn)出迅猛的態(tài)勢，隨之衍生出的“用戶黏性”這一概念快速成為了當(dāng)下的研究熱點(diǎn)。能夠影響用戶黏性的2個(gè)基礎(chǔ)理論（心流體驗(yàn)理論與情感依戀理論），均可溯回至心理學(xué)，即對用戶的研究[57]。數(shù)字界面作為用戶接收信息的媒介，其構(gòu)成元素在極大程度上決定了用戶黏性的高低。

1）圖標(biāo)。圖標(biāo)是數(shù)字界面的門戶，當(dāng)下設(shè)計(jì)領(lǐng)域要求圖標(biāo)能夠把用戶帶到高效的交互中，因此圖標(biāo)的設(shè)計(jì)應(yīng)能夠準(zhǔn)確傳達(dá)內(nèi)涵內(nèi)容，獲得高認(rèn)知效率。學(xué)者們注意到神經(jīng)美學(xué)的探索方式能夠?yàn)榱炕J(rèn)知效率提供可靠途徑，并基于此展開了深入研究。易林楠通過分析P300成分的幅值，發(fā)現(xiàn)亮度對比差異大的圖標(biāo)更容易被識別，因此建議在界面設(shè)計(jì)過程中，圖標(biāo)與界面背景亮度對比度應(yīng)大于70%[58]；任宏等通過對扁平化圖標(biāo)和擬物化圖標(biāo)刺激下的腦電特征進(jìn)行分析對比，結(jié)果表明青年用戶能夠更準(zhǔn)確地接收扁平化圖標(biāo)傳遞的信息，認(rèn)知效率更高[59]；郝超基于ERP實(shí)驗(yàn)，考察了圖標(biāo)的形象程度對內(nèi)隱及外顯記憶的影響，發(fā)現(xiàn)形象圖標(biāo)在淺加工下進(jìn)行無意識記憶具有明顯的優(yōu)勢[60]。

2）布局。改變界面元素布局是提升美度、優(yōu)化界面較高效的方法之一。研究表明，網(wǎng)頁中LOGO放置在右側(cè)時(shí)，被試大腦的激活區(qū)域和誘發(fā)的P300成分振幅均為最大，左側(cè)次之，放置在中間最小，P300的振幅與用戶投入的心理資源量成正比，并且LOGO放置在左右兩側(cè)比放置在中間更能吸引用戶的注意[61]；官睿基于Oddball實(shí)驗(yàn)范式展開了研究，總結(jié)了能夠反映更優(yōu)布局的P300等ERP成分的波形特點(diǎn)[62]。界面元素布局是用戶體驗(yàn)（UX）和用戶界面（UI）視覺交互的重要影響要素，可應(yīng)用事件相關(guān)電位（ERP）、腦電圖（EEG）和功能核磁共振成像（fMRI）的科學(xué)知識來理解UI和UX設(shè)計(jì)中的美學(xué)，可用性和創(chuàng)造力也是當(dāng)前研究可能的切入點(diǎn)[63]。

2.2 意象認(rèn)知

意象認(rèn)知是指個(gè)體受到外界物理刺激后，大腦相應(yīng)功能區(qū)調(diào)動個(gè)體以往的記憶、經(jīng)驗(yàn)，對刺激加以理解、想象，進(jìn)而產(chǎn)生情感、重構(gòu)形象的意識活動[64]，見圖5。目前學(xué)界致力于對腦生理反應(yīng)進(jìn)行深入探索，在用戶情緒識別、意愿決策、語義表征方面所積累的成果，對探討人類意象認(rèn)知的形成具有重要的理論和實(shí)踐價(jià)值。

圖5 意象認(rèn)知形成流程

2.2.1 情感測量

情感測量問題在人機(jī)交互和人工智能領(lǐng)域受到了廣泛的關(guān)注[65]。例如針對情緒量化的準(zhǔn)確性和直觀性的生理指標(biāo)展開的研究[66-68]，一方面，將感官刺激與生物識別反應(yīng)共同整合到對用戶情緒的識別中，能夠?qū)οM(fèi)者接受意愿進(jìn)行預(yù)測；另一方面，探究刺激物屬性與情緒誘發(fā)腦機(jī)制之間的關(guān)聯(lián)機(jī)制能夠?qū)η楦谢O(shè)計(jì)產(chǎn)生一定的指導(dǎo)意義。

2.2.1.1 視覺刺激

對視覺刺激的研究主要關(guān)注被試在實(shí)驗(yàn)過程中的關(guān)注度、愉悅度、情感強(qiáng)度等生理指標(biāo)。大量研究表明，被試在快樂、憤怒、厭惡和中性4種情緒下的ERP指標(biāo)具有顯著差異[69]。在對普通話詞語引發(fā)的情緒變化ERP實(shí)驗(yàn)中，結(jié)果表明負(fù)面詞匯將誘發(fā)更大的P2和LPC振幅，相比之下，中性詞匯誘發(fā)的N400成分振幅更大[70]。類似地，將上述ERP實(shí)驗(yàn)運(yùn)用于傳播學(xué)對用戶的研究中，當(dāng)以廣告作為刺激物時(shí)，品牌與產(chǎn)品關(guān)聯(lián)度越高，被試腦信號特定成分越平穩(wěn)，該品牌產(chǎn)品類型的搭配越容易為大眾所接受[71]。此外，更有學(xué)者提出了基于生理信號采集的情緒評價(jià)系統(tǒng)，例如Yoo等選用36張圖片代表6種情緒作為刺激物進(jìn)行實(shí)驗(yàn)，分析了、、波的相對功率，結(jié)合EEG以及其他生理數(shù)據(jù)提出了一種對人類情緒靈敏度進(jìn)行評價(jià)的方法[72]，沈旭昆等也提出了一種基于生物電傳感的感知評估框架[73]，驗(yàn)證了腦電信號可用于用戶情感監(jiān)測。

2.2.1.2 聽覺刺激

心理學(xué)的研究發(fā)現(xiàn)，非專業(yè)人士在進(jìn)行美學(xué)判斷時(shí)，內(nèi)在情感將起到?jīng)Q定性作用，通過語言或音樂干預(yù)產(chǎn)生的愉悅感，能夠改善人們的精神狀態(tài)[74]。已有學(xué)者總結(jié)了音樂對聽者情緒的影響，對于能夠誘發(fā)愉悅情緒的音樂，通常會激活左后腦的活動，被試腦電信號反應(yīng)為：額中區(qū)出現(xiàn)更多的波、波[75]，且情緒強(qiáng)度越強(qiáng)，波功率越小[76]。在最近的研究中，張偉霞等發(fā)現(xiàn)無歌詞音樂能夠誘發(fā)N400成分，有歌詞音樂將觸發(fā)LPC成分，表明歌詞能夠影響大腦處理音樂情緒的進(jìn)程[77]。陳虹探究了完成不同難度的前景工作時(shí)，背景音樂對情緒的調(diào)節(jié)作用，在有、無背景音樂的條件下，簡單任務(wù)和復(fù)雜任務(wù)分別在P2和P3成份上有顯著差異，結(jié)果表明在完成自動化程度不同的任務(wù)時(shí)，個(gè)人喜愛的音樂都能夠促進(jìn)正性情緒的產(chǎn)生，但在完成自動化程度低的任務(wù)時(shí)，將對工作正確率產(chǎn)生一定影響[78]。

2.2.1.3 其他知覺

目前，測量用戶情感所采用的刺激類型并未限于視覺和聽覺。食品或口腔護(hù)理產(chǎn)品的味道會直接影響消費(fèi)者的情緒和體驗(yàn)，衣物的觸感、香氛產(chǎn)品的氣味也必定與消費(fèi)行為產(chǎn)生直接的聯(lián)系，在氣味發(fā)生器[79]等設(shè)備的輔助下，探究多種知覺對用戶情緒的影響也取得了進(jìn)步和發(fā)展，近期相關(guān)研究如表3所示[80-83]。

表3 生理知覺對用戶情緒影響的研究

Tab.3 Research on the Influence of Physiological Perception on User Emotion

2.2.2 語義表征

語義啟動是研究用戶語義表征的一個(gè)重要范式，語義啟動效應(yīng)指啟動刺激（Prime）將會對在其后出現(xiàn)的靶刺激（Target）產(chǎn)生促進(jìn)作用。例如將“蘋果”作為啟動刺激時(shí)，被試對“菠蘿”（靶刺激）的判斷表現(xiàn)為反應(yīng)時(shí)長更短、準(zhǔn)確率更高，而當(dāng)以“天空”為啟動刺激時(shí)，便不會出現(xiàn)上述促進(jìn)效果。如圖6所示，語義啟動效應(yīng)可以用自動激活、被試預(yù)期、語義匹配3種機(jī)制來解釋[84]，其中以語義匹配原理為出發(fā)點(diǎn)進(jìn)行的實(shí)驗(yàn)經(jīng)常被運(yùn)用于用戶研究領(lǐng)域中。

圖6 語義啟動效應(yīng)

2.2.3 意愿決策

在個(gè)體執(zhí)行決策任務(wù)之前，需要經(jīng)過復(fù)雜的信息處理認(rèn)知過程。以往大量的研究證明，即時(shí)情緒不僅能夠在通常情況下，通過影響認(rèn)知來影響決策行為，還能夠在刺激強(qiáng)烈時(shí)直接誘導(dǎo)個(gè)體快速作出決策[85]。目前單獨(dú)基于神經(jīng)美學(xué)探討用戶意愿決策的研究較少，多是量化用戶的審美偏好，并與神經(jīng)營銷學(xué)相結(jié)合，探究決策過程中相關(guān)的大腦神經(jīng)活動。例如，Bai等通過測量社交商務(wù)評論和電子商務(wù)評論誘發(fā)的P300成分波幅，得知社交商務(wù)評論中的好友信息能夠吸引用戶更多的注意力，從而影響消費(fèi)者的購買意愿[86]；不同色彩標(biāo)簽誘發(fā)的用戶情緒積極性不同，標(biāo)簽內(nèi)容的意義和對標(biāo)簽顏色的感知都能激發(fā)用戶對產(chǎn)品或服務(wù)進(jìn)行評價(jià)和判斷，進(jìn)而作出決策，這一發(fā)現(xiàn)對電子商務(wù)等在線平臺的標(biāo)簽設(shè)計(jì)有著重要的指導(dǎo)作用[87]。

2.3 用戶體驗(yàn)

用戶體驗(yàn)是指用戶在使用產(chǎn)品或體驗(yàn)服務(wù)過程中各方面行為反應(yīng)和所得結(jié)果的總和，其自身的主觀性、模糊性、動態(tài)性、環(huán)境依賴性，導(dǎo)致通過傳統(tǒng)的例如訪談、問卷等回顧性方式測量所得的結(jié)果并不理想，于是學(xué)者們將神經(jīng)美學(xué)引入用戶體驗(yàn)的測量中，并結(jié)合被試主觀評分與生理、神經(jīng)反應(yīng)，進(jìn)而探索出多模態(tài)的用戶體驗(yàn)測量方法[88-91]。

2.3.1 舒適易用性

2.3.1.1 產(chǎn)品使用體驗(yàn)

由于實(shí)驗(yàn)器材精度的限制，目前運(yùn)用相關(guān)技術(shù)測量實(shí)體產(chǎn)品使用體驗(yàn)的研究大部分關(guān)注基于腦機(jī)接口（BCI）系統(tǒng)的應(yīng)用設(shè)計(jì)，如鍵盤、輪椅、外骨骼等[92-93]。腦機(jī)接口拼寫器使嚴(yán)重的運(yùn)動障礙患者在沒有肌肉活動的情況下也能夠通過大腦活動進(jìn)行交流，M.Teresa等基于P300成分，測量了運(yùn)動障礙參與者的拼寫滿意度，對3種尺寸的拼寫器進(jìn)行了可用性評估；除此之外，Niu等收集并分析了20名受試者使用戰(zhàn)場態(tài)勢圖時(shí)的P300成分、反應(yīng)時(shí)間和判斷準(zhǔn)確度數(shù)據(jù)，結(jié)果表明低色度彩色符號的用戶體驗(yàn)和效率優(yōu)于高色度彩色符號，并基于此結(jié)果提出了優(yōu)化方案，有助于縮短態(tài)勢圖使用過程中的識別和判斷時(shí)間，提高用戶的操作性能[94]。

2.3.1.2 數(shù)字媒體體驗(yàn)

對視覺材料進(jìn)行合理的布局能夠減輕用戶的認(rèn)知負(fù)荷，使其注意更集中于關(guān)鍵信息，減少大腦資源的損耗?？祰家允謾C(jī)端軟件“鐵路12306”為例進(jìn)行了腦電實(shí)驗(yàn)，分析了N200、P300成分的波幅及潛伏期，認(rèn)為針對該軟件，對字體進(jìn)行適度放大、加粗處理能夠減少用戶投入的認(rèn)知資源[95]；牛亞峰基于媒體界面構(gòu)成元素的腦電評價(jià)指標(biāo)和腦電閾值，提出了一種數(shù)字界面的整體和局部ERP評估方法[96]。隨著視覺娛樂領(lǐng)域的不斷發(fā)展，Zhang等收集了50名游戲用戶的主觀評估和fMRI數(shù)據(jù)，觀察到互聯(lián)網(wǎng)游戲障礙用戶左背前扣帶皮層（dACC）和雙側(cè)島葉的激活率更高[97]；用戶在虛擬現(xiàn)實(shí)系統(tǒng)中的“存在感”是評估該系統(tǒng)質(zhì)量的一個(gè)關(guān)鍵參數(shù)，Athif等提出了一種實(shí)驗(yàn)方法，用以發(fā)現(xiàn)在不同存在水平的虛擬現(xiàn)實(shí)場景中，用戶的生物信號和心理變化之間的相關(guān)性，實(shí)現(xiàn)對虛擬現(xiàn)實(shí)系統(tǒng)體驗(yàn)的優(yōu)化[98]。

2.3.2 模擬情境

近年來，生理信號在人機(jī)工程學(xué)評價(jià)等領(lǐng)域中發(fā)揮了越來越重要的作用。在這類研究中，用戶的精神狀態(tài)和工作負(fù)荷是主要的研究對象，例如在社交情境中的媒體平臺執(zhí)行任務(wù)時(shí)產(chǎn)生的情緒波動，在駕駛情境中由于不同任務(wù)引起的認(rèn)知需求水平等都將直接影響用戶的情緒表現(xiàn)，其他精神狀態(tài)如警惕性、情境意識、壓力、困倦和精神投入也在近年來受到學(xué)界的廣泛關(guān)注[99-102]。Han等構(gòu)建了模擬駕駛環(huán)境，通過采集受試者在使用汽車觸摸板不同模式下的EEG信號，發(fā)現(xiàn)當(dāng)用戶感到某一交互模式相對舒適時(shí)，EEG信號中、、和頻段的功率譜密度會有所降低，其中頻段的變化最為明顯[103]；Mangion等將受試者分成新用戶和頻繁用戶2種，要求所有參與者在Facebook上執(zhí)行預(yù)定任務(wù)，發(fā)現(xiàn)兩類用戶、和的頻譜功率存在較大差異，且差異主要出現(xiàn)在枕骨、額頂、額部和顳部，這種測試方法將有助于開發(fā)人員創(chuàng)建最佳的、用戶友好的軟件產(chǎn)品[104]。Iqbal等捕獲了反應(yīng)控制室操作人員初始工作負(fù)荷的EEG電位，同樣發(fā)現(xiàn)的功率譜密度與參與者在任務(wù)中的微小成功或失敗有很好的相關(guān)性，并基于此提出了一種評價(jià)操作者心理和實(shí)際過程行為之間的匹配模型[105]。

3 現(xiàn)存主要挑戰(zhàn)

神經(jīng)美學(xué)應(yīng)用于用戶研究領(lǐng)域的主要驅(qū)動力一方面來自于人們?nèi)找嬖鲩L的對產(chǎn)品或服務(wù)的情感需求，另一方面來自于科技的進(jìn)步促使人們對人腦與審美之間關(guān)聯(lián)的探索更加深入，但當(dāng)前的神經(jīng)科學(xué)方法僅擅長研究穩(wěn)定且相對普遍的思維特性[106]。下面將通過整理并歸納神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究現(xiàn)狀，從實(shí)驗(yàn)設(shè)計(jì)可行性、數(shù)據(jù)采集精準(zhǔn)度和研究方法普適性3個(gè)維度總結(jié)其現(xiàn)存的主要挑戰(zhàn)。

3.1 實(shí)驗(yàn)設(shè)計(jì)可行性

EEG實(shí)驗(yàn)的準(zhǔn)備過程相對煩瑣，需要被試提前將頭皮表面的油漬清洗干凈，再向電極和頭皮中間注射導(dǎo)電膏或生理鹽水等介質(zhì)以增強(qiáng)導(dǎo)電性，準(zhǔn)備時(shí)間普遍在30 min以上；由于實(shí)驗(yàn)結(jié)果需要疊加平均，ERP實(shí)驗(yàn)所需時(shí)間將更長，而fMRI和MEG實(shí)驗(yàn)與腦電實(shí)驗(yàn)相比成本更高，所以技術(shù)限制導(dǎo)致實(shí)驗(yàn)被試招募難度大，數(shù)量少。神經(jīng)美學(xué)實(shí)驗(yàn)結(jié)果與被試的個(gè)人狀態(tài)有著較強(qiáng)的關(guān)聯(lián)，雖然刺激是客觀的，但個(gè)人審美判斷的程度并不客觀，對刺激特征產(chǎn)生反應(yīng)的加權(quán)方式因人而異，預(yù)實(shí)驗(yàn)可能無法完全準(zhǔn)確反應(yīng)該實(shí)驗(yàn)設(shè)計(jì)的成功與否[13,107-109]。因此，關(guān)于實(shí)驗(yàn)設(shè)計(jì)可行性問題，需要明確兩點(diǎn)：實(shí)驗(yàn)?zāi)芊窨梢缘玫较胍^察的對象；實(shí)驗(yàn)變量是否可以與試圖驗(yàn)證的假設(shè)相匹配。

譬如在眾多“審美判斷的本質(zhì)”研究中，通過fMRI實(shí)驗(yàn)證明了前額皮層和中前額皮層的部分區(qū)域參與美學(xué)判斷的過程，但這些研究并沒有絕對明確上述大腦區(qū)域的活躍是特定用于審美判斷的，或是這種現(xiàn)象僅是神經(jīng)系統(tǒng)中的一部分，無論涉及何種領(lǐng)域，用戶都會作出判斷[110-112]；在“審美偏好”的研究中，目前的研究方法是對偏好進(jìn)行分解，偏好在藝術(shù)領(lǐng)域之外還存在很多不同的關(guān)聯(lián)，例如Fingerhut等提出在審美活動過程中，強(qiáng)調(diào)3個(gè)亞情感成分：認(rèn)知困惑、感性參與和崇敬感。人們可能會探索附屬于偏好的或樣本的其他屬性，比如復(fù)雜性與偏好的關(guān)系，或注意程度與偏好的關(guān)系，然而，對這類細(xì)分問題的探索很容易掩蓋偏好本身與審美體驗(yàn)的關(guān)系這一基本問題[113-115]。因此，保證實(shí)驗(yàn)設(shè)計(jì)較高的可行性將可以有效避免重復(fù)實(shí)驗(yàn)，大幅降低研究的時(shí)間成本，是當(dāng)下提高研究效率的主要途徑。

3.2 數(shù)據(jù)采集精準(zhǔn)度

上述神經(jīng)美學(xué)探索方式對實(shí)驗(yàn)環(huán)境也有著較高的要求。由于大腦的神經(jīng)反應(yīng)易受到外界的干擾，需要在相對安靜并遠(yuǎn)離電、磁、光等信號干擾的環(huán)境中進(jìn)行，受試者的肢體行為、自身?xiàng)l件（頭發(fā)厚度、卷曲度）也將為后續(xù)的數(shù)據(jù)處理帶來困擾[116]，以至于目前得到明確成果的實(shí)驗(yàn)素材多是可以讓受試者處于靜止?fàn)顟B(tài)的圖片、視頻、嗅覺類素材、味道類素材等。雖然，近年來新興的如圖7所示的穿戴式大腦狀態(tài)監(jiān)測設(shè)備為在實(shí)驗(yàn)室外進(jìn)行測量提供了可能性，但隨著實(shí)驗(yàn)時(shí)間的推移，受試者認(rèn)為除了使用導(dǎo)電膏的電極帽以外，其他設(shè)備都不同程度地存在不舒適的問題，這一體驗(yàn)亦會影響受試者的情緒，進(jìn)而降低實(shí)驗(yàn)結(jié)果的可信度，以致學(xué)界在用戶體驗(yàn)方向的研究依然進(jìn)展緩慢[117-119]。

圖7 穿戴式大腦狀態(tài)監(jiān)測設(shè)備

除其他無關(guān)信號干擾以外，設(shè)備本身的精度也是科研領(lǐng)域需要面對的一大挑戰(zhàn)，例如大部分實(shí)驗(yàn)使用的刺激可能主要到達(dá)皮層部位，而審美體驗(yàn)可能與皮層下結(jié)構(gòu)的參與有關(guān)，這一問題目前只能通過經(jīng)顱磁刺激（TMS）和經(jīng)顱直流刺激（tDCS）進(jìn)行間接干預(yù)[120]，因此，生理信號采集設(shè)備的精度不足也是目前亟待解決的主要問題。

3.3 研究方法普適性

近10年來隨著神經(jīng)美學(xué)體系日漸成熟，用戶研究已經(jīng)從記憶、語言、情緒的認(rèn)知神經(jīng)科學(xué)等更加成熟的領(lǐng)域中吸取了大量經(jīng)驗(yàn)，逐漸挖掘出了用戶審美、認(rèn)知、體驗(yàn)過程中腦神經(jīng)元時(shí)間、空間的響應(yīng)特性[121-122]。

藝術(shù)和人文學(xué)科擅長描述人類經(jīng)驗(yàn)的復(fù)雜性和細(xì)微差別，神經(jīng)美學(xué)屬于實(shí)證科學(xué)的范疇，在目前的研究背景下，其實(shí)驗(yàn)需要基于普遍框架，并對預(yù)先的假設(shè)或猜想進(jìn)行驗(yàn)證，這在認(rèn)知神經(jīng)科學(xué)的范疇中屬于反向推理問題，研究成果的商業(yè)用途在于對產(chǎn)品、服務(wù)、設(shè)計(jì)方案的評定，以及在廣告營銷策劃中對客戶決策的預(yù)測[123]，神經(jīng)美學(xué)在用戶研究領(lǐng)域的根本目的是“投其所好”，服務(wù)于用戶，技術(shù)特殊性意味著企業(yè)將能夠明晰觸發(fā)誘導(dǎo)用戶購買行為的機(jī)制，用戶將變得透明，而這并不符合市場規(guī)律[124-125]，無法成為新興探索方式投入市場，因此，完善神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究體系，形成能夠保護(hù)用戶隱私，適用于市場的普適方法成為了另一個(gè)重要挑戰(zhàn)。

4 展望

神經(jīng)美學(xué)作為一門美學(xué)與實(shí)證科學(xué)交叉的學(xué)科，其理論和應(yīng)用研究在依賴兩學(xué)科發(fā)展的基礎(chǔ)上，也必將形成自身的發(fā)展方向。在“以人為本”理念滲透至商業(yè)、教育、醫(yī)療、設(shè)計(jì)等領(lǐng)域的時(shí)代大背景下[126]，神經(jīng)美學(xué)也因其得天獨(dú)厚的優(yōu)勢促進(jìn)了學(xué)界對“人”的探索，只不過目前尚未形成其發(fā)展的完整理論。本文基于神經(jīng)美學(xué)在用戶研究領(lǐng)域的發(fā)展梳理了在實(shí)驗(yàn)設(shè)計(jì)的可行性、數(shù)據(jù)采集的精準(zhǔn)度、研究方法的普適性3個(gè)方面的挑戰(zhàn)，結(jié)合國內(nèi)外最新研究，提出了其發(fā)展的3個(gè)方向：促進(jìn)效能提升、優(yōu)化美學(xué)計(jì)算、擴(kuò)展應(yīng)用范圍。如圖8所示，3個(gè)發(fā)展方向形成了“技術(shù)-理論-突破”的層次關(guān)系。

圖8 神經(jīng)美學(xué)在用戶研究領(lǐng)域應(yīng)用面臨的挑戰(zhàn)及發(fā)展間的交叉關(guān)系

4.1 促進(jìn)效能提升

效能提升是神經(jīng)美學(xué)實(shí)驗(yàn)在當(dāng)前得出有效結(jié)論的基礎(chǔ)上更深層次的目標(biāo)，依賴于實(shí)驗(yàn)?zāi)康拿鞔_、研究對象匹配、實(shí)驗(yàn)設(shè)計(jì)切實(shí)可行和研究方法接受程度高、容錯(cuò)性強(qiáng)等條件得以實(shí)現(xiàn)。一方面，從科技背景來看，隨著AR、VR技術(shù)的持續(xù)進(jìn)步，高強(qiáng)度的模糊現(xiàn)實(shí)感或許可以在一定程度上彌補(bǔ)生理信號測量設(shè)備精度不足的缺陷[127-129]。另一方面，為了探索在普適方法中兼容不同用戶差異化需求的測量方式，目前國內(nèi)外學(xué)者都在嘗試綜合腦電信號與眼動信號、皮膚電信號、呼吸、心率等多種生理量對用戶情感進(jìn)行采集，Zhao等的研究驗(yàn)證了腦電信號與眼動信號融合的測量結(jié)果在大多數(shù)情況下均優(yōu)于單個(gè)信號[130-131]。從短期來看，各個(gè)生理指標(biāo)相互佐證，辯證分析，使實(shí)驗(yàn)結(jié)果更加切實(shí)可靠，從長遠(yuǎn)看來，這種多通道輸入反饋機(jī)制的構(gòu)建將有利于高效、準(zhǔn)確地預(yù)測不同類型用戶的意象、偏好，是指導(dǎo)設(shè)計(jì)實(shí)踐、提供支持性客觀數(shù)據(jù)、減少決策主觀性、片面性的有效途徑，可以促進(jìn)相關(guān)研究效能顯著提升，在情感化設(shè)計(jì)時(shí)代下，有利于企業(yè)充分把握得到用戶青睞的機(jī)會窗口。

4.2 優(yōu)化美學(xué)計(jì)算

人工智能參與美學(xué)計(jì)算過程，能夠使生理信號識別、分類更加準(zhǔn)確[132-133]。為獲取更加貼合實(shí)際情況的生理信號數(shù)據(jù)，神經(jīng)美學(xué)實(shí)驗(yàn)設(shè)計(jì)可行性與數(shù)據(jù)采集精準(zhǔn)度兩方面至關(guān)重要，主要依賴技術(shù)的發(fā)展實(shí)現(xiàn)精準(zhǔn)測量，精準(zhǔn)測量是將情感量化為參考要素以指導(dǎo)產(chǎn)品和服務(wù)的設(shè)計(jì)的前提。在最近的研究中，Yu等提出了一種基于集成學(xué)習(xí)方法AdaBoost的腦電信號情感識別方法，識別準(zhǔn)確率得到了顯著提升[134-139]，為了利用這種創(chuàng)新方法來研究藝術(shù)與大腦之間的關(guān)系，多學(xué)科融合的方法是必不可少的，統(tǒng)計(jì)學(xué)、計(jì)算機(jī)技術(shù)的引入，將有利于建立更全面的數(shù)學(xué)模型，使美學(xué)計(jì)算理論具有連貫性。屆時(shí)建立的用戶情感、認(rèn)知、體驗(yàn)的量化模型質(zhì)量將大幅優(yōu)于以往的評估模型，美學(xué)計(jì)算的精細(xì)化水平將得到提升。

4.3 擴(kuò)展應(yīng)用范圍

在實(shí)現(xiàn)數(shù)據(jù)收集精準(zhǔn)、研究方法普適之后，以用戶的情感為核心出發(fā)點(diǎn)，突破現(xiàn)有的研究框架，針對各領(lǐng)域用戶研究的需求特點(diǎn)，大規(guī)模拓寬神經(jīng)美學(xué)研究手段的應(yīng)用范圍將成為更具前景的發(fā)展方向。目前設(shè)計(jì)學(xué)科、商業(yè)營銷、藝術(shù)治療幾大方向受益于神經(jīng)美學(xué)在用戶研究領(lǐng)域的研究成果[140-143]，已在各自領(lǐng)域的理論層面漸成體系，在技術(shù)和理論深度融合下，利用愈發(fā)完善的科學(xué)技術(shù)配合主客觀結(jié)合的測量方式，將改善用戶的情感體驗(yàn)，進(jìn)一步填補(bǔ)該方向的研究缺口[144]。以用戶情感訴求為導(dǎo)向，調(diào)動各學(xué)科、全行業(yè)加入探索行列，持續(xù)挖掘相關(guān)技術(shù)在認(rèn)知神經(jīng)機(jī)制研究上的潛能，神經(jīng)美學(xué)在用戶研究領(lǐng)域的擴(kuò)展應(yīng)用將能夠超越其當(dāng)前的現(xiàn)狀（目標(biāo)為關(guān)聯(lián)大腦功能與行為），開始解釋大腦活動與藝術(shù)欣賞現(xiàn)象學(xué)之間的聯(lián)系[145]。

5 結(jié)語

神經(jīng)美學(xué)在用戶研究領(lǐng)域的貢獻(xiàn)促進(jìn)了對人類腦功能和審美思維模式的理解[146]。“情感化”設(shè)計(jì)趨勢下，神經(jīng)美學(xué)將有廣闊的發(fā)展前景，甚至有可能轉(zhuǎn)化為工業(yè)生產(chǎn)新的增長點(diǎn)[147]。在未來的用戶研究領(lǐng)域中，深度融合神經(jīng)美學(xué)的研究技術(shù)，重視用戶的情感偏好，才能與時(shí)俱進(jìn)，服務(wù)于人。

本文對神經(jīng)美學(xué)有關(guān)理論及應(yīng)用文獻(xiàn)進(jìn)行了梳理，從用戶審美偏好、意象認(rèn)知、用戶體驗(yàn)3個(gè)方面，總結(jié)了神經(jīng)美學(xué)常用的研究方法在探索用戶腦神經(jīng)活動上的研究成果和應(yīng)用現(xiàn)狀，闡述了當(dāng)前產(chǎn)學(xué)研界在實(shí)驗(yàn)設(shè)計(jì)可行性、數(shù)據(jù)采集精準(zhǔn)度、研究方法普適性3個(gè)維度存在的問題，并針對上述挑戰(zhàn)從促進(jìn)效能提升、優(yōu)化美學(xué)計(jì)算、擴(kuò)展應(yīng)用范圍3個(gè)層面對神經(jīng)美學(xué)在用戶研究領(lǐng)域的發(fā)展進(jìn)行了展望。本文在認(rèn)知神經(jīng)學(xué)技術(shù)應(yīng)用廣度與深度方面的研究尚存不足，在后續(xù)研究中將拓寬神經(jīng)美學(xué)應(yīng)用于用戶研究領(lǐng)域的認(rèn)識。

[1] FISHWICK M. Emotional Design: Why we Love (or Hate) Everyday Things[J]. The Journal of American Culture, 2004, 27(2): 234.

[2] 唐納德·A. 諾曼. 設(shè)計(jì)心理學(xué)[M]. 梅瓊, 譯. 北京: 中信出版社, 2010.

DONALD A N. Desing Psychology[M]. MEI Qiong, Translated. Beijing: China Citic Press, 2010.

[3] 袁圣嬰. 視覺藝術(shù)與大腦——論塞米爾·澤基及其神經(jīng)美學(xué)[J]. 南京藝術(shù)學(xué)院學(xué)報(bào)(美術(shù)與設(shè)計(jì)版), 2014(5): 93-97, 8.

YUAN Sheng-ying. Visual Arts and the Brain: The Discussion of Semir Zeki's Neuroaesthecits Theories[J]. Journal of Nanjing Arts Institute (Fine Arts ＆ Design), 2014(5): 93-97, 8.

[4] BRIELMANN A A, PELLI D G. Beauty Requires Thought[J]. Current Biology, 2017, 27(10): 1506-1 513.e3.

[5] 李志宏, 李偉. 認(rèn)知神經(jīng)美學(xué): 一個(gè)新興的學(xué)派[J]. 上海文化, 2019(4): 20-26, 124.

LI Zhi-hong, LI Wei. Cognitive Neurological Aesthetics: An Emerging School of Thought[J]. Shanghai Culture, 2019(4): 20-26, 124.

[6] LI Zhi-hong, WANG Yan-hui, MENG Fan-jun. Aesthetic Cognitive Module Theory: A Core Structure[J]. The Journal of Aesthetic Education, 2018, 52(2): 71.

[7] BYNUM H. Neuroarthistory: From Aristotle and Pliny to Baxandall and Zeki[J]. JAMA, 2008, 300(20): 2433.

[8] ALAIS D. Inner Vision: An Exploration of Art and the Brain[J]. Trends in Cognitive Sciences, 2000, 4(9): 362.

[9] SU Chong. The Aesthetic Actualization of Gestalt Image in English Translation of Chinese Poems[J]. International Journal of English Linguistics, 2017, 8(2): 233.

[10] LEDER H, NADAL M. Ten Years of a Model of Aesthetic Appreciation and Aesthetic Judgments: The Aesthetic Episode-Developments and Challenges in Empirical Aesthetics[J]. British Journal of Psychology (London, England: 1953), 2014, 105(4): 443-464.

[11] PEARCE M T, ZAIDEL D W, VARTANIAN O, et al. Neuroaesthetics: The Cognitive Neuroscience of Aesthetic Experience[J]. Perspectives on Psychological Science: a Journal of the Association for Psychological Science, 2016, 11(2): 265-279.

[12] SHAHBAHRAMI A, NAJAFI K, NAJAFI T, et al. Different Application Fields of Brain Signal Processing in Iran[J]. Signal and Data Processing, 2016, 13(3): 129-154.

[13] 楊程, 彭怡騰, 唐智川. 泛設(shè)計(jì)領(lǐng)域中的腦電研究現(xiàn)狀與發(fā)展趨勢[J]. 包裝工程, 2020, 41(16): 64-75.

YANG Cheng, PENG Yi-teng, TANG Zhi-chuan. Research Status and Development Trend of EEG in Pan Design[J]. Packaging Engineering, 2020, 41(16): 64-75.

[14] SEELEY W P. “Book-Review” the Aesthetic Brain: How we Evolved to Desire Beauty and Enjoy Art[J]. The Journal of Aesthetics and Art Criticism, 2016, 74(4): 430-432.

[15] NADAL M, PEARCE M T. The Copenhagen Neuroaesthetics Conference: Prospects and Pitfalls for an Emerging Field[J]. Brain and Cognition, 2011, 76(1): 172-183.

[16] JACOBSEN T, SCHUBOTZ R I, H?FEL L, et al. Brain Correlates of Aesthetic Judgment of Beauty[J]. NeuroImage, 2006, 29(1): 276-285.

[17] ISHAI A. Sex, Beauty and the Orbitofrontal Cortex[J]. International Journal of Psychophysiology, 2007, 63(2): 181-185.

[18] KIRK U, SKOV M, CHRISTENSEN M S, et al. Brain Correlates of Aesthetic Expertise: A Parametric fMRI Study[J]. Brain and Cognition, 2009, 69(2): 306-315.

[19] KIRK U, SKOV M, HULME O, et al. Modulation of Aesthetic Value by Semantic Context: An fMRI Study[J]. NeuroImage, 2009, 44(3): 1125-1132.

[20] CALVO-MERINO B, GLASER D E, GRèZES J, et al. Action Observation and Acquired Motor Skills: An fMRI Study with Expert Dancers[J]. Cerebral Cortex, 2004, 15(8): 1243-1249.

[21] KOELSCH S, SIEBEL W A. Towards a Neural Basis of Music Perception[J]. Trends in Cognitive Sciences, 2005, 9(12): 578-584.

[22] KHALFA S, SCHON D, ANTON J L, et al. Brain Regions Involved in the Recognition of Happiness and Sadness in Music[J]. NeuroReport, 2005, 16(18): 1981-1984.

[23] MITTERSCHIFFTHALER M T, FU C H Y, DALTON J A, et al. A Functional MRI Study of Happy and Sad Affective States Induced by Classical Music[J]. Human Brain Mapping, 2007, 28(11): 1150-1162.

[24] 胡俊. 藝術(shù)·人腦·審美——當(dāng)代西方神經(jīng)美學(xué)的研究進(jìn)展、意義和愿景[J]. 文藝?yán)碚撗芯? 2015, 35(4): 164-172.

HU Jun. Art, Brain and Aesthetics: On the Development, Significance and Vision of Contemporary Western Neuroaesthetics[J]. Theoretical Studies in Literature and Art, 2015, 35(4): 164-172.

[25] 蔡船, 鄧麗, 陳波, 等. 腦電技術(shù)在工業(yè)設(shè)計(jì)中的應(yīng)用[J]. 機(jī)械設(shè)計(jì)與制造工程, 2017, 46(10): 80-84.

CAI Chuan, DENG Li, CHEN Bo, et al. Application of EEG Technology in Industrial Design[J]. Machine Design and Manufacturing Engineering, 2017, 46(10): 80-84.

[26] FADEEV K A, SMIRNOV A S, ZHIGALOVA O P, et al. Too Real to be Virtual: Autonomic and EEG Responses to Extreme Stress Scenarios in Virtual Reality[J]. Behavioural Neurology, 2020, 2020: 5758038.

[27] 陳波, 鄧麗, 蔡船, 等. 基于情緒腦電的交互原型方案評價(jià)研究[J]. 包裝工程, 2017, 38(10): 110-114.

CHEN Bo, DENG Li, CAI Chuan, et al. Evaluation Interactive Prototype Scheme Based on Emotional EEG[J]. Packaging Engineering, 2017, 38(10): 110-114.

[28] 葛燕, 陳亞楠, 劉艷芳, 等. 電生理測量在用戶體驗(yàn)中的應(yīng)用[J]. 心理科學(xué)進(jìn)展, 2014, 22(6): 959-967.

GE Yan, CHEN Ya-nan, LIU Yan-fang, et al. Electrophysiological Measures Applied in User Experience Studies[J]. Advances in Psychological Science, 2014, 22(6): 959-967.

[29] CRAWFORD L E, CACIOPPO J T. Learning where to Look for Danger: Integrating Affective and Spatial Information[J]. Psychological Science, 2002, 13(5): 449-453.

[30] 李瑩, 劉俊, 張燦, 等. 不同性質(zhì)的漢語高熟悉度隱喻意義加工過程——來自ERP研究的證據(jù)[J]. 心理學(xué)探新, 2019, 39(4): 337-344.

LI Ying, LIU Jun, ZHANG Can, et al. Cognitive Processes of Chinese High Familiar Metaphors with Different Semantic Properties: Evidence from an ERP Study[J]. Psychological Exploration, 2019, 39(4): 337-344.

[31] XU Fu-ming, HUANG Long. Electrophysiological Measurement of Emotion and Somatic State Affecting Ambiguity Decision: Evidences from SCRS, ERPs, and HR[J]. Frontiers in Psychology, 2020, 11: 899.

[32] YUAN Jia-jin, ZHANG Qing-lin, CHEN An-tao, et al. Are we Sensitive to Valence Differences in Emotionally Negative Stimuli? Electrophysiological Evidence from an ERP Study[J]. Neuropsychologia, 2007, 45(12): 2764-2771.

[33] NITTONO H. P1-55. Late Positive Potentials Associated with the Attractiveness of the Appearances of Commercial Goods[J]. Clinical Neurophysiology, 2013, 124(8): e35.

[34] BAILLET S. Magnetoencephalography for Brain Electrophysiology and Imaging[J]. Nature Neuroscience, 2017, 20(3): 327-339.

[35] ZHANG Wei-xia, LIU Fang, ZHOU Lin-shu, et al. The Effects of Timbre on Neural Responses to Musical Emotion[J]. Music Perception, 2019, 37(2): 134-146.

[36] 李艷, 陳楚玲. 認(rèn)知神經(jīng)學(xué)視域下視覺藝術(shù)美學(xué)理論實(shí)證研究方法探索[J]. 裝飾, 2019(4): 108-111.

LI Yan, CHEN Chu-ling. Exploring the Empirical Research Method of Visual Art Aesthetic Theory from the Perspective of Cognitive Neurology[J]. Art & Design, 2019(4): 108-111.

[37] JINDO T, HIRASAGO K. Application Studies to Car Interior of Kansei Engineering[J]. International Journal of Industrial Ergonomics, 1997, 19(2): 105-114.

[38] DEWI D S, IRFONI A R, RAHMAN A. Kansei Engineering Approach for Designing a Self-Monitoring Blood Glucose Application[J]. International Journal of Technology, 2017, 8(2): 272.

[39] SHIGEMOTO Y. Designing Emotional Product Design: When Design Management Combines Engineering and Marketing[M]//Advances in Intelligent Systems and Computing. Cham: Springer International Publishing, 2019: 28-39.

[40] MITANI K, HOSHINO Y. Verification for Commonality or Specificity of Brain Representations Related to the Different Evaluation Criteria[J]. International journal of innovative computing, information and control. 2018, 14(5): 1553-1563.

[41] 張寧寧, 王宏, 王劍. 基于ERP方法的白/黑色轎車誘發(fā)腦電分析[J]. 汽車工程, 2010, 32(9): 814-817.

ZHANG Ning-ning, WANG Hong, WANG Jian. An Analysis on Cerebral Electricity Evoked by the Colors of White and Black Cars Based on ERP Method[J]. Automotive Engineering, 2010, 32(9): 814-817.

[42] 于光, 黃麗, 葛秋芬, 等. 關(guān)于顏色的心理學(xué)研究進(jìn)展[J]. 社會心理科學(xué), 2011(10): 30-34.

YU Guang, HUANG Li, GE Qiu-fen, et al. Research Progress of Color Psychology[J]. Science of Social Psychology, 2011(10): 30-34.

[43] BERLYNE D E. Novelty and Attention: Controls for Retinal Adaptation and for Stimulus-Response Specificity[J]. Psychonomic Science, 1971, 25(6): 349-351.

[44] JACOBSEN T, H?FEL L. Aesthetic Judgments of Novel Graphic Patterns: Analyses of Individual Judg-ments[J]. Perceptual and Motor Skills, 2002, 95(3 Pt 1): 755-766.

[45] 陸崢. 中國傳統(tǒng)繪畫空間構(gòu)圖的審美心理實(shí)驗(yàn)研究[D]. 上海: 華東師范大學(xué), 2017.

LU Zheng. Experimental Studies on the Aesthetics of Spatial Composition in Traditional Chinese Paintings[D]. Shanghai: East China Normal University, 2017.

[46] LI Rui, QIN Rui-lin, ZHANG Jun-song, et al. The Esthetic Preference of Chinese Typefaces-an Event- Related Potential Study[J]. Brain Research, 2015, 1598: 57-65.

[47] CHEW L H, TEO J, MOUNTSTEPHENS J. Aesthetic Preference Recognition of 3D Shapes Using EEG[J]. Cognitive Neurodynamics, 2016, 10(2): 165-173.

[48] HSIAO K L, CHEN C C. What Drives Smartwatch Purchase Intention? Perspectives from Hardware, Software, Design, and Value[J]. Telematics and Informatics, 2018, 35(1): 103-113.

[49] SIMMONDS G, SPENCE C. Thinking Inside the Box: How Seeing Products On, or Through, the Packaging Influences Consumer Perceptions and Purchase Behaviour[J]. Food Quality and Preference, 2017, 62: 340-351.

[50] HOBKIRK A L, BITZER Z, GOEL R, et al. An Electronic Aerosol Delivery System for Functional Magnetic Resonance Imaging[J]. Substance Abuse: Research and Treatment, 2020, 14: 117822182090414.

[51] GUO Fu, LI Ming-ming, HU Ming-cai, et al. Distinguishing and Quantifying the Visual Aesthetics of a Product: An Integrated Approach of Eye-Tracking and EEG[J]. International Journal of Industrial Ergonomics, 2019, 71: 47-56.

[52] 賀玲姣. 不同聲刺激下的情緒反應(yīng)與識別[D]. 杭州: 浙江大學(xué), 2013.

HE Ling-jiao. Affective Reaction and Emotion Identification Induced by Different Sound Stimuli[D]. Hangzhou: Zhejiang University, 2013.

[53] 郭伏, 丁一, 張雪峰, 等. 產(chǎn)品造型對用戶使用意向影響的事件相關(guān)電位研究[J]. 管理科學(xué), 2015, 28(6): 95-104.

GUO Fu, DING Yi, ZHANG Xue-feng, et al. The Impact of Product Forms on User's Usage Intention with Event Related Potentials[J]. Journal of Management Science, 2015, 28(6): 95-104.

[54] 王雪霜, 郭伏, 劉瑋琳, 等. 基于事件相關(guān)電位的產(chǎn)品外觀情感測量研究[J]. 人類工效學(xué), 2018, 24(1): 20-26.

WANG Xue-shuang, GUO Fu, LIU Wei-lin, et al. Affective Measurement of Product Appearance by ERPs[J]. Chinese Journal of Ergonomics, 2018, 24(1): 20-26.

[55] 楊程, 曾靜, 陳辰, 等. 基于腦電探究外觀特征對產(chǎn)品識別的影響[J]. 同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 48(9): 1385-1394.

YANG Cheng, ZENG Jing, CHEN Chen, et al. Investigation on Effect of Appearance Characteristics on Product Identity Based on EEG[J]. Journal of Tongji University (Natural Science), 2020, 48(9): 1385-1394.

[56] HAKIM A, LEVY D J. A Gateway to Consumers' Minds: Achievements, Caveats, and Prospects of Electroencephalography-Based Prediction in Neuromarketing[J]. Wiley Interdisciplinary Reviews Cognitive Science, 2019, 10(2): e1485.

[57] 王立明, 李曉東, 李嘯虎, 等. 消費(fèi)者心流體驗(yàn)、情感依戀與粘性行為研究——基于預(yù)訂類旅游App的實(shí)證分析[J]. 新疆財(cái)經(jīng), 2021(1): 49-59.

WANG Li-ming, LI Xiao-dong, LI Xiao-hu, et al. A Study of Flow Experience, Emotional Attachment and User Stickiness Behavior—An Empirical Analysis Based on Booking Travel App[J]. Finance ＆ Economics of Xinjiang, 2021(1): 49-59.

[58] 易林楠. 基于ERP的圖標(biāo)亮度對比對圖標(biāo)可識別性的影響研究[D]. 杭州: 浙江大學(xué), 2017.

YI Lin-nan. The Study of Icon Identifiability Influenced by Icon Luminance Contrast Based on ERP[D]. Hangzhou: Zhejiang University, 2017.

[59] 任宏, 鄒媛媛, 王丹丹, 等. 基于ERP的扁平化與擬物化圖標(biāo)認(rèn)知效率研究[J]. 包裝工程, 2018, 39(18): 186-190.

REN Hong, ZOU Yuan-yuan, WANG Dan-dan, et al. Cognitive Efficiency of Flat and Skeuomorphic Icons Based on ERP[J]. Packaging Engineering, 2018, 39(18): 186-190.

[60] 郝超. 基于無意識設(shè)計(jì)的數(shù)字閱讀產(chǎn)品交互設(shè)計(jì)研究[D]. 廣州: 廣東工業(yè)大學(xué), 2020.

HAO Chao. Research on Interaction Design of Digital Reading Products Based on Unconscious Design[D]. Guangzhou: Guangdong University of Technology, 2020.

[61] DONG Ying-ying, XUE Cheng-qi, PENG Ning-yue, et al. The Effect of LOGO Location in Navigation Bar on Web Brand Recognition Based on Event-Related Potential[M]//HCI in Business, Government, and Organizations. Cham: Springer International Publishing, 2018: 262-274.

[62] 官睿. 基于ERP技術(shù)的界面信息認(rèn)知和布局研究[D]. 南京: 東南大學(xué), 2015.

GUAN Rui. Research of Interface Information Cognition and Layout Based on ERPS[D]. Nanjing: Southeast University, 2015.

[63] RUI Zhe-peng, GU Zhen-yu. A Review of EEG and fMRI Measuring Aesthetic Processing in Visual User Experience Research[J]. Computational Intelligence and Neuroscience, 2021, 2021: 2070209.

[64] 胡婷婷, 趙江洪, 趙丹華. 設(shè)計(jì)師和用戶的汽車造型意象認(rèn)知差異研究[J]. 包裝工程, 2015, 36(24): 33-36.

HU Ting-ting, ZHAO Jiang-hong, ZHAO Dan-hua. Imagery Cognition Differences between Designers and Users Automobile Modeling[J]. Packaging Engineering, 2015, 36(24): 33-36.

[65] 柳長源, 李文強(qiáng), 畢曉君. 基于腦電信號的情緒特征提取與分類[J]. 傳感技術(shù)學(xué)報(bào), 2019, 32(1): 82-88.

LIU Chang-yuan, LI Wen-qiang, BI Xiao-jun. Emotional Feature Extraction and Classification Based on EEG Signals[J]. Chinese Journal of Sensors and Actuators, 2019, 32(1): 82-88.

[66] 李森, 莊曉旭, 劉瑋琳, 等. 腦電、眼動技術(shù)融合的情感測量方法研究[J]. 工業(yè)工程與管理, 2014, 19(6): 144-148.

LI Sen, ZHUANG Xiao-xu, LIU Wei-lin, et al. Research of an Emotional Measuring Method Based on EEG and Eye Movement Technology[J]. Industrial Engineering and Management, 2014, 19(6): 144-148.

[67] 王雪霜, 郭伏, 劉瑋琳, 等. 基于事件相關(guān)電位的產(chǎn)品外觀情感測量研究[J]. 人類工效學(xué), 2018, 24(1): 20-26.

WANG Xue-shuang, GUO Fu, LIU Wei-lin, et al. Affective Measurement of Product Appearance by ERPs[J]. Chinese Journal of Ergonomics, 2018, 24(1): 20-26.

[68] 王歡. 基于多模式測量的考慮多維變量的產(chǎn)品外觀情感設(shè)計(jì)方法研究——以烤面包機(jī)產(chǎn)品為例[D]. 沈陽: 東北大學(xué), 2015.

WANG Huan. Product Appearance Emotional Design of Multi-Dimensional Variables Based on Multi-Mode Measurement—Take Toast for Example[D]. Shenyang: Northeastern University, 2015.

[69] ZHU Li, SU Chong-wei, ZHANG Jian-hai, et al. EEG- Based Approach for Recognizing Human Social Emotion Perception[J]. Advanced Engineering Informatics, 2020, 46: 101191.

[70] GU Bei-xian, WANG Hui-li, BELTRáN D, et al. Embodied Processing of Disgust in Mandarin Words: An ERP Study[J]. Journal of Neurolinguistics, 2021, 58: 100981.

[71] 盧小雁, 許今茜. 基于事件相關(guān)電位的廣告?zhèn)鞑バЧ麑?shí)驗(yàn)測評方法[J]. 實(shí)驗(yàn)室研究與探索, 2019, 38(11): 266-269.

LU Xiao-yan, XU Jin-qian. Research on the Measurement and Analysis of Advertising Media Effects Based on Event-Related Potentials[J]. Research and Exploration in Laboratory, 2019, 38(11): 266-269.

[72] YOO G, HONG S. Emotion evaluation analysis and system design of biosignal[C]//2016 International Conference on Platform Technology and Service (PlatCon). Jeju, Korea (South). IEEE, : 1-4.

[73] 沈旭昆, 閆爍. 基于生物電傳感的受眾感知探索與研究[J]. 包裝工程, 2021, 42(10): 26-31.

SHEN Xu-kun, YAN Shuo. Exploration and Research on Audience Perception Based on Bioelectric Sensing[J]. Packaging Engineering, 2021, 42(10): 26-31.

[74] MüLLER M, H?FEL L, BRATTICO E, et al. Aesthetic Judgments of Music in Experts and Laypersons—An ERP Study[J]. International Journal of Psychophysiology, 2010, 76(1): 40-51.

[75] FRIED R. Integrating Music in Breathing Training and Relaxation: II[J]. Biofeedback and Self-Regulation, 1990, 15(2): 171-177.

[76] 王靜梅, 錢靚, 盧英俊. 音樂對情緒影響的腦電機(jī)制初探[J]. 中國醫(yī)藥導(dǎo)報(bào), 2010, 7(32): 11-13.

WANG Jing-mei, QIAN Liang, LU Ying-jun. Research on EEG Mechanisms of Music Influence Emotions[J]. China Medical Herald, 2010, 7(32): 11-13.

[77] 張偉霞, 王莞琪, 周臨舒, 等. 歌詞對音樂情緒加工的影響: 行為與ERP研究[J]. 心理學(xué)報(bào), 2018, 50(12): 1346-1355.

ZHANG Wei-xia, WANG Wan-qi, ZHOU Lin-shu, et al. Effects of Lyrics on the Processing of Musical emotion: Behavioural and ERP Study[J]. Acta Psychologica Sinica, 2018, 50(12): 1346-1355.

[78] 陳虹. 背景音樂對前景工作情緒影響的研究[D]. 重慶: 西南大學(xué), 2020.

CHEN Hong. Study on the Influence of Background Music on the Mood of Prospective Work[D]. Chongqing: Southwest University, 2020.

[79] 有慧, 王劍, 劉劍鋒, 等. 應(yīng)用OEP-98C型嗅覺誘發(fā)電位儀進(jìn)行事件相關(guān)設(shè)計(jì)嗅覺功能磁共振成像[J]. 中國醫(yī)學(xué)科學(xué)院學(xué)報(bào), 2009, 31(2): 134-138, 254.

YOU Hui, WANG Jian, LIU Jian-feng, et al. Olfactory Functional Magnetic Resonance Imaging with Modified OEP-98C Olfactometer and Event-Related Design[J]. Acta Academiae Medicinae Sinicae, 2009, 31(2): 134- 138, 254.

[80] CHEN Yue, GAO Qin, LV Qiao-lu, et al. Comparing Measurements for Emotion Evoked by Oral Care Products[J]. International Journal of Industrial Ergonomics, 2018, 66: 119-129.

[81] GONZALEZ VIEJO C, FUENTES S, HOWELL K, et al. Integration of Non-Invasive Biometrics with Sensory Analysis Techniques to Assess Acceptability of Beer by Consumers[J]. Physiology & Behavior, 2019, 200: 139-147.

[82] 唐幫備, 陳勝男, 賀小龍, 等. 基于嗅覺誘發(fā)腦電分析的產(chǎn)品氣味用戶體驗(yàn)測評及裝置[J]. 機(jī)械設(shè)計(jì), 2020, 37(12): 129-138.

TANG Bang-bei, CHEN Sheng-nan, HE Xiao-long, et al. User-Experience Evaluation of Product Odor and the Related Device Based on the Olfactory Evoked EEG Analysis[J]. Journal of Machine Design, 2020, 37(12): 129-138.

[83] H?RBERG T, LARSSON M, EKSTR?M I, et al. Olfactory Influences on Visual Categorization: Behavioral and ERP Evidence[J]. Cerebral Cortex (New York, N Y: 1991), 2020, 30(7): 4220-4237.

[84] 郭桃梅, 彭聃齡. 從語義啟動效應(yīng)看事件相關(guān)電位N400的實(shí)質(zhì)[J]. 心理科學(xué), 2003, 26(4): 750-746.

GUO Tao-mei, PENG Dan-ling. On the Essence of Event- Related Potential N400 from Semantic Priming Effect[J]. Psychological Science, 2003, 26(4): 750-746.

[85] 王鈺. 情緒影響決策過程與結(jié)果評價(jià)的認(rèn)知神經(jīng)機(jī)制[D]. 天津: 天津師范大學(xué), 2012.

WANG Yu. Cognitive Neural Mechanism Affecting Emotional Decision-Making Process and Outcome Evaluation[D]. Tianjin: Tianjin Normal University, 2012.

[86] BAI Yan, YAO Zhong, CONG Feng-yu, et al. Event-Related Potentials Elicited by Social Commerce and Electronic-Commerce Reviews[J]. Cognitive Neurodynamics, 2015, 9(6): 639-648.

[87] XU Chen, ZHANG Qin. The Dominant Factor of Social Tags for Users' Decision Behavior on E-Commerce Websites: Color or Text[J]. Journal of the Associationfor Information Science and Technology, 2018: asi.24118.

[88] BAI A, FUGLERUD K S. Method for Semi-Automated Evaluation of User Experience Using Brain Activity[J]. Studies in Health Technology and Informatics, 2018, 256: 811-820.

[89] LAW E L C, VAN SCHAIK P, ROTO V. Attitudes towards User Experience (UX) Measurement[J]. International Journal of Human-Computer Studies, 2014, 72(6): 526-541.

[90] DING Yi, GUO Fu, HU Ming-cai, et al. Using Event Related Potentials to Investigate Visual Aesthetic Perception of Product Appearance[J]. Human Factors and Ergonomics in Manufacturing & Service Industries, 2017, 27(5): 223-232.

[91] DING Yi, GUO Fu, ZHANG Xue-feng, et al. Using Event Related Potentials to Identify a User's Behavioural Intention Aroused by Product Form Design[J]. Applied Ergonomics, 2016, 55: 117-123.

[92] PFURTSCHELLER G, MüLLER G R, PFURTSCHELLER J, et al. ‘Thought’-Control of Functional Electrical Stimulation to Restore Hand Grasp in a Patient with Tetraplegia[J]. Neuroscience Letters, 2003, 351(1): 33-36.

[93] SOUDERS L, SHEEHAN L. Demonstrating the Therapeutic Potential of Contralesional BCI Control for Motor Recovery in Chronic Stroke[J]. Archives of Physical Medicine and Rehabilitation, 2019, 100(10): e61.

[94] NIU Ya-feng, MA Guo-rui, XUE Wei, et al. Research on the Colors of Military Symbols in Digital Situation Maps Based on Event-Related Potential Technology[J]. ISPRS International Journal of Geo-Information, 2020, 9(7): 420.

[95] 康國芳. 手機(jī)界面中圖形單元的認(rèn)知負(fù)荷研究[D]. 上海: 東華大學(xué), 2017.

KANG Guo-fang. Research on Cognitive Load of Graphic Unit in Mobile Phone Interface[D]. Shanghai: Donghua University, 2017.

[96] 牛亞峰. 基于腦電技術(shù)的數(shù)字界面可用性評價(jià)方法研究[D]. 南京: 東南大學(xué), 2015.

NIU Ya-feng. Usability Evaluation Methods Research of Digital Interface Based on Brain Electrical Technology[D]. Nanjing: Southeast University, 2015.

[97] ZHANG Jia-lin, DONG Hao-hao, ZHAO Zhen, et al. Altered Neural Processing of Negative Stimuli in People with Internet Gaming Disorder: FMRI Evidence from the Comparison with Recreational Game Users[J]. Journal of Affective Disorders, 2020, 264: 324-332.

[98] ATHIF M, RATHNAYAKE B L K, NAGAHAPITIYA S M D B S, et al. Using Biosignals for Objective Measurement of Presence in Virtual Reality Environments[J]. 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC), 2020: 3035-3039.

[99] ARICò P, BORGHINI G, DI FLUMERI G, et al. Adaptive Automation Triggered by EEG-Based Mental Workload Index: A Passive Brain-Computer Interface Application in Realistic Air Traffic Control Environment[J]. Frontiers in Human Neuroscience, 2016, 10: 539.

[100] ARICò P, BORGHINI G, DI FLUMERI G, et al. Human Factors and Neurophysiological Metrics in Air Traffic Control: A Critical Review[J]. IEEE Reviews in Biomedical Engineering, 2017, 10: 250-263.

[101] BORGHINI G, ARICò P, DI FLUMERI G, et al. Correlation and Similarity between Cerebral and Non- Cerebral Electrical Activity for User’s States Assessment[J]. Sensors, 2019, 19(3): 704.

[102] CHERUBINO P, MARTINEZ-LEVY A C, CARATù M, et al. Consumer Behaviour through the Eyes of Neurophysiological Measures: State-of-the-Art and Future Trends[J]. Computational Intelligence and Neuroscience, 2019, 2019: 1976847.

[103] HAN Shu-hang, KONG Yao-hui, LEI Zhi-gao, et al. Evaluation method of human-vehicle tactile interaction experience based on EEG[C]//2020 12th International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC). Hangzhou, China. IEEE: 75-78.

[104] MANGION R S, GARG L, GARG G, et al. Emotional Testing on Facebook’s User Experience[J]. IEEE Access, 8: 58250-58259.

[105] IQBAL M U, SRINIVASAN B, SRINIVASAN R. Dynamic Assessment of Control Room Operator's Cognitive Workload Using Electroencephalography (EEG)[J]. Computers & Chemical Engineering, 2020, 141: 106726.

[106] CHATTERJEE A, VARTANIAN O. Neuroaesthetics[J]. Trends in Cognitive Sciences, 2014, 18(7): 370-375.

[107] YEH Y C, HSU W C, LI P H. The Modulation of Personal Traits in Neural Responses during the Aesthetic Experience of Mundane Art[J]. Trends in Neuroscience and Education, 2018, 10: 8-18.

[108] HERRERA-ARCOS G, TAMEZ-DUQUE J, ACOSTA- DE-ANDA E Y, et al. Modulation of Neural Activity during Guided Viewing of Visual Art[J]. Frontiers in Human Neuroscience, 2017, 11: 581.

[109] PUGACH C, LEDER H, GRAHAM D J. How Stable are Human Aesthetic Preferences across the Lifespan? [J]. Frontiers in Human Neuroscience, 2017, 11: 289.

[110] FIORI F, PLOW E, RUSCONI M L, et al. Modulation of Corticospinal Excitability during Paintings Viewing: A TMS Study[J]. Neuropsychologia, 2020, 149: 107664.

[111] ZHAO Xue-ru, WANG Jun-jing, LI Jin-hui, et al. The Neural Mechanism of Aesthetic Judgments of Dynamic Landscapes: An fMRI Study[J]. Scientific Reports, 2020, 10: 20774.

[112] JACOBS R H A H, CORNELISSEN F W. An Explanation for the Role of the Amygdala in Aesthetic Judgments[J]. Frontiers in Human Neuroscience, 2017, 11: 80.

[113] CHATTERJEE A. Neuroaesthetics: A Coming of Age Story[J]. Journal of Cognitive Neuroscience, 2011, 23(1): 53-62.

[114] PELOWSKI M, MARKEY P S, FORSTER M, et al. Move Me, Astonish Me… Delight my Eyes and Brain: The Vienna Integrated Model of Top-down and Bottom- up Processes in Art Perception (VIMAP) and Corresponding Affective, Evaluative, and Neurophysiological Correlates[J]. Physics of Life Reviews, 2017, 21: 80-125.

[115] FINGERHUT J, PRINZ J J. Wonder, Appreciation, and the Value of Art[M]//Progress in Brain Research. Amsterdam: Elsevier, 2018: 107-128.

[116] ETIENNE A, LAROIA T, WEIGLE H, et al. Novel Electrodes for Reliable EEG Recordings on Coarse and Curly Hair[J]. 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC), 2020: 6151-6154.

[117] RADüNTZ T, MEFFERT B. Cross-Modality Matching for Evaluating User Experience of Emerging Mobile EEG Technology[J]. IEEE Transactions on Human-Machine Systems, 2020, 50(4): 298-305.

[118] CHEN Min, ZHOU Jun, TAO Guang-ming, et al. Wearable Affective Robot[J]. IEEE Access, 6: 64766-64776.

[119] ARICò P, BORGHINI G, DI FLUMERI G, et al. Passive BCI beyond the Lab: Current Trends and Future Directions[J]. Physiological Measurement, 2018, 39(8): 08TR02.

[120] BOCCIA M, BARBETTI S, PICCARDI L, et al. Where does Brain Neural Activation in Aesthetic Responses to Visual Art Occur? Meta-Analytic Evidence from Neuroimaging Studies[J]. Neuroscience & Biobehavioral Reviews, 2016, 60: 65-71.

[121] IIGAYA K, O’DOHERTY J P, STARR G G. Progress and Promise in Neuroaesthetics[J]. Neuron, 2020, 108(4): 594-596.

[122] SKOV M, NADAL M. A Farewell to Art: Aesthetics as a Topic in Psychology and Neuroscience[J]. Perspectives on Psychological Science, 2020, 15(3): 630-642.

[123] GOLNAR-NIK P, FARASHI S, SAFARI M S. The Application of EEG Power for the Prediction and Interpretation of Consumer Decision-Making: A Neuromarketing Study[J]. Physiology & Behavior, 2019, 207: 90-98.

[124] TRETTEL A, CHERUBINO P, CARTOCCI G, et al. Transparency and Reliability in Neuromarketing Research[M]//Ethics and Neuromarketing. Cham: Springer International Publishing, 2016: 101-111.

[125] CHERUBINO P, MARTINEZ-LEVY A C, CARATù M, et al. Consumer Behaviour through the Eyes of Neurophysiological Measures: State-of-the-Art and Future Trends[J]. Computational Intelligence and Neuroscience, 2019, 2019: 1976847.

[126] 劉洋, 門夢菲, 田蜜, 等. 文創(chuàng)產(chǎn)品的創(chuàng)新設(shè)計(jì)方法研究[J]. 包裝工程, 2020, 41(14): 288-294.

LIU Yang, MEN Meng-fei, TIAN Mi, et al. Innovative Design Methods of Cultural and Creative Products[J]. Packaging Engineering, 2020, 41(14): 288-294.

[127] MAKRANSKY G, TERKILDSEN T S, MAYER R E. Adding Immersive Virtual Reality to a Science Lab Simulation Causes more Presence but less Learning[J]. Learning and Instruction, 2019, 60: 225-236.

[128] ANSADO J, CHASEN C, BOUCHARD S, et al. How Brain Imaging Provides Predictive Biomarkers for Therapeutic Success in the Context of Virtual Reality Cognitive Training[J]. Neuroscience & Biobehavioral Reviews, 2021, 120: 583-594.

[129] RAMIREZ-ZAMORA A, GIORDANO J, GUNDUZ A, et al. Proceedings of the Seventh Annual Deep Brain Stimulation Think Tank: Advances in Neurophysiol-ogy, Adaptive DBS, Virtual Reality, Neuroethics and Technology[J]. Frontiers in Human Neuroscience, 2020, 14: 54.

[130] ZHAO Min-rui, GAO Hong-ni, WANG Wei, et al. Re-search on Human-Computer Interaction Intention Rec-ognition Based on EEG and Eye Movement[J]. IEEE Access, 8: 145824-145832.

[131] WANG Ya-hui, YU Sui-huai, MA Ning, et al. Predic-tion of Product Design Decision Making: An Investi-gation of Eye Movements and EEG Features[J]. Ad-vanced Engineering Informatics, 2020, 45: 101095.

[132] 蔡自興. 中國人工智能40年[J]. 科技導(dǎo)報(bào), 2016, 34(15): 12-32.

CAI Zi-xing. 40 Years of Artificial Intelligence in China[J]. Science & Technology Review, 2016, 34(15): 12-32.

[133] ROY Y, BANVILLE H, ALBUQUERQUE I, et al. Deep Learning-Based Electroencephalography Analy-sis: A Systematic Review[J]. Journal of Neural Engi-neering, 2019, 16(5): 051001.

[134] RONG-DING H, JUAN-JUAN J. Psychological Structure of Personality and Triune of Brain-Problems, Solutions and Handouts in Teaching of Neuroaesthet-ics[J]. Progress in biochemistry and biophysics. 2020, 47(1): 69-80.

[135] HALEEM H, WANG Yong, PURI A, et al. Evaluating the Readability of Force Directed Graph Layouts: A Deep Learning Approach[J]. IEEE Computer Graphics and Applications, 2019, 39(4): 40-53.

[136] YU J, ZHAO L. A Novel Deep CNN Method Based on Aesthetic Rule for User Preferential Images Recom-mendation[J]. JOURNAL OF APPLIED SCIENCE AND ENGINEERING. 2021, 24(1): 49-55.

[137] LOTTE F, BOUGRAIN L, CICHOCKI A, et al. A Reviewof Classification Algorithms for EEG-Based Brain- Computer Interfaces: A 10 Year Update[J]. Journal of Neural Engineering, 2018, 15(3): 031005.

[138] TABAR Y R, HALICI U. A Novel Deep Learning App-roach for Classification of EEG Motor Imagery Sig-nals[J]. Journal of Neural Engineering, 2017, 14(1): 016003.

[139] CHEN Yu, CHANG Rui, GUO Ji-feng. Emotion Rec-ognition of EEG Signals Based on the Ensemble Learning Method: AdaBoost[J]. Mathematical Prob-lems in Engineering, 2021, 2021: 8896062.

[140] KING J L. Summary of Twenty-First Century Great Conversations in Art, Neuroscience and Related Thera-peutics[J]. Frontiers in Psychology, 2018, 9: 1428.

[141] SPEE B, ISHIZU T, LEDER H, et al. Neuropsychopharmacological Aesthetics: A Theoretical Considera-tion of Pharmacological Approaches to Causative Brain Study in Aesthetics and Art[J]. Progress in Brain Research, 2018, 237: 343-372.

[142] ZOTOV A M, KOROLENKO P V, MISHIN A Y, et al. Physical Basics of Neuroaesthetics[J]. Moscow Uni-versity Physics Bulletin, 2019, 74(6): 625-630.

[143] YADAVA M, KUMAR P, SAINI R, et al. Analysis of EEG Signals and Its Application to Neuromarketing[J]. Multimedia Tools and Applications, 2017, 76(18): 19087-19111.

[144] ZHENG Pai, WANG Hong-hui, SANG Zhi-qian, et al. Smart Manufacturing Systems for Industry 4.0: Con-ceptual Framework, Scenarios, and Future Perspec-tives[J]. Frontiers of Mechanical Engineering, 2018, 13(2): 137-150.

[145] PEPPERELL R. Art, Energy, and the Brain[J]. Pro-gress in Brain Research, 2018, 237: 417-435.

[146] SKOV M, NADAL M. A Farewell to Art: Aesthetics as a Topic in Psychology and Neuroscience[J]. Perspec-tives on Psychological Science, 2020, 15(3): 630-642.

[147] SUN Mei, HAN Hao-cheng, JIANG Quan-hong. Re-search on the Application of Neuroaesthetics in Indus-trial Design[J]. IOP Conference Series: Materials Sci-ence and Engineering, 2020, 892(1): 012076.

Research Status and Prospects of Neuroaesthetics in the Field of User Research

LIANG Chen, SUN Yuan

(College of Architecture and Art, Dalian University of Technology, Liaoning Dalian 116024, China)

This research aims to explore the relationship between users’ emotional cognition, brain activity patterns, EEG components in neuroaesthetics research, and three main research directions of needle invasive measurement methods are sorted out and summarized and three directions for the development of neuroaesthetics in the field of user research are proposed. First, proceeding from the current needs of quantitative aesthetics, the generation and development, related concepts, and research methods of neuro-aesthetics are elucidated. Furthermore, from the three directions of aesthetic preference, image cognition, and user experience, the existing researches of domestic and foreign scholars are cross- compared, and the application of neuroaesthetics in the field of user research is classified and discussed. Finally, the theoretical research and application examples of neuroaesthetics are discussed, and possible problems in the three dimensions of experimental design feasibility, data collection accuracy, and universality of research methods are raised. The generation and development of neuroaesthetics is the outcome of the parallel and integration of aesthetics and empirical science. Driven by the emotional needs of users, such methods as promoting efficiency enhancement, optimizing aesthetic calculations, and expanding the scope of application will become an important research direction of neuroesthetics in the field of user research.

neuroaesthetics; EEG technology; image cognition; user experience; aesthetic preference

TB472

A

1001-3563(2022)16-0076-16

10.19554/j.cnki.1001-3563.2022.16.008

2022–03–19

國家自然科學(xué)基金資助項(xiàng)目（51775079）；教育部人文社科基金項(xiàng)目（18YJC760073）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（DUT21RW211）

梁晨（1996—），女，碩士生，主攻工業(yè)設(shè)計(jì)、神經(jīng)美學(xué)。

孫元（1978—），男，副教授，主要研究方向?yàn)楦行怨W(xué)、神經(jīng)美學(xué)。

責(zé)任編輯：馬夢遙