一、引言
在信息时代的浪潮下，用户对产品服务的决策变得越来越灵活自主，而对服务的要求也越来越高。为了提高用户对产品服务的满意度，服务商必须确保优质的用户体验（user experience，UX）。一般认为，UX是指用户在使用产品、技术和服务过程中的综合感受与反应［1］。Hassenzahl认为，UX是对产品特点（如功能、设计等）的整体反应，包括感知、情绪反应（如满意、愉悦等）、直观评价（如美观、有吸引力、好用等）及行为变化（如购买、回避等）等层面［2］。Mahlke更明确概括了UX的两大组成：一是认知线索体验，二是情感线索体验。情感体验会明显地影响认知线索体验，如决策行为。可见，UX的情感体验体现出用户与产品、技术和服务的交流互动，是一种凸显UX社会价值的衡量指标。因而，测量情感体验能更好地解释UX的生态效度，即现实作用。在此构想的基础上，本文关注UX的情感体验测量，追踪这种测量的发展脉络，比较UX传统经验性测量和生理心理测量法的差异和适用性。
二、UX的传统经验性测量
情感体验测量关键在于情感的测定。与情感紧密相关的概念是情绪。有时，人们会将同生物需要相联系而产生的感情反应称为情绪；而把受社会规范制约而产生的感情状态称为情感。在不同场合使用情绪或情感术语时，指的是同一过程，同一现象所侧重的不同方面［3］。可见，情感体验的测量与情绪测量方法是互通的。Izard曾提出情绪三成分的操作性定义，将情绪分为主观体验、生理唤醒和表情行为［4］。传统的UX测量以主观体验和表情行为为核心，二者分别以自我报告法和观察及录像分析为代表。
（一）主观体验测量法
UX主观体验测量的具体技术以自我报告法为主。具体形式有问卷法、采访、日记、叙事和实地调查等方法。
目前，受到广泛使用的是问卷法。例如，在电子游戏开发领域，问卷法在测量玩家体验（player experiences）方面得到了有效利用。Nacke等研究者设计研发了游戏体验问卷（Game Experience Questionnaire，GEQ）来评估玩家体验，该问卷涵盖了7项玩家体验指标，分别是感知觉投入、强度、能力、流、积极情绪、消极情绪和挑战［5］。玩家在游戏过程中的情感体验（积极情绪和消极情绪）能通过问卷被大量采集与分析，这种采集手段保证了数据样本的代表性，也便于研究推广。类似地，Brockmyer等研究者通过研发游戏投入度问卷（Game Engagement Questionnaire，GEQ）来考察玩家玩视频游戏的投入度。总体而言，在UX测量中，问卷法因其数据采样方便和成本低而受到广泛使用。
在实际生活中，专家采访法也功不可没。例如，Rafael和Vilnai-Yavetz通过设计开放题目来采访相关专家，目的是探讨公众对公交车车身色彩的情感体验偏好，最后统计分析得出偏好色彩类别，从而以科学的数据为基础来提升公交系统的形象，这提升了城市交通的视觉舒适性［6］。类似地，通过采用封闭式和开放式题目访谈的方式，Tracinksy和Zmiri研究了用户对微软电脑软件皮肤设置的偏好。总之，采访法利于提高测量的生态效度，同时，与问卷法一样能有效采集用户的基本信息，如个人背景、体验经历、期望和动机等。
另外，其他方法（调查、日记和叙事技术）也能有效获取UX。这些方法避免了过多的外界干扰，能让用户自由地抒发体验，因而，自然流露的体验成分真实而有效。其中，叙事技术的特点在于组织性强，便于回忆感受。因此，测量主观体验的主导方法仍是问卷法和采访。问卷和采访法的不足在于难以保证测量问题的简练性及易理解性，而且，题序的设计也会影响测量的效度。另外，在实际体验产品的过程中，用户时常不能准确地用言语表达体验，这也容易产生对题目内涵理解的偏差。针对测量的信效度，问卷和采访法也存在社会赞许效应。研究显示，情绪的主观报告在样本上存在较大偏差，如，一般认为社会期许性高的个体更不愿意或不会报告自身消极情绪体验。因此，UX的主观体验测量有待改善。
（二）表情行为测量法
观察技术和录像分析代表了基于表情行为的UX测量法。观察技术是一种研究者通过制定UX观察指标来测量分析的技术。录像分析是一种采集用户体验的录像片段（如，行为、面部表情）来分析情感体验的手段。观察技术和录像分析都是利用非言语信息来测定UX的方法，这弥补了问卷和采访法的不足：不能捕捉用户潜意识中的情感体验。这些技术在实际应用中有众多范例。Fleck等人为美国旧金山的一所博物馆研发了一款名为Exploratorium的电子指南手册。Exploratorium能够以旁观者的视角观察和采集游览者的情绪体验数据，研究者利用本手册再对观察数据进行编码分析，进而深入理解用户游览博物馆的UX过程。
总之，观察和录像分析能更全面地把握UX的表情和行为特征。但是，在用户实际体验产品时，观察和录像技术常常不能捕捉用户所有的体验细节，例如，当用户转身活动或低头时，表情行为的采集过程就会出现数据缺失。另外，值得质疑的是：录像过程本身会对UX体验产生影响；并且，单一的录像内容未必就能很好评估UX。具体而言，在问卷评估中，用户可能会反映说体验到非常紧张的情绪，但是表情行为的录像资料却并没有采集到这些体验。因此，整合问卷或采访法来理解这些体验是十分必要的。另外，对于用户表情、行为的分析过程，研究者会主观地根据录像材料的特点来制定指标，这就存在一定的分析偏差。况且，情绪材料的采集和评估费时费力，且缺乏客观统一的编码指标。这样，评估的客观性与有效性就很难保证。
三、传统方法的小结
UX的传统经验性测量说明，观察和录像分析是弥补问卷或采访法缺陷的有效测量法。但是，这也不是绝对的，需要根据研究问题而定。一般而言，在测量UX的过程中，前期可采用问卷或采访法来分析，后期可结合观察及录像法来弥补整合数据的不足。而且，观察和录像分析须排除其他额外因素对UX的干扰，但实践中这点很难保证。因为，在捕捉UX的各种表情行为的过程中，设备的摄像头必须在空间的各个视角安置，这样可以保证数据的完整性，但这种密集的物理分布会干扰用户，因而使数据的生态效度受到严重的影响。
四、UX的生理心理测量
之前的论述得出，UX的传统经验性测量存在不足，如主观性和指标不明确等。当下的生理心理测量技术以关注情感体验的生理唤醒为重心，生理唤醒几乎不受机体主观意志的控制，就能更能客观地反映用户的体验情绪。例如，有研究通过生理指标测量来考察用户玩电子曲棍球游戏过程中的愉悦感，研究发现，整个游戏过程中，用户多数时间的生理指标表现平稳，但在即将进球到进球后的短暂时间内，其生理指标出现明显的变化，这体现了用户高度兴奋的体验。另外，也有生理指标显示，双人对决游戏比单人PK电脑的游戏能诱发更高的愉悦感。 再如，IBM首创了一款情感鼠标（emotion mouse），可作为一种简易检测情感体验的生理测量仪，其检测指标有：用户使用鼠标时的指压、体温和皮肤电变化。它能够识别生气、 害怕、 悲伤、 厌烦、高兴和惊奇等六种情绪。
这些研究显示了生理心理指标对UX评估的科学性。UX目前采用的生理指标包括皮质醇水平、 心率（HR）、 血压（BVP）、呼吸、皮肤电活动（EDA）、瞳孔直径、EEG 、EMG和 ERP等。常用的有EEG、fMRI、EMG等神经系统指标。本文就以方法学逻辑来评介UX测量的主要指标。
（一）脑电图（EEG）测量
EEG是通过记录大脑皮层活动产生的头皮电势来反映大脑活动状态的非侵犯性技术。EEG 测量的一般操作是在个体头部的特定部位放置 8~16个电极，经脑电图机将脑细胞固有的生物电活动放大并连续描记在纸上而形成图形。EEG 的时间分辨率非常好，但是它的空间分辨率有限。因此，EEG常是对脑中相当大的区域进行测量，如比较前后脑、左右半球的区别。EEG测量最常用的指标是 alpha 波（ 即 8~13Hz 频段）。早期研究将其与情感体验的效价相关联。有研究发现，影片诱发积极情绪会更多地激活左前额。这些研究表明左前额更容易使人体验到积极情绪。
Takahashi于2004开展了UX情绪识别的相关实验研究。首先，研究团队建立了3个干电极检测EEG的实验环境，然后，采集被试的多个生理指标（包括EEG、皮肤电及脉搏），目的是区分五种情绪状态，包括高兴、生气、难过、恐惧及放松。随后，实验单一采集EEG测量数据发现，EEG指标对情绪体验的识别分类精度能够达到41.7%。
脑-计算机接口技术（brain computer interface，BCI）利用EEG技术发挥了UX的巨大应用价值。BCI通过脑-电控制装置来实现残障人员之间的情感交流，它是一套不依赖大脑外周神经与肌肉反射通道的通讯控制系统，通过采集和分析大脑的EEG信号，在人脑与计算机或其他电子设备之间建立起人际情感交流的通道。这样，人们就可以通过脑的“情感线索”来交流，而不需要语言或肢体动作，这满足了那些不能通过外显情感进行交流和测量的人群的需要。另一项采集EEG指标的UX技术是神经反馈技术（ Neurofeedback，NFB），NFB属于生物反馈技术，源于学习理论（learning theory），反映了行为的习得观。首先，采集用户EEG 表征的情感信号，然后，不断训练用户学习强化EEG表征的指标水平，从而学会自我调节内部生理心理的变化，调节自身的情感体验。NFB多用于心理障碍患者的心理调适方面，但在产品UX中也能使用，这能客观地增加UX的技能和信心，如对于电子游戏产品的
体验。
EEG测量看似十分科学理想，但是考虑到实践应用的成本，实际实施较为困难。因为，任何细微的活动（如，眨眼）都会产生干扰数据，分析排除的过程十分繁琐。自然的UX本来就包括自由活动，故EEG测量对UX测量并非十分适合。
（二）神经影像学测量
比起EEG技术，功能性磁共振成像（functional magnetic resonance imaging，fMRI ）或正电子发射断层扫描（positron emission computed tomography，PET）等神经影像学技术在精确性上也更加完善。fMRI在“观察活动中的大脑”时，不仅时间分辨率更高，空间分辨率也十分精确。空间编码是磁共振成像的关键技术，因此，它对于UX的脑功能定位更具有适用性。fMRI测量的是大脑各区域静脉毛细血管中血氧结合所引起的磁共振信号的变化，而PET 则通过监测注射的放射性同位素来追踪大脑活动。这两种技术假设，采集信号越多表明更多的血流量在大脑的特定区域，这相应地反映了该区域的活跃性。针对恐惧、 厌恶和悲伤等基本情绪的脑区域定位技术研究颇多［7］，这为基本情绪的脑功能定位提供了有力证据，也支持了情绪维度论。另外，与 EEG 研究一致，神经影像学技术也发现，趋近的情绪激活状态也出现在大脑左外侧，而右半球激活反映了回避状态，这为情绪特异性研究和具体的脑通路研究提供了具有前景的线索。
针对网络成瘾者的内在体验机制探讨，国内的学者利用fMRI技术采集了中国青少年被试的脑图，发现网络成瘾青少年的额叶奖赏功能系统及抑制功能存在失衡，这种失衡导致了其更倾向于选择近期奖赏——上网，这就导致青少年网络体验用户失去了对远期结果的考虑［8］。这一研究为fMRI有效检验UX内部生理机制提供了有力的支持。
（三）肌电（EMG）测量技术
EMG通过探测肌肉收缩时产生的表面电压变化来反映机体的情感体验过程。研究积极情绪体验时，EMG指标体现在人们的颧大肌在活动过程中产生的电活动。而研究消极情绪时，皱眉时产生的皱眉肌电活动则表征了消极情绪体验。许多研究采用EMG技术来获得UX的情绪效价，如惊跳反射研究。
惊跳反射是一种强烈的应激反应，涉及到机体多块肌肉的活动（如背部肌肉绷紧、 眨眼等）。这种反射具有保护功能，防范对机体的潜在威胁，因而被当作是对威胁保持警惕的一种行为干预方式。眨眼是惊跳反射最具代表性的行为表现。研究通常用眨眼幅度作为测量惊跳的指标。测量过程通过EMG检测下眼睑的眼匝肌电活动来评估情绪。 最常用的惊跳诱发刺激是一个简短的（50ms）在 95~110分贝范围内爆裂的白噪声。众多的研究表明，经历厌恶刺激环境的机体会有更大幅度的惊跳反射，而经历愉悦刺激环境的机体表现出较小的惊跳反射幅度［9］。Roy等通过实验研究了不同情绪体验类型的音乐对个体惊跳反射的调节作用。实验采用愉快和不愉快音乐材料来诱发被试情绪，然后再随机呈现惊跳探测，随后通过生理多导仪采集EMG作为惊跳指标，研究发现了情绪体验如何调节惊跳防御机制，即愉快情绪体验下，被试的惊跳幅度显著小于不愉快情绪体验下的惊跳幅度，这说明愉悦的情绪体验有助于个体维持平衡和谐的身心状态，而非处于紧张应激
之中［10］。
总体而言，EMG技术比录像分析等技术在面孔情绪识别方面更加精准，因为，低唤醒水平的情绪表情常难以通过视觉手段识别。但是不足的是，在被试脸上安置带有电缆的传感器会造成对被试的侵犯。
（四）神经系统的其他指标
自主神经系统的活动不完全是一种情绪体验的表征，因此，测量时往往不能判断是自主神经系统的活动反映了情绪状态，还是体现了其他的机能状态［16］。尽管如此，有关指标也是具有表征意义的。最常用的指标有皮肤电和心血管反应。皮肤电（EDA）测量外分泌腺的活动，有关研究表明，EDA与情绪体验的唤醒具有线性相关。尽管诸多变量（如室温、湿度、被试状态等）须控制，但EDA是一种较为成熟而可靠的记录情绪唤醒的方法。另外，最常用的心血管指标有心率（HR）、血压（BP）、和心率变异（HRV）。血压揭示了血管壁扩张与情绪体验唤醒的关系。心律（HR）也与唤醒有关，并且，心律变异是评估积极情感体验和消极情感体验的指标。然而，传统的心电图测量需将电极安置在被试的胸部，这在一定程度上侵犯了个人隐私。
2005年，国内学者李建平在研究中探讨了5种基本情绪自主神经反应模式特异性。实验招募了92名女大学生被试观看6段用于诱导基本情绪（即，快乐、愤怒、恐惧、悲哀和厌恶这5种基本情绪）和中性状态的影片片段，用情绪报告表采集被试产生的情绪及其等级，并测量多个反映自主神经活动的指标（心率、心率变异性、血压、呼吸率、指温等），探讨基本情绪体验之间的自主神经反应模式的差异，并与中性状态进行比较。实验测量数据发现，研究所诱导的每一种基本情绪（除愤怒情绪外），都有自己的特异性变化，并且不同情绪的自主神经反应模式之间是有差异的［12］，这说明了自主神经系统指标对于情绪体验的识别性在一定程度上是有效的，这对于UX的识别有借鉴意义。
五、小结及展望
以上讨论了情绪体验观下的UX测量技术，分别是传统的经验性测量与生理心理测量。传统的经验性测量技术分主观体验测量和表情行为测量，这些技术体现了Izard情绪观的主观体验和表情行为成分。生理心理测量法以EEG、神经影像学测量技术、EMG等技术为主导，体现了Izard情绪观的生理唤醒成分。以往的研究主要关注机体的主观体验和表情成分，因此，大多数的研究都采用自我报告和观察及录像技术来研究情绪和UX中的情感体验。随着信息技术的发展以及与生物科技等学科的交叉，相应的技术不断成熟，机体生理水平的情绪指标越来越受到重视，为情感体验生理唤醒成分测量提供了科学客观的数据。然而，总体而言，每种UX情感体验测量方式都各有优劣，这很大程度上取决于能否在现实情境中实施这些方法，即不同的情绪体验测量方法具有不同的适用性。
另外，情感体验观下的UX测量仍存在诸多挑战。首先，自我报告法测量UX会干扰用户的当下体验过程。其次，生理测量虽可及时获得相应的生理指标，但是这种间接的测量常具有灵活的情感指向性，即目前尚不能通过生理指标来十分精确地推断用户的具体情绪状态。因此，技术间的互补性也启发研究者形成方法的整合观，即生理测量法一般可与用户的主观陈述相结合来反映UX。另外，生理测量尚不适用于运动情境，因为用户在体验过程中的任何细微活动都会改变UX信号采集的纯净性。
总体而言，UX领域中的生理心理学方法尚处于萌芽阶段，需要深入的研究去克服各种技术和实践的挑战，如技术步骤对用户隐私的侵犯。在实践方面，这些技术的整合应用对UX中的情感设计都极具广泛的应用价值。如，在信息检索中，通过整合的方法来测量用户的情感并加以分析，再实施情感干预，可以提高智能信息检索的精度和效率；在电子商务领域，设计者在设计购物和股票交易等网站时，可充分利用情绪测量的反馈数据去改善网站的吸引力，从而提高点击率和购买率。这些实际的应用前景都对UX的测量技术提出了积极的可持续发展要求。
［1］Dis I. 9241-210: 2010. Ergonomics of human system interaction-Part 210: Human-centred design for interactive systems［J］. International Standardization Organization (ISO). Switzerland, 2009.
［2］Hassenzahl M. The interplay of beauty, goodness, and usability in interactive products［J］. Human-Computer Interaction, 2004, 19(4): 319-349.
［3］盂昭兰. 情绪心理学［M］. 北京: 北京大学出版社, 2005.
［4］Izard C E. The psychology of emotions［M］. Springer, 1991.
［5］Nacke L E, Drachen A, Kuikkaniemi K, et al. Playability and player experience research［C］, 2009.
［6］Rafaeli A, Vilnai-Yavetz I. Instrumentality, aesthetics and symbolism of physical artifacts as triggers of emotion［J］. Theoretical Issues in Ergonomics Science, 2004, 5(1): 91-112.
［7］Murphy F C, Nimmo-Smith I, Lawrence A D. Functional neuroanatomy of emotions: a meta-analysis［J］. Cognitive, Affective, & Behavioral Neuroscience, 2003, 3(3): 207-233.
［8］Cao F, Su L, Liu T, et al. The relationship between impulsivity and Internet addiction in a sample of Chinese adolescents［J］. European Psychiatry, 2007, 22(7): 466-471.
［9］Bradley M M, Lang P J. Affective reactions to acoustic stimuli［J］. Psychophysiology, 2000, 37(2): 204-215.
［10］Roy M, Mailhot J P, Gosselin N, et al. Modulation of the startle reflex by pleasant and unpleasant music［J］. International Journal of Psychophysiology, 2009, 71: 37-42.
［11］Stemmler G. Physiological processes during emotion［J］. The regulation of emotion, 2004: 33-70.
［12］李建平，张平，王丽芳，等. 5种基本情绪自主神经反应模式特异性的实验研究［J］. 中国行为医学科学， 2005, 14(3): 257-259.
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
