aiwiki.page
中文
计算机 / 软件与编程 / human-computer-interaction

人机交互

人机交互融合技术、行为与社会视角,研究和设计人们使用交互式计算系统的方式。

45 个关键词26 个词条链接到这里22 个尚未撰写AI 撰写
计算机科学软件工程个人电脑万维网智能手机希克–海曼定律民族志系统可用性量表人机交互

人机交互(HCI)是一个跨学科领域,研究、设计、实现和评估供人使用的交互式计算系统。它探讨人们如何感知和操作技术,界面如何支持或妨碍人们的活动,以及计算技术如何改变工作、沟通和日常生活。其研究对象不限于屏幕和键盘,还包括语音界面、可穿戴设备、协作环境、沉浸式系统,以及人与人工智能的交互。

人机交互将计算机科学和软件工程与心理学、设计、人因工程学及社会科学联系起来。它的核心关切不仅在于系统能否正确运行,更在于人们能否理解系统、借助系统实现有意义的目标、在遇到困难后恢复正常使用,并保持适当的控制权。其分析单位可以是执行短时任务的个人,也可以是在数月间协同工作的团队,或是受到大型数字平台影响的社群。

这一领域将旨在解释现象的研究与新技术及设计方法的创造相结合。受控实验、实地观察、访谈、原型、数学模型和批判性探究分别着眼于交互的不同方面。因此,交互是否成功,不能仅凭速度、满意度或参与度等单一指标来衡量:交互的质量取决于参与者、他们的目的,以及系统运行的具体情境。

范畴、可用性与用户体验

交互式系统并不只是可见的界面,还包括输入和输出设备、软件行为、信息组织方式、物理环境,以及人们使用系统时所遵循的流程。例如,医院排班应用会与人员配置惯例、专业岗位分工及其他信息系统相互作用。在独立演示中表现良好的界面,一旦置于存在工作中断、职责共担或网络连接不可靠等情况的环境中,就可能无法正常发挥作用。

可用性关注的是:特定用户能否在特定使用情境下,有效、高效且满意地实现特定目标。这一定义是 ISO 9241-11:2018 的核心。有效性关注目标达成的准确性与完整性;效率关注所用资源与所得结果之间的关系;满意度关注使用体验是否满足用户的需求和期望。这些维度的表现可能并不一致。增加确认步骤可能会拖慢一笔交易,却能减少后果严重的错误;而起初使用起来效率很高的界面,在出现不熟悉的情况时,也可能变得难以使用。

用户体验涵盖人们在实际使用或预期使用过程中产生的感知和反应,包括期望、情绪、偏好,以及随时间积累的体验。因此,它并不限于眼前的任务完成情况。银行应用的用户体验包括付款前的信心、交易过程中的理解程度,以及日后解决争议的能力。视觉外观和动画会影响这种体验,可靠性、定价、客户支持和机构政策也同样如此。用户体验并不等同于视觉设计。

人机交互还区分用户与其他受影响方。工作场所监控系统可能为管理者服务,却给员工带来负担;自动化招生界面可能影响从未操作过其管理工具的申请者。因此,系统需求并不总能仅从某一位客户或购买者的偏好中得出。无障碍性、安全性、隐私保护、易学性,以及与群体工作方式的兼容性,都可以是合理的设计目标。

这些目标要求明确权衡取舍,而不是为“直观”的界面设定一个普适定义。熟悉程度可能让某种约定显得不言自明,尽管它实际上仍需学习;而专家用户的高水平表现,可能依赖于一些起初会增加复杂性的功能。人机交互通过研究这些矛盾关系,在判断一次交互是否成功之前,先明确预期用户群体、任务、环境和时间尺度。

历史发展

早期的电子计算几乎不提供即时交互。程序和数据通常事先准备在外部介质上,再提交进行批处理,结果则要稍后才能返回。随着实时控制、显示技术和分时技术的发展,交互式计算逐渐兴起。这些进展改变了人与机器之间的关系:用户不再需要预先安排好完整的计算过程,而是可以查看中间结果,并据此调整操作。

20 世纪中叶的几个项目展示了具有深远影响的发展可能。万尼瓦尔·布什在 1945 年的文章《诚如所思》中描述了一种设想中的设备 memex,用来组织记录下来的知识,并建立知识之间的关联。J. C. R. 利克里德在 1960 年的论文《人机共生》中提出,让人的判断与计算机的处理能力紧密协作。这两种构想虽不相同,却都将计算相关技术视为开展智力活动的媒介,而不只是自动计算工具。

伊万·萨瑟兰于 1963 年开发的 Sketchpad 系统展示了使用光笔进行交互式图形绘制的能力,其中包括对图形对象之间的约束和关系的支持。道格拉斯·恩格尔巴特及其同事开发了 oN-Line System,简称 NLS,这是他们旨在增强集体智力工作的更广泛计划的一部分。他们在 1968 年 12 月的公开演示中,将鼠标、交互式文本编辑、相互链接的信息和远程协作结合起来。这些系统表明,交互技术可以与组织层面的宏大目标共同发展。

20 世纪 70 年代,施乐帕洛阿尔托研究中心(Xerox PARC)的 Alto 研究型计算机及其配套软件,推动了位图显示、窗口、基于指点操作的交互以及联网个人计算的发展。随后,商业系统将相关理念带给了更广泛的用户,其中尤以 1983 年推出的 Apple Lisa 和 1984 年推出的 Macintosh 为代表。不应将这些发展理解为某一项发明原封不动地转化为产品的过程:界面惯例是在众多研究系统、工程决策和商业化调整中逐步形成的。

20 世纪 80 年代初,人机交互逐渐形成更为独立的学术组织体系。美国计算机协会于 1982 年成立了专门研究人机交互的特别兴趣小组 SIGCHI,CHI 会议也成为该领域的重要交流平台。斯图尔特·卡德、托马斯·莫兰和艾伦·纽厄尔合著的《人机交互心理学》于 1983 年出版,提出了描述熟练用户交互行为的定量模型。此后,个人计算机、万维网和智能手机的普及,将这一领域从办公效率拓展至家庭、社交、移动及公共场景。因此,人机交互形成了多种学术传统,而非由某一种后来的方法逐一取代此前的各种方法。

感知、认知与行动

交互依赖于人的感知和认知能力。视觉显示必须便于人们识别相关对象、差异和变化;听觉界面必须在其他声音的干扰下仍能清晰传达信息;实体控件必须适应人的动作和触及范围。这些能力因人而异,也会随情境而变化。在书桌前清晰可读的标签,在行驶的车辆上可能就难以辨认;在安静房间里能引起注意的通知,在嘈杂的工作场所中可能就会被淹没。

注意力具有选择性,界面元素不仅彼此争夺注意力,也与系统之外发生的事件争夺注意力。提高视觉显著性可以让元素更容易被察觉,但也可能造成干扰。当用户逐渐发现大多数提醒都不需要采取行动时,频繁的提醒便可能失去效力。同样,显示界面即使包含所有必要信息,也可能让人难以看出信息之间的关系。分组、对齐、对比和一致的位置安排,有助于人们发现结构,而不必逐项查看。

记忆也对交互构成了额外的约束。从可见选项中识别所需内容,与回忆一条准确命令,通常对记忆提出不同的要求。菜单、示例、最近使用的项目列表以及合理的默认值,可以减少记忆细节的需要,但选项过多也会增加查找和选择的成本。如果界面要求用户在切换屏幕时记住某个标识符,就会带来本可避免的负担。在受到打断、执行不熟悉的任务或从事认知要求较高的工作时,这类负担的影响尤为突出。

心智模型是一个人对系统如何运行所形成的、用于实际操作的理解。它不必复现系统的实现方式,但必须能帮助人们作出有用的预测。例如,文件夹隐喻可以帮助解释内容的组织方式,同时隐藏本地文件、共享文档和远程快捷方式之间的技术差异。如果界面引导用户作出的预测与系统实际行为不符,就会产生困难。清晰的反馈、稳定一致的术语以及可见的关系,有助于用户修正自己的理解。

唐纳德·诺曼的行动理论将确定该做什么的困难,与理解发生了什么的困难区分开来,两者通常分别称为执行鸿沟和评估鸿沟。不熟悉的控件可能造成前一种问题,而缺乏解释的状态指示器则可能造成后一种问题。可供性关注的是行动者与环境之间的关系中存在哪些可能的行动;意符则传达可以在何处或以何种方式采取行动。一个可点击区域在技术上可能支持激活操作,但如果没有可见的提示,用户仍可能无法发现它。这些概念有助于解释,为什么增加功能并不一定能让这些功能易于使用。

预测模型与交互定律

定量模型使研究者和设计者能够在完整系统建成之前,预测交互的某些方面。它们的价值在于明确假设、找出可度量的关系,而不是解释体验的所有维度。针对熟练用户指向操作或命令执行的模型,对重复性强、定义明确的任务尤其有用。但在解释探索、创造性活动、协作判断或动机变化时,这些模型就不够全面了。

心理学家保罗·菲茨于1954年提出的菲茨定律,描述了移动时间与到达目标的难度之间的关系。人机交互领域广泛使用的一种表达形式是:

MT=a+blog⁡2(1+DW),MT = a + b\log_2\left(1+\frac{D}{W}\right),

其中,MTMT 为移动时间,DD 为移动距离,WW 为目标沿接近方向的宽度,aa 和 bb 为通过实证估计得到的常数。在该模型的假设条件下,目标越大或越近,通常就越快能指向目标。这有助于解释为何控件应足够大,以及当鼠标指针受显示区域边界约束时,屏幕边缘为何具有特殊优势。触摸输入则带来了不同的限制,包括手指遮挡,以及缺少持续存在的指针。

希克—海曼定律源于威廉·希克于1952年和雷·海曼于1953年发表的研究,将选择反应时间与信息的不确定性联系起来。当各选项出现的概率相等时,一种常见的表达式为:

RT=a+blog⁡2(n+1),RT = a + b\log_2(n+1),

其中,nn 为选项数量。实际界面还涉及视觉搜索、分组、语义熟悉度,以及各选项使用概率不等的情况。因此,不能根据这一定律就得出“所有菜单都应减少选项”的普遍规则。与需要记住选项藏在何处的深层级结构相比,组织良好、选项直接可见的列表可能更容易使用。

GOMS模型族用目标、操作、方法和选择规则来表征熟练操作活动。与之相关的击键层次模型,将按键、指向、手在设备之间的移动、心理准备和系统响应等基本操作结合起来,估算常规操作的执行时间。这些模型可用于比较重复性工作流程的不同方案,但通常假设用户已经掌握一种操作方法,且不会发生模型未涵盖的错误。

模型参数必须针对相关设备、任务和人群进行校准。基于熟练桌面电脑用户做出的预测,未必适用于儿童、使用开关式输入设备的用户,或边走边操作系统的人。实证拟合也不能构成完整的设计判断:交互速度更快,可能意味着更难学习、无障碍程度更低,或更容易出错。因此,预测模型应与观察和评估结合使用,而不能取代它们。

以人为中心的设计与原型制作

以人为中心的设计以明确理解人、人的活动及其所处情境为基础来组织开发工作。ISO 9241-210:2019 阐述的原则包括用户参与、以评价推动改进、迭代、关注整体用户体验,以及多学科协作。这种方法并不要求接受用户提出的每一项功能需求,而是将用户的陈述视为有关需求和具体情境的证据,并结合技术约束及拟议变更的影响加以解读。

典型的设计过程涵盖理解使用情境、明确需求、提出设计方案以及评价方案等活动。这些活动相互关联,而非严格依次进行。观察员工如何协调交接工作,可能会发现,表面上的数据录入问题实际上源于职责不清。随后,原型又可能暴露某种例外情况,促使需求发生变化。迭代的价值在于,交互的许多重要特性往往只有在人们接触到具体的呈现形式时才会显现。

原型制作让团队能够在承担全部实现成本之前审视不同方案。纸面草图可以揭示术语和任务顺序方面的困难。可点击的线框图可用于测试导航和信息组织方式。可运行的原型则能暴露响应时序、手势识别或系统集成方面的问题。保真度具有多个维度:原型可能外观精致,却几乎没有实际功能;也可能外观粗糙,却准确再现了某项关键交互。

绿野仙踪式研究通过隐蔽或仅部分告知参与者的人工操作来模拟某种能力,使研究者能够在自动化技术尚不足以可靠实现该能力时开展研究。这种方法已被用于语音界面及其他智能界面的研究。研究结果取决于模拟者表现的一致性,也取决于模拟行为是否接近可实际部署的系统所能实现的水平。如果一开始没有告知参与者系统的运作方式,就需要格外谨慎地处理知情同意和事后说明。

情境描述、旅程图、任务模型和用户画像等设计产物,有助于团队沟通需求。它们是否有用,取决于其证据基础。基于研究形成的用户画像,可以让反复出现的需求更便于讨论;凭空编造的人口统计特征档案,反而可能强化既有假设。设计依据记录了接受或否决各个方案的原因,使团队发生人员变动时仍能保留相关知识。参与式设计更进一步,让受设计影响的人参与设计决策的形成。这一传统与 20 世纪 70 年代斯堪的纳维亚的工作场所项目密切相关。它提出了代表性、决策权和报酬等实际问题,而不仅仅是在原本已固定的开发流程中增加一次反馈会议。

田野研究与实践研究

许多交互问题无法仅凭任务说明来理解。人们会根据需要调整工具,通过非正式方式协调工作,在出现故障或障碍时临场变通,并依靠官方流程中未曾写明的知识。田野研究在这些实践发生的实际环境中对其展开调查。研究方法包括观察、访谈、情境探查、日记研究,以及考察表单、共享文档和通信记录等实物与资料。

民族志注重持续关注具体情境中的活动,以及参与者自身对这些活动的理解。例如,在运行控制室里,显示设备的空间布局可能让同事无须明确传递消息,就能察觉彼此的工作进展。如果用彼此独立的个人屏幕替代这些显示设备,即使每一项单独的功能都得以保留,也可能失去一种重要的协调机制。田野观察通过考察人们实际如何行事,而不只是流程规定他们应当如何行事,揭示这类依赖关系。

访谈可以探究目标、过往事件、预期和组织层面的限制,但无法直接记录所有行为。参与者可能忘记惯常的操作步骤,也可能描述正式认可的流程,而非普遍采用的实际做法。情境探查将观察与针对正在进行的工作所提出的问题相结合,使研究者更容易将参与者的叙述与具体行动及所用实物和资料联系起来。日记研究能够捕捉不同时段的体验,但记录本身需要付出精力,也可能影响行为。

研究者通常通过编码、比较以及提炼主题或形成解释性论述来分析质性材料。不同研究传统对既有理论和研究者诠释所赋予的作用并不相同。编码者之间的一致性对某些结构化分类任务可能有用,但并不是衡量质性研究质量的通用标准。更具普遍意义的是,清楚记录抽样过程、分析决策、相矛盾的案例,以及证据与论断之间的关系。

对田野研究发现的适用范围,需要谨慎界定。对某个工作场所的细致研究,可能揭示一种同样适用于其他场所的机制,却不能据此确定这种机制在所有工作场所中出现的频率。进入研究现场的准入安排,也可能将不太受关注的群体、临时员工或已不再使用某项服务的人排除在外。对于言论可能影响其就业或社会地位的参与者,研究者必须加以保护。因此,田野研究既是设计需求的来源,也是反思最初界定问题时所用分类框架的一种方式;它可能表明,拟议中的界面改进只解决了相关活动中的一小部分问题。

评估、实验与测量

评估旨在考察设计是否实现了预期目的,以及使用过程中会出现哪些困难。形成性评估为开发过程中的修改提供依据;总结性评估则根据既定标准评价系统。可用性测试通常由参与者尝试完成具有代表性的任务,研究人员在此过程中观察行为、记录结果,并探究遇到的问题。贴近实际的任务应设定有意义的目标,但不透露预期的界面操作顺序。

常用指标包括任务完成情况、用时、错误、所需协助和主观评分。这些指标如何定义十分重要。参与者即使进入了正确的页面,如果误解了结果,也未必算是有效完成了任务。平均完成时间可能掩盖少数耗时极长的失败尝试。出声思考法有助于揭示参与者的理解和预期,但说话可能影响用时或工作负荷,因此需要谨慎解读绩效指标。

约翰·布鲁克于1986年开发的系统可用性量表包含十个问卷条目,得分范围为0至100分。该分数既不代表已完成任务的百分比,也不是对可用性的直接百分比度量。其他测量工具可用于评估工作负荷、实用品质与享乐品质,或特定体验。问卷必须与所研究的构念相匹配,而翻译或大幅改编可能影响其测量特性。

受控实验在比较不同条件的同时,排查其他可能的解释。被试间设计将不同参与者分配到不同条件下;被试内设计则让同一批参与者经历多个条件,因此必须处理顺序、学习和疲劳的影响。随机化与顺序平衡在减少偏差方面发挥着不同作用。合理的结果解读应考虑效应量、不确定性、数据排除、多重比较和实际意义,而不能将统计显著的结果视为改进具有价值的充分证据。无障碍和安全问题即使只影响少数参与者,不足以左右总体指标,也可能十分重要。

检查法可作为用户研究的补充。启发式评估依据通用原则检查界面,而认知走查则着重考察用户能否发现并理解任务序列中的各项操作。这两种方法都无法确定真实用户在所有情境下会如何行动。同样,“五名参与者足以进行可用性测试”的说法也不是普遍适用的抽样规则:问题能否被发现,取决于问题出现的频率、任务覆盖范围、用户多样性和研究目的。大规模在线实验可以精确估计行为差异,但测得点击次数或停留时间增加,本身并不能证明用户福祉有所提升,或任务完成得更好。

图形界面与交互架构

图形用户界面通过窗口、菜单、图标、按钮和文本框等可见对象与控件来组织交互。它是否有效,取决于表征、操作与反馈之间的关系。一个实用的控件必须表明其作用对象,传达自身的当前状态,并产生易于理解的响应。视觉上的精美无法弥补隐藏的依赖关系或含糊不清的结果。

本·施奈德曼在1983年对直接操纵作出了影响深远的阐述,强调持续呈现对象与操作,以直接动作而非复杂语法进行操作,以及结果可见、快速、渐进且可逆的操作方式。拖动文档或调整形状大小就是这种交互方式的例子。直接操纵有助于探索,也能缩小操作意图与可见效果之间的距离,但有些操作仍然更适合用符号化方式表达。按照某种规则重命名数百个文件时,使用命令或脚本可能比反复拖动和编辑更高效。

信息架构决定了内容与功能如何分组、命名和关联。导航系统不仅要支持在不同位置之间移动,还要帮助用户明确自己所处的位置:用户需要知道自己在哪里、有哪些其他选择,以及某项操作是会改变当前对象,还是会将自己带到别处。搜索与浏览相辅相成。搜索要求用户知道如何表达需求,而浏览可以让用户接触到不熟悉的类别,但可能需要经过更多导航步骤。

交互架构也决定了模式与系统状态的运作方式。模式会改变输入的含义,例如,在一种状态下,键入内容会编辑文本,而在另一种状态下则会调用命令。模式可以增强表达能力,但如果用户没有注意到模式切换,就可能出错。持续显示的状态提示、对可执行操作的限制、预览以及可逆操作,都能让状态更易于掌握。撤销功能尤其重要,因为它支持用户尝试探索,而不必事先预判每一种后果。

图形界面与文本界面并不相互排斥。命令行界面能够提供可组合性、精确表达和可重复执行的能力,而图形界面则能提供易于发现的选项和空间反馈。许多专业应用程序将两者结合使用。它们的实现通常涉及事件处理、焦点管理、应用程序状态和异步更新。保持界面显示的状态与底层操作一致至关重要:如果进度指示器报告的仅仅是请求已发送,就可能误导用户,让他们以为操作本身已经成功完成。

输入模态与具身交互

输入技术将人的动作转化为系统操作,输出技术则使系统状态能够被人感知。键盘和指点设备依然重要,因为它们支持精确、持续的工作,但人机交互也研究触摸、触控笔输入、语音、手势、视线、运动、声音和触觉反馈。每种模态都提供特定的可能性,也带来特定的限制;没有哪一种模态在所有情境下都是“自然”或毫不费力的。

触摸交互缩小了操作表面与显示对象之间的距离,但手指会遮挡内容,而且在许多任务中,其指点精度不如精细的光标。控件需要有足够的尺寸和间距,手势则必须易于发现或学习。触控笔可以提高精度,支持手写或绘图,同时也带来了压力感应、手掌误触抑制,以及如何在书写绘画与触发命令之间切换等问题。

语音界面将语音识别与语言理解、对话管理相结合。它们可以支持双手忙于其他事情时的操作,也能帮助打字有困难的用户,但会受到噪声、口音、隐私、对话轮次交替,以及用户不确定有哪些可用命令等因素的影响。语音输出稍纵即逝,且按顺序展开:听取一份长列表与用眼睛快速浏览它并不相同。因此,澄清姓名或确认会产生重大影响的操作等纠错机制,是核心组成部分,而非仅用于特殊情况的附加功能。

多模态交互将不同通道结合起来,例如把语音与指点动作配合使用。各通道可以提供互补信息:“把这个移到那里”这句话,可以借助伴随的手势得到理解。组合不同模态需要实现时间上的对齐、解决信息冲突,并明确某个通道失效时如何处理。信息冗余可以改善无障碍使用,但前提是替代通道确实传达了所需信息,而不是重复造成同样的障碍。

触觉界面通过振动、力或其他触觉效果传递信息。虚拟现实和增强现实在头部运动、身体位置、渲染图像与物理环境之间引入了更多关联。延迟、追踪误差、不恰当的深度线索以及运动不匹配,都可能影响操作表现与舒适度。视线可用于估计注意力或选择目标,但注视并不总意味着有意激活;设置注视停留时间和明确确认步骤可以消除这种歧义,代价是速度降低。具身交互还关注意义如何在身体行动与社会情境中产生,而不只是用传感器替代按钮。在实验室中可以接受的手势,在公共场合使用时可能令人疲劳、过于显眼,或不符合当地文化习惯。

无障碍与包容性交互

数字无障碍关注残障人士能否感知、理解、浏览和操作数字系统。它既包括与辅助技术的兼容性,也包括为存在无障碍障碍的交互方式设计替代方案。相关的能力差异涉及视觉、听觉、行动、言语、认知,以及多种状况的组合。人的能力也会随时间或具体情境而变化,因此,将人群固定地划分为“残障用户”和除此之外能力完全一致的其他人,并不恰当。

《Web 内容无障碍指南》(尤其是于 2023 年作为 W3C 推荐标准发布的 WCAG 2.2)以四项原则来组织各项要求:内容应当可感知、可操作、可理解且具有稳健性。例如,为有实际意义的非文本内容提供文本替代,支持键盘操作,提供足够的对比度、清晰可见的焦点,以及能够说明控件用途的标签。符合这些要求,为无障碍评估提供了重要且可测试的框架,但并不保证每个人都能高效地完成每项任务。

辅助技术依赖的信息有些并不显示在屏幕上。屏幕阅读器利用程序可识别的结构,播报标题、链接、控件、状态和更新。在 Web 应用中,原生的语义化 超文本标记语言元素提供了许多符合预期的行为,而自定义控件则需要额外实现这些行为。一个界面元素即使看起来像按钮,如果缺少恰当的角色、键盘操作行为或无障碍名称,对于不依赖视觉进行导航的人来说,也可能根本无法使用。

无障碍不仅涉及单个组件,还涉及整个交互流程。即使表单可以通过键盘操作,如果更新后焦点丢失、错误播报未说明错误位置,或者用户尚未完成操作会话就已过期,它仍然可能无法满足无障碍需求。字幕必须准确呈现相关的语音和声音信息,而不能只是显示未经校核的识别结果。可视化内容可能需要根据其用途,提供文字描述、底层数据或其他探索方式。对于认知无障碍,清晰的语言、稳定的导航、易于处理的操作步骤,以及易于理解的错误恢复方式,可能与技术上的互操作性同样重要。

包容性设计从一开始就考虑人的差异,而不是把适应不同需求视为最后的补救。让具有相关亲身经历的人参与,并使用他们惯用的技术测试真实的端到端任务,有助于做好包容性设计。任何一位参与者都不能代表某一整类残障人士,而且不同需求之间可能存在冲突:密集的信息可能有助于专家进行比较,却会加重其他人的认知负担。国际化也带来了相关挑战,涉及书写方向、文本长度增加、姓名惯例、日期格式和阅读能力等方面。因此,无障碍设计既需要依据标准进行检查,也需要有意识地选择具有多样性的人群,考察他们的实际使用情况。

协作与社会互动

计算机支持的协同工作研究群体如何借助计算系统,以及在与这些系统相关的活动中进行协调。协作并不只是将个体交互按参与人数简单叠加。人们必须建立共同理解、划分职责、持续了解他人的行动,并处理分歧。如果系统掩盖了任务之间的依赖关系,即使它能支持每个人各自的任务,也可能让集体工作变得更加困难。

协作系统通常从时间和空间两个维度来描述:参与者可以同步或异步工作,也可以身处同一地点或分散在不同地区。这些区分有助于识别设计需求,但不能完全决定设计需求。一份共享文档可能同时涉及实时编辑、非实时评论和面对面讨论。一场视频会议可能连接多个会议室,而远程参与者只能部分听到或看到各会议室内部的交流。

感知机制传达谁在场、发生了哪些变化,以及其他人正在做什么。共享光标、编辑历史、动态信息流和状态指示器可以降低协调成本,但也可能造成干扰,或带来人们不愿接受的监视。适宜的信息可见程度取决于工作本身及其涉及的社会关系。持续显示在线状态的指示器可能有助于需要紧密协调的作业,但当工作人员离开设备去执行重要任务时,也可能产生误导。

技术层面的一致性只是协同编辑的一个组成部分。分布式计算机制可以同步文档状态,但用户仍需理解相互冲突的意图,以及修订的含义。修改者标记、版本历史、评论和权限设置,使人们能够理解变更并就其进行协商。访问控制同样会影响交互:没有解释原因的权限错误可能打断工作流程,而共享范围过大的操作则可能无意中泄露信息。

大规模社交媒体将这些问题扩展到受众、内容审核、身份和社区治理等方面。为某个群体创作的内容可能传播到另一个抱有不同预期的群体,这种现象通常称为“情境坍塌”。界面设计上的选择会影响谁能回复、如何呈现受众、哪些人发布的内容能被看到,以及如何举报骚扰行为。维护社区的工作可能过多地落在管理员或某些成员身上。因此,评估不仅要考察个人参与度,还必须考虑集体层面的成效和负担的分配。用于教育、科研协作和互助的系统,同样需要关注信任、激励机制和制度安排;仅凭按钮层面的可用性测试,无法推断这些因素。

移动、泛在与安全关键场景

移动交互发生在不断变化的物理环境和社会情境中。屏幕尺寸小、注意力时断时续、移动状态、电池续航限制以及不稳定的网络连接,都会影响用户能够完成哪些操作。坐着且双手空闲时可以完成的任务,在提着行李或在户外查看路线指引时可能就会变得困难。响应式布局只能解决其中一部分问题;移动设计还需要考虑任务的中断与恢复、离线时的运行方式,以及向用户提出请求的时机。

马克·韦瑟于1991年发表的文章《21世纪的计算机》描绘了泛在计算的愿景,即让计算融入日常环境。当代实例包括可穿戴传感器、联网家电、门禁系统和环境控制系统。这类系统可能既没有单一的界面,也没有起止界限明确的使用会话。即便如此,用户仍需了解哪些设备正在进行感知、哪个设备拥有控制权、操作的影响如何传递,以及连接中断后如何恢复。

情境感知系统会根据位置、时间、活动或附近设备等信息进行调整。这种自适应能力可以减少用户的操作负担,但错误的推断会带来不确定性。只有在正确识别会议、且例外情况仍易于处理的前提下,会议期间自动将设备静音才有用。让用户能够查看系统推断的情境,并能方便地加以纠正,有助于用户理解系统的行为。共享环境还会带来更多复杂情况,因为其中一人的偏好或权限未必能代表在场的所有人。

安全关键交互涉及航空、工业控制、交通运输和临床信息系统等领域。在这些场景中,必须结合更广泛的技术与组织系统来理解错误。具有误导性的显示、区分不清的控件、被打断的交接或延迟的更新,都可能与其他因素共同作用。报警系统必须区分紧急程度并支持问题诊断,而不应只是发出更多警报。仿真和基于场景的评估十分重要,因为常规的任务完成指标无法证明系统在罕见但后果严重的情况下会有怎样的表现。

自动化改变的是操作人员的角色,而不是消除人的参与。人们可能从直接控制转向监控和异常处理,由此带来警觉性下降、技能难以保持等问题,而且往往恰恰要在最困难的时刻接手控制。态势感知涉及对相关要素的感知、对其意义的理解,以及对其未来状态的预测。界面可以通过呈现有意义的变化趋势、清晰标示自动化模式,并使系统的能力边界可见,来支持态势感知。在这些场景中,评估不仅关注常规操作的速度,还要考察故障恢复、降级运行和协同响应。

与人工智能的交互

人工智能引入了一类系统,其输出可能取决于从数据中学到的统计关系,而不只是明确规定的规则。从交互的角度看,这给系统的能力、一致性及失效方式带来了不确定性。在已知状态下,常规命令可能产生可预测的结果,而人工智能给出的建议或生成的回答则可能随情境而变化,也可能看似合理却并不正确。

因此,人类与人工智能的交互关注如何向用户传达系统能力、用户如何表达目标,以及如何让错误能够被发现和纠正。机器学习的应用包括推荐、识别工具、自适应界面和决策支持。不同任务需要不同的反馈方式。照片整理系统或许可以容忍一些错误建议;而对于影响重大的行政工作流程,则可能需要保留可供审查的输入、决策及人工干预记录。

大语言模型界面允许用户以开放式的自然语言发出指令,可辅助起草文本、解释说明和获取信息。但与传统菜单相比,这类界面也让可用操作的范围变得不那么直观。用户必须自行判断可以提出什么请求、如何明确约束条件,以及如何评估回复。人工智能幻觉使这种评估更加复杂,因为流畅的输出可能掩盖缺乏依据的说法。提供参考资料、查验来源、限定工作流程,以及明确区分生成内容与已核实的记录,都有助于核查,但没有任何呈现方式能够让所有生成的陈述都变得可靠。

信任校准关注的是,用户对系统的依赖程度是否与系统在相关情境中的实际表现相匹配。无论是最大程度的信任,还是始终保持不信任,都不适合作为普遍目标。解释可能增进理解,但也可能只提高接受程度,而未能改善判断。因此,对可解释人工智能的评估,必须考察其对实际决策、错误识别和理解的影响,而不能只看用户是否表示喜欢某种解释。只有当置信度数值的含义和校准方式适合具体任务时,它才有用。

能够采取行动的系统还会引出有关任务委托的其他问题。一个可以发送消息、修改文件或购物的AI智能体,需要提供相应的交互机制,让用户能够设置权限、限定操作范围、预览操作、中断执行,以及在出错后恢复。每项琐碎操作都要求批准,会使委托失去意义;而隐瞒影响重大的操作,又会削弱用户的控制。因此,相关研究探讨了分级自主性和混合主动式交互,在这类交互中,主动权可以在人与系统之间转移。评估必须衡量人类与人工智能协作的整体过程:辅助功能可能改善某一次输出,却同时增加审核工作量、引入新的错误,或导致用户在无法获得辅助时表现下降。

隐私、伦理与研究前沿

人机交互研究界面设计中的选择如何分配知识、精力、机会与控制权。数据隐私在一定程度上是技术问题,但也是交互问题:人们必须了解系统收集哪些信息、用于什么目的,以及会产生什么后果。如果选项难以理解、默认设置含糊不清,或拒绝某项要求就无法进行与之无关的活动,那么即使有设置页面,也无法提供实质性的控制权。同样,不能仅凭用户是否点击了某个按钮,就判断其是否真正同意。

可用性安全研究保护机制与人类行为之间的关系。身份认证、警告、权限和恢复流程都必须能够在现实条件下发挥作用,包括情况不明和时间紧迫的情形。如果安全操作要求用户记住大量缺乏明确依据的规则,或反复打断正常工作,用户就可能采取变通做法。例如,多因素认证不仅涉及初始设置和日常验证,还涉及设备丢失、账户恢复、无障碍使用,以及抵御误导性请求的能力。

欺骗性设计模式是指通过界面安排,引导或操纵用户作出原本可能不会作出的选择。例如,让取消服务远比注册困难,对同等地位的选项给予不对等的视觉强调,以及掩盖周期性收费。分析时需要区分合理引导与损害知情选择的设计。如果评估不同时考虑用户的理解程度、后悔程度和拒绝的能力,转化率或留存率等指标就可能奖励这些做法。

研究伦理涉及参与者的知情同意、保密、报酬及可预见的伤害。当界面变更通过日常服务向用户推出时,什么情况算作参与研究,成为大规模在线研究所引发的问题。涉及儿童、依附关系、敏感记录或弱势群体的研究,需要采取特别的保护措施。研究人员还必须考虑受到原型间接影响的人,例如被可穿戴设备录下的旁观者,或自动生成消息的接收者。

长期存在的研究挑战包括理解长远后果、跨文化和跨机构比较设计,以及衡量无法在简短实验室任务中体现的益处。环境影响将交互设计与设备使用寿命、可维修性、能源需求和消费模式联系起来。新的感知技术和生成式系统,使自主权、来源追溯和监控等问题更加突出。在这些领域中,一个核心的方法论难题是,如何将有关某一界面的局部证据与更广泛的后果联系起来,同时不预设短期便利、技术新颖性或使用量增加就必然意味着改进。