基于眼動追蹤和腦電技術的多維設計特征產品外觀的用戶情感預測模型

李森，李明明，郭伏，劉俊良

(東北大學 工商管理學院，沈陽 110169)

1 引言

隨著生活水平提高，產品外觀設計是否滿足用戶情感需求成為產品設計決策的關鍵因素。如何設計出滿足用戶情感需求的產品是產品設計領域理論研究及其設計實踐面臨的重要問題。通常，產品外觀設計取決于設計師的設計理念，由于設計師與用戶理念不同，產品設計過程中存在信息不對稱，設計師所設計的產品往往難以滿足用戶情感需求。在此背景下，情感化設計作為一種將用戶對產品的情感需求融入到產品設計中的工程技術，引起了學術界和產業(yè)界的濃厚興趣。

情感化設計的核心是用戶情感測量，情感測量的準確性直接影響產品情感化設計水平。目前，情感測量方法包括主觀測量和客觀測量方法。主觀測量方面，常采用自我報告的方式，由用戶依據(jù)情緒量表對自身的情緒狀態(tài)進行報告和描述，常用的有PAD量表、ProEmo情感量表、SAM情緒量表。Mehrabian建立的PAD量表是從情緒的效價、喚醒和優(yōu)勢度三個維度對情緒進行心理評定的量表[1]，是情感測量的常用工具之一。李曉明等對PAD量表進行了中文簡化研究，形成了適用我國人群的情緒主觀評價量表[2]。ProEmo情感量表采用卡通小人的方式測量產品設計評價中的14種情感[3]。Blijlevens等為進一步定義設計中的美學情感，開發(fā)了設計產品的審美愉悅度量表(Aesthetic Pleasure in Design Scale，APiD)[4]。自我評價模型(SAM)是依據(jù)PAD模型的三個維度，采用擬人化的卡通小人來表示評分，被試分別選擇三個維度中最適合自身情緒狀態(tài)的小人圖片來表達情感[5]。SAM量表因其采用圖片來進行打分，應用起來較為簡便，在老年人和兒童等群體中應用尤其廣泛。

客觀測量方法主要是生理測量方法，包括皮膚電反應，心率，肌電圖，腦電EEG，眼動追蹤等[6]。瞳孔直徑作為用戶受自主神經(jīng)系統(tǒng)直接調控的眼動指標，在情感測量中受到學者的廣泛關注。Partala和Surakka為了避免注視因素對瞳孔直徑的影響，采用情緒聲音作為刺激材料，對比了高喚醒的正性和負性情感以及中性情感，發(fā)現(xiàn)無論是正性情感還是負性情感條件下，被試的瞳孔直徑均比中性情感大[7]。而在產品情感測量方面，Ho等以鑰匙產品為例，探索瞳孔直徑大小的變化能否評估產品的情感設計，發(fā)現(xiàn)瞳孔直徑僅能辨別引起負性情感的產品[8]。Guo等則從認知加工方式的角度，指出手機外觀的自上而下和自下而上兩種視覺認知模式下，用戶的眼動行為表現(xiàn)出不同的模式。在利用眼動指標評價產品外觀設計過程中，需要考慮用戶的視覺認知模式[9]。在腦電測量方面，學者利用額區(qū)和中央?yún)^(qū)的P1、LPP成分，揭示了用戶對加濕器外觀的情感偏好形成過程。研究發(fā)現(xiàn)用戶情感偏好的產品外觀設計分配了更多的注意資源，誘發(fā)了更大的LPP成分。而P1作為與刺激辨別有關的成分，則在用戶難以辨別的中性偏好產品外觀時更大[10]。Khushaba等利用腦電及眼動追蹤技術探索了用戶對餅干情感的大腦響應，分析了設計要素與用戶生理指標間的關系[11]。隨著生理測量技術的不斷成熟和應用，學者正逐步探索更多的生理測量指標應用于產品外觀情感測量。

此外，多生理指標的結合也成為用戶產品情感測量研究的熱點。Guo等綜合主觀測量、眼動和生理指標三種模式，探索了用戶在購物網(wǎng)站交互過程中的情感，并分析了各種測量模式之間的關系，為信息產品交互過程中用戶的情感測量提供了思路[12]。唐幫備等采用ERP范式，聯(lián)合記錄眼動數(shù)據(jù)和腦電數(shù)據(jù)，分析了眼動數(shù)據(jù)、腦電數(shù)據(jù)與主觀評價值三者之間的相關性，建立了結合心理和生理指標的汽車設計方案的用戶體驗綜合評價模型[13]。Lópezgil等結合眼動和EEG測量用戶的情感，采用皮膚電活動作為被試是否具有情感變化驗證，并且進行了多種機器學習算法的對比，結果發(fā)現(xiàn)單獨使用EEG時的預測準確性低于眼動和EEG同步時的準確性[14]。Gao對比了主觀測量、心電、面部肌電和腦電在測量用戶對食物產品的情感。研究發(fā)現(xiàn)主觀評價、AF3與AF4電極α/β 功率譜密度、P8電極β波功率譜密度和心率食物產品用戶情感測量的可靠指標，而面部肌電和心率變異率則表現(xiàn)出不穩(wěn)定的現(xiàn)象[15]。不同生理指標結合的優(yōu)勢在產品視覺美學的定量化等方面也得到了印證[16]。相對與情感圖片、情感視頻、人機交互過程等過程誘發(fā)的情感而言，產品外觀誘發(fā)的情感是更為微弱的用戶情感活動[17-18]。因此，如何利用不同模式生理指標的優(yōu)勢測量產品外觀誘發(fā)的用戶情感是目前面臨的挑戰(zhàn)之一。

本文以馬克杯外觀設計為例，探索如何采用多模式測量方法測量產品外觀誘發(fā)的用戶情感，建立用戶情感預測模型。首先通過產品外觀解構，提取產品多維設計特征，進行正交組合設計，繪制產品外觀原型；其次，利用眼動追蹤技術、腦電EEG、主觀評價量表，測量用戶對馬克杯外觀設計原型的情感數(shù)據(jù)；再次，將產品原型進行聚類，結合方差分析，提取表征用戶情感的有效指標；最后，利用PLS回歸建立生理指標與用戶情感的預測模型，并依次開展同類產品外觀、相似產品外觀和不同類產品外觀的用戶情感測量實驗，驗證產品外觀用戶情感預測模型的可靠性。

2 實驗方法

2.1 實驗材料

本文選擇馬克杯為研究對象，其優(yōu)勢在于外觀特征的豐富性和情感需求在用戶需求中占主導地位。篩選互聯(lián)網(wǎng)上主流馬克杯造型圖片，由熟悉產品外觀情感化設計的3名博士生和4名碩士生組成焦點小組，對馬克杯外觀進行解構，提取用戶關注的關鍵設計要素，確立設計要素水平。提取的關鍵設計要素及其水平如表1所示。

表1 馬克杯外觀關鍵設計要素及其水平

為獲得具有代表性的多維設計特征的產品外觀原型，采用正交設計方法，將上述杯身造型、杯把形狀、顏色和材質四個設計要素的水平進行正交實驗設計。正交設計組合方案由SPSS 19.0生成，共25種組合方案。利用Rhino 5.0三維建模軟件建立馬克杯實體模型，并使用Keyshot 5.0渲染軟件進行色彩及材質的渲染，獲得25個馬克杯產品外的三維模型。在控制馬克杯的位置及展示方式相同的情況下，生成各25個馬克杯原型的外觀圖片，用于實驗組測量用戶外觀情感。

為驗證馬克杯外觀的用戶情感生理測量方法的有效性，開展了同類外觀、相似外觀以及不同類產品外觀三組驗證實驗。同類外觀驗證旨在考察設計要素水平的改變，選擇5種不同于實驗組正交組合設計方案的設計要素組合，在選擇過程中，盡量使設計要素水平均勻分布，組合之間具有差異。對于相似外觀，則考察設計要素層面的改變，通過選擇材質和色彩搭配，設計5種相似產品。不同類產品的驗證通過選取5款具有代表性跑車的圖片，旨在考查產品類別層面的改變是否影響用戶外觀情感預測模型的可靠性。

2.2 實驗對象

實驗被試共25名(男13人，女12人)，年齡在22到28歲之間，身體健康，其中24人為學生，1人為個體工作者，學歷覆蓋本科和研究生，都曾經(jīng)購買和使用過馬克杯，均為右利手，無精神病史，視力或矯正視力正常，且所有被試均在自愿情況下參與實驗。實驗前要求被試得到充分休息，心情放松，避免進行劇烈的體力及腦力活動，確保能夠始終保持清醒狀態(tài)。

2.3 實驗設備

實驗采用德國SMI生產的RED遙測式眼動儀追蹤用戶在觀看產品外觀時的眼動數(shù)據(jù)。采樣頻率為500 Hz，追蹤分辨率為0.03°，校準方式為5點校準。眼動追蹤系統(tǒng)硬件包括實驗控制和數(shù)據(jù)記錄主機、刺激呈現(xiàn)顯示器和紅外光攝像頭。軟件系統(tǒng)包含Experiment Center 3.4刺激呈現(xiàn)設計軟件、iView XTMRED眼動儀操作軟件和BeGazeTM3.4眼動數(shù)據(jù)分析軟件。

腦電信號使用Neuroscan公司生產的128導腦電系統(tǒng)記錄，實驗過程中使用64導電極帽、采集放大器和Curry數(shù)據(jù)采集系統(tǒng)記錄數(shù)據(jù)。實驗過程中使用國際10-20電極定位系統(tǒng)，采集額區(qū)、頂區(qū)、枕區(qū)、和顳區(qū)的34個電極點(FP1，F(xiàn)PZ，F(xiàn)P2，F(xiàn)7，F(xiàn)3，F(xiàn)Z，F(xiàn)4，F(xiàn)8，F(xiàn)T7，F(xiàn)C3，F(xiàn)CZ，F(xiàn)C4，F(xiàn)T8，T7，C3，CZ，C4，T8，TP7，CP3，CPZ，CP4，TP8，P7，P3，PZ，P4，P8，PO3，POZ，PO4，O1，OZ，O2)的腦電信號。信號采集以左右乳突為參考，保持各電極阻抗<5kΩ，連續(xù)記錄時濾波帶通為0.05～100 Hz，采樣率為500 Hz。

為調查用戶對產品外觀的情感反映，使用用戶情感測量問卷，收集用戶對馬克杯外觀的情感數(shù)據(jù)[19]。問卷從吸引度(4個子項目)、美觀性(4個子項目)、外顯可用性(3個子項目)和情感感知(3個子項目)四個維度來進行衡量，采用7點李特克量表，其中1代表負性情感，4代表中性情感，7代表正性情感。

2.4 實驗流程

實驗前首先向被試詳細介紹整個實驗內容，征得被試同意后對被試進行眼動校準驗證，僅有能夠校準的被試，方可進入后續(xù)實驗。在所有腦電記錄系統(tǒng)和眼動追蹤系統(tǒng)佩戴、調試完成后，由E-Prime程序呈現(xiàn)實驗刺激，并進行眼動數(shù)據(jù)和腦電信號的同步記錄。實驗過程設定了用戶的購物情景，假設用戶正在瀏覽線上購物商城/汽車線上商店，僅從產品外觀的角度對馬克杯和汽車圖片進行觀看，并給出評價如圖1。

圖1 實驗場景

實驗采用組內設計，每位被試依次完成實驗組、同類產品驗證組、相似產品驗證組、和不同類產品驗證組實驗，每組組內刺激圖片隨機呈現(xiàn)，每組流程為被試首先休息3 min，然后點擊鼠標開始實驗。每個實驗刺激呈現(xiàn)前有3 s的白色空屏以消除上一個刺激的影響，然后在空屏中央中出現(xiàn)一個1 s的黑色十字使被試的目光返回屏幕中心。每張圖片呈現(xiàn)時間10 s，刺激呈現(xiàn)之后再次進入空屏。每組實驗之后進行產品外觀情感的主觀問卷填寫，結束后進行下一組實驗。

2.5 數(shù)據(jù)處理

眼動追蹤數(shù)據(jù)使用BeGazeTM3.4進行處理，通過繪制ROI(Area of Interest)提取用戶在興趣區(qū)域內眼動指標。為探索能夠反映用戶對產品外觀情感的眼動指標，本文選取注視類指標(注視點數(shù)、注視總時間、平均注視時間)、眼跳類指標(眼跳次數(shù)、眼跳總時間、平均眼跳時間、眼跳總幅度、平均眼跳幅度)、眨眼類指標(眨眼次數(shù)、眨眼總時間、平均眨眼時間)以及掃視類指標(掃視路徑長度)。

腦電EEG數(shù)據(jù)首先在Curry 7中進行預覽，以安靜狀態(tài)為EEG信號參考，手動剔除較大的偽跡，然后轉換為.cnt格式文件，導入Matlab 2014a，利用EEGLAB v13.2.2b工具箱進行處理。主要步驟包括1)將參考轉換為雙側乳突參考，重采樣為250 Hz，并進行45 Hz低通濾波；2)采用獨立成分分析去除眼電、肌電等偽跡；3)對EEG數(shù)據(jù)進行分段，提取每位被試各音樂交互過程的EEG數(shù)據(jù)；4)采用Pwelch法計算功率譜密度(512點Hanning窗，重疊50%)，按delta(1 ～ 4 Hz)、theta(4 ～ 8 Hz)、alpha(8 ～ 13 Hz)、beta(13 ～ 30 Hz)、gamma(30 ～ 45 Hz)的頻帶計算各節(jié)律波絕對功率值，再計算5種節(jié)律波的相對功率，其公式[20]為：

3 結果

3.1 主觀測量數(shù)據(jù)結果

為篩選能夠表征用戶對產品外觀情感的眼動指標以及腦電指標，在獲得用戶主觀情感評價的基礎上，利用聚類分析，將實驗組25個正交設計產品的用戶情感評價總分聚類。聚類結果顯示，25個產品聚類為3類較為合適，且方差分析顯示各類的情感評價值均具有顯著差異(P<0.05)。將上述聚類結果按用戶情感評價值，界定為高情感、中情感和低情感，每類具體包含產品見表2。

表2 按主觀情感評價的產品聚類結果

3.2 眼動數(shù)據(jù)結果

對每一產品類別，用戶的各眼動指標進行平均，通過重復測量方差分析，計算各眼動指標在高、中、低情感產品間是否存在顯著性差異見表3。結果發(fā)現(xiàn)，注視次數(shù)、注視總時間、平均眼跳時間、眨眼次數(shù)、眨眼持續(xù)總時間、平均眨眼時間、掃視路徑具有顯著效應。

表3 眼動指標重復測量方差分析結果

針對表3具有顯著效應的眼動指標，利用post-hoc 檢驗，分析各眼動指標在高、中、低三種情感外觀間是否具有顯著的差異。結果顯示，高、中、低三種情感的馬克杯外觀引起的用戶注視次數(shù)、總注視時間和掃視路徑長度均具有顯著性差異(Ps<0.05)，且指標表現(xiàn)出高情感外觀>中情感外觀>低情感外觀。眨眼次數(shù)和平均眼跳幅度則僅在低情感外觀時顯著增多(Ps<0.05)，眨眼總時間和平均眨眼時間僅在高情感外觀時顯著縮短(Ps<0.05)。因此，眼動指標中，注視次數(shù)、總注視時間和掃視路徑長度能夠較好的區(qū)別馬克杯外觀的高、中、低三種情感水平。

3.3 腦電EEG指標結果

對于腦電EEG指標，利用重復測量方差分析篩選各電極delta、theta、alpha、beta、gamma五種節(jié)律波相對功率，并利用post-hoc檢驗，分析各指標在三種情感水平下的差異性。選取在高、中、低三種情感水平均具有顯著差異的指標，篩選結果如表4所示。

表4 腦電節(jié)律波指標重復測量方差分析篩選結果

Post-hoc檢驗發(fā)現(xiàn)，表4中各電極Gamma波相對功率均隨情感水平的變化而單調變化的，即隨著情感水平的升高而顯著提升。F3電極Delta波相對功率則是隨著情感水平的升高而降低，也即該指標的大小單調反映著感性體驗水平的高低。然而側額區(qū)FT7電極Alpha波相對功率，頂枕區(qū)PO4電極Theta波相對功率與枕區(qū)OZ電極Theta波相對功率雖在三種情感水平下均存在顯著性差異，但其變化趨勢并不單調。因此，在后續(xù)建立產品外觀情感預測模型種，采用FP1、FP2、FPZ、F3、FC3、FC4、PZ、PO3、PO4、POZ、O1、OZ電極Gamma波相對功率，以及F3電極點Delta波相對功率。

3.4 用戶情感預測模型

為建立產品外觀用戶情感預測模型，利用偏最小二乘回歸(Partial Least Squares Regression，PLS)解決各生理指標相關性的問題。以產品外觀情感得分為因變量，建立其與上述篩選的16個生理指標(注視點數(shù)，注視總時間，掃視路徑長度，F(xiàn)P1、FP2、FPZ、F3、FC3、FC4、PZ、PO3、PO4、POZ、O1、OZ電極Gamma波相對功率，以及F3電極Delta波相對功率)之間的回歸關系模型。

在建立用戶產品感性體驗得分與生理指標之間的關系模型時，由于因變量和自變量之間是不同量綱的數(shù)據(jù)，需將因變量與自變量進行標準化處理。本文使用標準化法對數(shù)據(jù)進行無量綱化處理。

將標準化過后的生理指標與產品的感性體驗得分建立偏最小二乘回歸模型如式(1)，其中Y為因變量，X1到X16為提取的顯著性生理指標，k1到k16各自變量系數(shù)，C為常量。

Y=C+k1×X1+k2×X2+k3×X3+k4×X4+k5×X5+k6×X6+k7×X7+k8×X8+k9×X9+k10×X10+k11×X11+k12×X12+k13×X13+k14×X14+k15×X15+k16×X16

(1)

利用Minitab 建立PLS回歸模型，結果如式(2)所示?；貧w模型的擬合結果顯示F=11.91,P<0.001。

Y=0.080191X1+0.16432X2-0.009518X3+0.180441X4-0.002715X5+0.076971X6+0.046732X7+0.076677X8-0.251297X9-0.309561X10+0.300323X11+0.174985X12-0.003016X13-0.143818X14+0.133306X15-0.231824X16

(2)

3.5 預測模型的驗證

為驗證產品外觀用戶情感預測模型的有效性，利用同類產品驗證組、相似產品驗證組、和不同類產品驗證組三種實驗數(shù)據(jù)進行模型的驗證。將20名被試對各類驗證組產品的眼動指標、腦電EEG指標作為模型的輸入指標，計算預測值。并與用戶情感評價的實際值對比，得到PLS回歸模型的擬合度R2。驗證結果如表5所示。

表5 產品外觀情感預測模型的驗證結果

模型驗證結果顯示，預測模擬對同類驗證產品的擬合度R2=0.572508，表明基于上述眼動指標和腦電節(jié)律波指標所建立的產品外觀情感預測模型對同類產品具有較好的預測效果。對相似驗證產品的擬合度為R2=0.533048，表明模型對于相似的馬克杯外觀情感具有較好的預測能力。而對不同類驗證產品的擬合度R2=0.333048，表明該模型對于預測不同類產品外觀的用戶情感效果存在一定的局限性。

4 討論

4.1 眼動指標

眼動指標的統(tǒng)計分析發(fā)現(xiàn)，用戶僅有注視點數(shù)，注視總時間，掃視路徑長度三個指標在高、中、低三種情感的馬克杯外觀間具有顯著性差異。依據(jù)注意分配理論，用戶在觀看到自身感興趣的刺激時，其注意力會受到興趣的驅動，分配更多的注意力[21]。此外，情感圖片認知研究也表明人們在觀看正性情感圖片時，相比負性情感圖片，其注視時間更長[22-23]。這也印證了用戶在觀看高情感的馬克杯圖片時，具有更長的注視總時間和更多的注視點數(shù)。更長的掃描路徑則意味著用戶對產品外觀設計特征細節(jié)更為關注，分配了更多的注意。而當用戶觀看較低情感的馬克杯外觀圖片時，其對產品外觀設計特征的關注度較低，甚至忽略較多的產品外觀特征，因此在眼動行為上表現(xiàn)為掃描路徑較短。

4.2 EEG指標

Gamma波相對功率的變化主要體現(xiàn)在額區(qū)與枕區(qū)部位。具體來而言，在前額區(qū)前額區(qū)FP1、FP2、FPZ電極，額區(qū)F3電極，中額區(qū)FC3、FC4電極點，頂區(qū)PZ電極，頂枕區(qū)PO3、PO4、POZ電極點Gamma，以及枕區(qū)O1、OZ電極上Gamma波相對功率在各個感性體驗水平上均有顯著性差異。Gamma波活動被認為與物體的色彩、形態(tài)等物理特征的認知加工有關[24]。在用戶觀看馬克杯外觀過程中，高情感的馬克杯外觀引起了更為活躍的gamma波活動，體現(xiàn)為gamma波功率更強，而低情感的馬克杯外觀引起的gamma波活動較弱。這表明用戶對高情感的馬克杯外觀設計特征加工更多，而對低情感的馬克杯外觀設計特征加工相對較少。這是因為，用戶在觀看高情感相應的外觀設計時，激發(fā)了更多的興趣，投入更多的注意資源來加工產品的特征，進行產生了較強的gamma波活動。這一結果與用戶眼動指標結果相一致。

4.3 用戶情感預測模型

研究利用偏最小二乘回歸的方法建立了產品外觀用戶情感與用戶的生理指標之間的關系模型，并開展同類產品驗證組、相似產品驗證組、和不同類產品驗證組三組實驗對預測模型進行驗證。整體而言，預測模型能夠預測用戶對產品外觀的偏好情況，實現(xiàn)利用生理指標來預測多設計特征產品外觀的用戶情感。然而，從三組驗證實驗結果來看，當產品外觀差異發(fā)生較大變化時，預測模型的精度開始下降。具體表現(xiàn)為R2的下降，即同類產品驗證組的R2=0.572，相似產品驗證組的R2=0.533，不同類產品驗證組的R2=0.333。這是由于本研究建立的預測模型是基于實驗組產品，用戶對馬克杯產品的情感與反應的生理指標的關系涉及產品類型和外觀設計特征。對于不同類產品而言，產品類型的改變決定了產品設計特征的改變。因此，基于某一類產品建立的外觀用戶情感預測模型，在設計要素發(fā)生較大改變時，則可能出現(xiàn)預測精度下降的問題。

4.4 研究價值和不足

研究針對目前產品外觀用戶情感測量的研究多集中于探索生理指標與用戶對產品外觀情感的關系及內部機理的探索[8-10]，在如何利用生理測量指標有效預測用戶產品情感方面探索較少的現(xiàn)狀，結合眼動追蹤和腦電兩種不同生理指標的優(yōu)勢，探索測量產品外觀誘發(fā)的用戶相對微弱的情感活動，建立了用戶情感預測模型。為產品外觀情感化設計提供了基于生理指標的用戶情感預測模型。

本研究的局限性在于模型測試時僅選擇了三類具有代表性的產品外觀進行測量，由于產品類型在一定程度上決定了其設計要素。在后續(xù)研究過程中，應選擇大量產品外觀，進行預測模型的有效性檢驗。

5 結論

本文針對產品外觀用戶情感測量，以馬克杯產品外觀為例，通過產品外觀解構，提取產品多維設計特征，進行正交組合設計，繪制產品外觀原型。分別利用眼動追蹤技術和腦電技術，提取表征用戶情感的有效指標，建立生理指標與用戶情感的預測模型，并驗證產品外觀用戶情感的生理預測模型的可靠性。分析結果發(fā)現(xiàn)，注視點數(shù)，注視總時間，掃視路徑長度，F(xiàn)P1、FP2、FPZ、F3、FC3、FC4、PZ、PO3、PO4、POZ、O1、OZ電極Gamma波相對功率，以及F3電極點Delta波相對功率等指標能夠有效區(qū)分用戶對馬克杯產品外觀的高、中、低情感。利用這些生理指標建立PLS回歸模型能夠有效地預測用戶對產品外觀的情感。

本文的研究意義在于，借助眼動追蹤和腦電技術，探索多維設計特征產品外觀用戶情感的測量方法，同時，利用PLS建立生理指標與用戶情感的預測模型。研究結果為多維設計特征產品的用戶情感測量提供了有效的方法，豐富了情感化設計中用戶情感測量的方法。