草圖設計知識分析方法——結合語音能量和創(chuàng)意拐點

陳 實，楊智淵，孫凌云，樓 赟

（浙江大學 現(xiàn)代工業(yè)設計研究所，浙江 杭州310027）

設計是一個動態(tài)的知識過程，涉及知識的獲取、加工和運用［1］.設計知識包含原理、方法、模型、標準、概念等多個層次的信息，推動設計方案的產生和完善［2］.研究設計過程中的知識對管理設計活動和輔助產品設計都有著重要作用.草圖是產品設計中最重要的活動之一，對于概念的定位、發(fā)展、表達、推演、形成都有著不可替代的地位和作用［3］.草圖設計過程和創(chuàng)造性密不可分，集中了最主要、最核心的產品創(chuàng)新［4］.草圖設計過程的知識研究是設計領域的研究熱點.如羅仕鑒等［5］結合口語分析研究設計師和普通用戶在草圖設計過程中隱性知識的差異；Ippolito等［6］通過研究設計活動探討知識組織和知識重構的作用；劉運通等［7］為了給產品設計過程提供更高效的知識服務，提出一種基于模塊化方法的產品設計知識組織模型；吉祥等［8］通過分析產品設計過程的知識活動，建立了產品設計任務和設計知識的本體模型并提出設計知識推送方法.

廣義上來說，設計知識指能夠支持設計方案產生的知識，包括產品本身屬性相關知識、產品體驗相關知識和設計過程知識［9］.口語分析法（protocol analysis）是獲取設計過程中輸出的設計信息，研究設計知識的主要方法［10］，如劉征等［11］通過口語分析法以獲取設計知識，Salman等［12］基于口語分析法研究計算機輔助工具對建筑概念設計的影響，其途徑主要是對口頭報告的言語內容進行分析.

目前對草圖設計過程的知識研究存在以下不足：

1）口語分析法通常只關注口頭報告的言語內容，而忽視了口頭報告中設計師的語音特征.語音作為重要的生物信號，除言語內容外，包含的說話者情感、個性、態(tài)度以及當前的心理狀態(tài)等重要信息有助于更好地研究口頭報告［13］.

2）現(xiàn)有草圖設計知識研究將草圖設計過程視為一個整體，忽略了草圖設計過程不同階段的變化.草圖設計過程并非持續(xù)、線性的過程，而是多種不同設計階段的組合［14］.

本文提出一種結合語音能量和創(chuàng)意拐點的草圖設計知識分析方法，在提高設計信息提取效率的基礎上，能夠更加準確、深入地研究草圖設計知識.首先，通過語音能量特征分析獲取設計師在設計過程中的興奮片段，結合口語分析法提取關鍵設計信息；其次，基于創(chuàng)意拐點（creative segment）理論［14］，將草圖設計過程劃分為創(chuàng)意探索階段和創(chuàng)意表達階段，分析創(chuàng)意探索和表達階段中關鍵設計信息的構成及其隨時間的變化規(guī)律，了解設計師在草圖設計過程中知識調用的變化.

1 草圖設計過程中的知識與創(chuàng)意拐點

1.1 草圖設計過程中的關鍵設計知識

口語分析法又稱“出聲思考”，是設計認知研究的常用方法.該方法要求設計師在完成設計任務的同時口頭報告自身的思考內容，口頭報告的言語內容反映了設計師在認知層面的所看、所想、所做；在時間序列上，較為客觀地還原了設計認知加工的思維信息，是獲取設計知識的方法之一［15］.但口語分析法要求對設計過程的全部言語內容進行編碼分析，提取的設計信息繁雜，影響對設計知識研究的準確性.

設計師在設計過程中加工大量設計信息，但由于認知負荷的限制，對不同設計信息的關注程度不相同［16］.設計師關注程度較高的信息更容易影響創(chuàng)意產生，是設計過程中的關鍵設計信息；設計師關注程度較低的信息則容易被忽視，對創(chuàng)意產生的影響較小.依據關注程度對設計信息加以區(qū)分，能夠更加清晰地了解設計師的信息加工重點，從而了解設計中的知識調用特征.

在口頭報告設計信息的過程中，設計師的興奮程度表現(xiàn)了其對信息的關注程度.通過分析口頭報告中的語音特征，可識別設計過程中設計師的興奮片段；將提取的興奮片段進行言語分析，可得到草圖設計過程中的關鍵設計信息.

典型的語音特征包含能量、音調、音強、語速等韻律特征［17］，而且此類特征變化不因說話者的個體、文化差異而改變［18］.能量是語音的一個重要韻律特征，一般來說，當人們處于興奮狀態(tài)時，語音的能量較高，而平靜狀態(tài)時則能量較低［19］.因此，可對口頭報告進行語音能量特征分析以識別興奮片段，進而篩選出關鍵設計信息.

1.2 草圖設計過程中的不同階段

在草圖設計過程中，設計師根據一定的設計問題激發(fā)設計思維，在腦中產生創(chuàng)新想法，并繪制草圖加以表達，形象直觀的草圖作為新的視覺刺激被感知，在設計知識的作用下進一步加強或者激發(fā)新的思維活動［20］.草圖設計過程并不均衡，而是經由腦內加工、草圖表達、視覺刺激三者相互作用，不斷形成階段性的草圖方案，即：創(chuàng)意拐點.相應的，草圖設計過程可分為創(chuàng)意探索階段（即：創(chuàng)意拐點間探索，“想”的階段）和創(chuàng)意表達階段（即：創(chuàng)意拐點的表達，“繪”的階段）［14］.在草圖設計過程中，創(chuàng)意探索階段和創(chuàng)意表達階段反復交替出現(xiàn).在創(chuàng)意探索階段中，設計師在設計知識的作用下不斷激發(fā)思維進行探索；在創(chuàng)意表達階段中，設計師對新產生的創(chuàng)意進行闡述.

草圖設計過程的不同階段，設計師對知識的加工運用模式并不相同，所涉及的設計信息也有所變化.研究創(chuàng)意探索階段和創(chuàng)意表達階段的知識可以更好地理解草圖設計過程，為設計輔助提供基礎.

2 結合語音能量和創(chuàng)意拐點的草圖設計知識分析方法

2.1 方法步驟

針對口語分析法的不完善之處，提出結合語音能量和創(chuàng)意拐點的草圖設計知識分析方法（以下簡稱綜合分析法），如圖1所示.在原有口語分析法的基礎上加入語音能量特征分析，并劃分草圖設計過程，可以更好地獲取并研究關鍵設計知識，從而為知識輔助系統(tǒng)的實現(xiàn)提供基礎.其主要步驟如下：

1）提取設計過程中的高能量語音點.獲取設計師口頭報告的語音數(shù)據，計算口頭報告的每秒語音能量均值；選取語音能量均值在預設基準之上的時間點（秒）作為高能量語音點.

2）劃分草圖設計過程.設計過程中創(chuàng)意表達階段和創(chuàng)意探索階段交替出現(xiàn).創(chuàng)意表達階段從設計師產生新創(chuàng)意拐點后對其進行繪制的第1筆開始，到將該想法完整表達出來為止；結合被試的口頭報告和過程中的視頻數(shù)據，人工識別創(chuàng)意表達階段.其余部分則為創(chuàng)意探索階段.

3）分別提取創(chuàng)意探索和表達階段的高能量語句.根據劃分出的創(chuàng)意探索和表達階段，將1）中提取的高能量語音點劃分成創(chuàng)意探索階段的高能量語音點和創(chuàng)意表達階段的高能量語音點，分別提取2個階段的高能量語句.高能量語句自提取的高能量語音點開始，至該句話表達完成為止.一個高能量語句中可能包含多個連續(xù)的高能量語音點.

圖1 結合語音能量和創(chuàng)意拐點的草圖設計知識分析方法Fig.1 Design knowledge analytical method during sketching combining acoustic energy feature and creative segment theory

2.2 語音能量均值計算方法

口頭報告中的語音信號是一種非平穩(wěn)時變態(tài)信號，產生過程與發(fā)聲器官的運動緊密相關，不能用處理平穩(wěn)信號的信號處理技術對其進行分析處理.

通常，發(fā)聲器官的狀態(tài)變化速度較聲帶振動的速度要緩慢得多，在5～50ms的短時間范圍內，語音頻譜特性和一些物理參數(shù)基本保持不變，可以看作一個準穩(wěn)態(tài)過程，即有短時性，這被稱作“短時平穩(wěn)假設”［21］.因此可以將平穩(wěn)過程的處理理論和方法引入到語音信號的短時分析中，每個短時的語音段稱為一個分析幀.每個分析幀是從一個具有固定特性的持續(xù)語音中截取出來的，對該分析幀進行處理就相當于對固定特性的持續(xù)語音進行處理.為了使幀與幀之間平滑過渡，保持其連續(xù)性，采用交疊分段的方法，即幀移［22］.分幀是用可移動的有限長度窗口對信號進行加權的方法來實現(xiàn)的.

當人們情緒比較激動的時候，比如驚訝、憤怒、高興，其音量會變大；在這些情況下，振幅構造是表示情緒的重要特征.本文選取短時平均幅度的能量均值作為判斷興奮程度的依據.

計算語音信號能量的方式有很多，計算每一幀的短時能量時，考慮到避免對高電平過于敏感，不使用幅值平方而用振幅的絕對值.假設第n 幀語音信號xn（m）的短時平均幅度用Mn表示，那么其計算公式如下：

式中：L 為幀長.

則能量可表示為

式中：N 為幀數(shù).

根據計算得到的每幀能量均值，對1s內所包含幀數(shù)的能量均值進行平均處理，得到口頭報告中每個時間點（s）的能量均值.

3 實驗設計與數(shù)據處理

基于上述方法，本文通過一個草圖實驗對設計過程中的設計知識進行研究.通過與口語分析法的比較，驗證該方法的有效性與優(yōu)越性；同時通過分析草圖設計過程不同階段的設計信息，更好地了解草圖設計過程中的知識變化規(guī)律.

3.1 實驗設計

7名浙江大學設計學研究生參加了本次實驗，平均年齡為25.2歲，平均設計經歷為4.8a.

本研究中每位被試需要完成2輪實驗，每輪實驗時間為90min，包含以下3個階段（見圖2）：

第1階段：研究人員向被試介紹實驗任務，并指導被試進行出聲思考練習，練習時間為10min.

第2階段：被試根據給定的實驗任務開始設計，設計過程中要求被試出聲思考；實驗的設計時間為72min，以保證被試既有充足的設計時間，又不因疲憊影響口頭報告質量.

第3階段：研究人員詢問并記錄被試的設計思路.

圖2 實驗流程Fig.2 Experiment process

實驗要求被試通過手繪板繪制草圖.實驗全程使用錄音筆記錄被試的口頭報告，用屏幕錄像軟件記錄被試的草圖過程.如圖3所示為實驗過程的草圖實例.

2輪實驗題目分別為室外家具設計與兒童戲水裝置設計；且題目的先后順序隨機.為保證實驗質量，在完成第1輪實驗后，被試間隔2～3d才能進行第2輪實驗.2輪實驗除實驗題目不同外，其他實驗流程一致.

圖3 實驗過程的草圖實例Fig.3 Example of sketch during experiment

3.2 方法應用

實驗后得到被試草圖設計過程的音頻和視頻數(shù)據各14段，共2 016min.對這些草圖設計過程數(shù)據根據綜合分析法進行處理，包括提取高能量語音點、劃分草圖設計過程和提取高能量語句，以獲取創(chuàng)意探索階段和創(chuàng)意表達階段的關鍵設計信息.

3.2.1 提取設計過程中的高能量語音點 將每個被試的實驗錄音以3 min 為一段劃分成24 段，共336段.使用MATLAB計算每秒語音的能量均值.選取每段中語音能量均值在前10%的時間點（s）作為高能量語音點，即每段選取18個高能量語音點，共6 048個.

3.2.2 劃分草圖設計過程 結合被試的口頭報告和視頻數(shù)據人工識別設計師的創(chuàng)意表達階段.為保證識別的準確性，由2個實驗人員獨立識別并核對后，最終得到創(chuàng)意表達階段共274個.剩余的片段即為創(chuàng)意探索階段，共288個.

3.2.3 提取創(chuàng)意探索和表達階段的高能量語句 根據劃分出的創(chuàng)意探索和表達階段，結合提取的高能量語音點，最終得到創(chuàng)意探索階段的高能量語句500句.

創(chuàng)意表達階段的時間比較短暫，平均每個階段僅22.4s.在創(chuàng)意表達階段中被試的注意力相對集中，興奮程度較高，提取出的高能量語句基本包含了整個創(chuàng)意表達階段的言語內容，因此最終得到創(chuàng)意表達階段的高能量語音片段946句.

3.3 設計信息編碼

為了提取設計師口語報告中的設計信息，本文在原有external-internal-reflexive（EIR）語義編碼模型［23］的基礎上構建design content-experience-reflecting（DER）信息內容編碼模型，根據口語報告中言語內容的語義分類提取設計信息.

EIR 語義編碼模型是心理學領域對敘述過程的言語內容進行分類的一種方法，它將言語內容通過語義劃分成3類，包括：1）對事物本身的敘述；2）對主觀經驗、感受的敘述；3）對過去、現(xiàn)在、未來的反思與展望.由于EIR 語義編碼模型僅是對敘述過程中語義內容的分類，并沒有映射到設計信息內容上，因此本文擴展了編碼規(guī)則，根據語義對設計過程中的設計信息進行提取、分類，如表1所示.DER 信息內容編碼模型主要包含3個類別，分別為：設計信息中產品相關的描述性內容（Design Content）；設計信息中產品體驗相關的內容（Experience）；設計信息中設計評估、反思相關的內容（Reflecting）.其中產品相關的描述性內容范圍較廣，因而進一步劃分成3個小類，分別為：設計信息中產品外觀相關的內容（D1）；設計信息中工藝相關的內容（D2）；設計信息中產品功能相關的內容（D3）.

為了比較口語分析法和綜合分析法的差異，按照DER信息內容編碼模型分別對草圖設計過程的全部內容語句和提取的高能量語句進行編碼，部分的編碼實例如表2所示.為保持編碼的可靠性，由2個實驗人員獨立編碼并核對后，確認最終的編碼方案.

表1 設計信息內容編碼模型和舉例Tab.1 Encoding model of design information content and examples

表2 部分編碼實例Tab.2 Part of code examples

在草圖設計過程中，含有內容語句共11 493句，去除言語內容無意義的無效語句538句，編碼后最終得到的設計信息編碼共10 955個，其中言語內容與方案直接相關的信息編碼6 165個.

提取的高能量編碼語句共1 446句，去除言語內容無意義的無效語句40句，編碼后得到高能量語音片段的設計信息編碼共1 406個，其中，創(chuàng)意探索階段的設計信息編碼共468個，創(chuàng)意表達階段的設計信息編碼共938個.言語內容與方案直接相關的信息編碼則為1 279個.

根據提取的設計信息編碼，比較過程內容語句和高能量語句的設計信息構成.將草圖設計過程以9min為一段，劃分成8段，得出各個時間段內各類設計信息的數(shù)量，計算其所占比例，并觀察其信息構成隨設計過程發(fā)展的變化.

4 實驗結果

4.1 實驗題目差異檢驗

使用Wilcoxon符號等級檢驗法對比2個題目下口語報告的語音能量均值，發(fā)現(xiàn)不同的題目對語音能 量 均 值 的 影 響 不 顯 著 （Z ＝-0.845；p ＝0.398）.題目對草圖設計過程的設計信息編碼數(shù)量（Z＝-0.801；p＝0.423）和構成比例（χ2＝0.661；p＝0.719）的影響同樣并不顯著.

4.2 口語分析法和綜合分析法提取的設計信息比較

通過比較草圖設計過程內容語句和高能量語句的設計信息構成，及其隨時間的變化，說明口語分析法和綜合分析法在設計信息提取上的差異.

4.2.1 無效編碼比例比較 提取的高能量語句中，無效編碼語句的比例為2.9%，遠低于過程內容語句中的無效編碼語句比例（12.0%）.通過語音能量特征提取設計信息相較于口語分析法更為準確.

4.2.2 與方案直接相關的設計信息比例比較 對高能量語句編碼后的設計信息中，與方案直接相關的設計信息占比91.0%，而在過程內容語句中，與方案直接相關的設計信息僅占56.3%.通過語音能量特征提取的設計信息是設計信息中的關鍵部分，是設計師信息加工的重點.

4.2.3 設計信息中D、E、R 的構成比例比較 過程內容語句和高能量語句的設計信息構成比例P無顯著差異（χ2＝5.654；p＝0.059）.兩者的設計信息都以產品信息（D）為主，所占比例分別為68.2%和69.8%（見圖4）.相較于高能量語句中的設計信息，過程內容語句的設計信息構成中產品體驗信息（E）比例有小幅度上升，而產品信息（D）和評估反思信息（R）則都有所下降.

圖4 過程內容語句和高能量語句的設計信息構成比較Fig.4 Comparison of design information construction between process content statements and highenergy statements

4.2.4 設計信息總量隨時間t的變化比較 過程內容語句和高能量語句的設計信息總量N 隨時間的變化趨勢無顯著差異（χ2＝7.628；p＝0.366）.高能量語句的設計信息總量隨時間變化呈現(xiàn)緩慢下降趨勢，而過程內容語句的設計信息總量隨時間變化則表現(xiàn)得更為平緩（見圖5）.

上述結果說明，通過語音能量特征提取的關鍵設計信息和通過口語分析法提取的全過程設計信息在信息構成及其變化趨勢上無顯著差異.關鍵設計信息的構成與變化能夠反映整個設計過程的信息構成與變化.

圖5 過程內容語句和高能量語句的設計信息變化趨勢比較Fig.5 Comparison of design information changing trend between process content statements and high-energy statements

4.3 創(chuàng)意探索和表達階段關鍵設計信息構成及變化

通過分析草圖設計過程中不同階段的設計信息構成及其隨時間的變化，可以了解草圖設計過程中的設計知識調用.

4.3.1 創(chuàng)意探索和表達階段的語音能量均值 使用McNemar檢驗發(fā)現(xiàn)創(chuàng)意探索階段和創(chuàng)意表達階段的語音能量均值存在顯著差異（Z＝-3.296；p＝0.001），創(chuàng)意表達階段的聲音能量均值要高于創(chuàng)意探索階段，說明被試在創(chuàng)意表達階段表現(xiàn)得更為興奮，這與預期結果相符.

對2階段語音能量均值的差值用混合模型進行分析預測，結果表明，被試在創(chuàng)意探索和表達階段的語音能量差值隨時間變化的規(guī)律明顯（t＝3.158；p＝0.018）.隨著時間的增長，創(chuàng)意探索階段和創(chuàng)意表達階段之間的聲音能量差值逐漸減小.

4.3.2 創(chuàng)意探索和表達階段的信息構成 設計師在草圖設計過程的不同階段對設計信息的加工有一定的相似性.在創(chuàng)意探索和表達階段的信息構成中，所占比例最高的都是產品信息，其次是評估反思信息，所占比例最低的是產品體驗信息（見圖6）.

創(chuàng)意探索和表達階段在具體信息構成比例上有顯著差異（χ2＝79.754；p＜0.01）.產品信息，特別是產品功能信息（D3），在創(chuàng)意表達階段中所占比例要遠高于在創(chuàng)意探索階段所占比例.相對地，評估反思信息和產品體驗信息的比例在創(chuàng)意探索階段要高于創(chuàng)意表達階段.相較于創(chuàng)意表達階段，創(chuàng)意探索階段的設計信息構成更加多元化，設計師涉及的設計信息內容更廣.

圖6 創(chuàng)意探索和表達階段的設計信息構成Fig.6 Design information construction in creative exploration phases and creative expression phases

4.3.3 創(chuàng)意探索和表達階段的信息構成隨時間的變化 在創(chuàng)意表達階段，設計信息的構成比例沒有隨時間出現(xiàn)顯著變化（χ2＝21.661；p＝0.086）（見圖7）.在產品信息中，各類設計信息的比例隨時間也沒有顯著變化（χ2＝9.23；p＝0.816）（見圖8）.

在創(chuàng)意探索階段，設計信息的構成比例隨時間變化顯著（χ2＝57.150；p＝0.001）.如圖9所示，在設計前期，產品信息和評估反思信息的比例都有所升高，而產品體驗信息的比例下降明顯.在設計中期，產品體驗信息的比例呈現(xiàn)上升趨勢；產品信息和評估反思信息比例則持續(xù)下降.在設計后期，產品信息的比例出現(xiàn)先降后升的趨勢，評估反思信息的比例則相反，呈現(xiàn)先升后降的趨勢，而產品體驗信息的比例則持續(xù)下降.

圖7 創(chuàng)意表達階段D、E、R 隨時間的變化Fig.7 Changes over time in D、E、R during creative expression phases

圖8 創(chuàng)意表達階段D1、D2、D3隨時間的變化Fig.8 Changes over time in D1、D2、D3during creative expression phases

圖9 創(chuàng)意探索階段D、E、R 隨時間的變化Fig.9 Changes over time in D、E、Rduring creative exploration phases

進一步分析，創(chuàng)意探索階段中產品信息的構成比例隨時間變化顯著（χ2＝24.582；p＝0.039）.產品工藝信息（D2）的比例在設計過程中持續(xù)下降（圖10）.在設計前期，產品外觀信息（D1）和產品功能信息（D3）的比例迅速上升；在之后的設計過程中，產品外觀信息和產品功能信息的比例呈現(xiàn)互為相反的趨勢，D3的比例升高時D1的比例則開始下降.

5 討 論

圖10 創(chuàng)意探索階段D1、D2、D3隨時間的變化Fig.10 Changes over time in D1、D2、D3during creative exploration phases

相較于口語分析法，結合語音能量和創(chuàng)意拐點的草圖設計知識分析方法能更準確、更深入地對設計知識進行研究.通過語音能量特征分析，可以有效地篩選出設計過程中的關鍵設計知識；通過分析草圖設計過程不同階段的關鍵設計知識，可以了解不同階段設計師對知識調用的差異.

5.1 結合語音能量和創(chuàng)意拐點的草圖設計知識分析方法的優(yōu)勢

口語分析法需對草圖設計過程的全部言語內容進行編碼分析從而獲取設計知識，本文提出的方法首先通過語音能量特征識別設計師在草圖設計過程的興奮片段，再獲取興奮片段的設計知識.該方法不僅提高了設計知識獲取效率，并且其獲取的設計知識是草圖設計過程中的關鍵設計知識，其變化趨勢能夠代表整個草圖設計過程的知識變化.

5.1.1 結合語音能量特征獲取的設計知識是草圖設計過程中的關鍵設計知識 草圖設計過程中涉及到大量的設計知識，這些設計知識都會在一定程度上影響設計結果的產生，但與設計結果直接相關的設計知識是設計師的加工重點，是設計過程中的關鍵設計知識.通過語音能量特征分析可以篩選出設計過程中大部分的關鍵設計知識，為更加準確、高效地研究設計知識提供基礎.

5.1.2 通過分析關鍵設計知識的變化能夠了解草圖設計過程知識的變化 關鍵設計知識是草圖設計過程知識的縮影，其知識構成和隨時間的變化趨勢與草圖設計過程知識的構成和變化趨勢相似，通過研究關鍵設計知識可以了解整個設計過程中知識的變化規(guī)律.

5.2 草圖設計過程不同階段的設計知識調用特征

草圖設計過程是多種不同設計階段的組合，通過分析草圖設計過程不同階段的設計知識調用差異，可以了解設計師在設計過程的不同階段的知識調用特征.

5.2.1 設計師在創(chuàng)意探索和表達階段表現(xiàn)出不同的興奮程度 創(chuàng)意表達階段設計師處于比較興奮的狀態(tài)，精神相對更為集中，表現(xiàn)為口頭報告的語音能量升高.而在創(chuàng)意探索階段，設計師既會由于出現(xiàn)新思路等變得興奮，也會受到設計探索不順利等因素影響變得沮喪，相對創(chuàng)意表達階段，整體更為平靜、放松.

設計師在創(chuàng)意表達階段的興奮程度也會隨著時間的增長而逐漸減弱.一方面，設計師的靈感隨時間逐漸枯竭，新想法的創(chuàng)新性逐漸下降，導致設計師在產生新想法時的興奮程度下降；另一方面，設計師身體、精神上的疲憊隨時間逐漸增加，導致設計師的思維活躍度下降，創(chuàng)意表達階段中設計師的興奮程度不斷減小.

5.2.2 創(chuàng)意探索和表達階段的知識調用存在差異

設計師在草圖設計過程的輸出信息顯示了其對設計知識的調用加工情況.在草圖設計過程中，無論是創(chuàng)意探索階段還是創(chuàng)意表達階段，設計師調用最頻繁的都是產品相關的描述性知識.設計過程中問題與方案相互促進，帶來設計產品知識的頻繁考慮.

創(chuàng)意探索和表達階段中設計師調用的知識側重點有所不同.在創(chuàng)意表達階段，設計師關注于產品本身的設計屬性，著重于描述產品的功能、工藝與外觀，調用更多的是產品相關的知識.而在創(chuàng)意探索階段，設計師會從已有產品、個人經歷中汲取靈感，結合設計內容進行廣泛探索，經歷體驗相關的知識會明顯增多；對設計的評估和反思是設計活動中不可或缺的一步，可以促進設計的發(fā)展與完善，評估反思相關知識的大幅度增加是設計師在創(chuàng)意產生過程不斷進行思考、探索的結果.

5.2.3 創(chuàng)意探索和表達階段的知識構成隨設計過程發(fā)展呈現(xiàn)不同變化趨勢 創(chuàng)意表達階段的知識構成相對比較穩(wěn)定，沒有隨時間產生顯著變化.設計師專注于新產生的想法，在闡述想法時會遵循一定的設計原則，有著相似的思維過程，調用的設計知識也會有著很高的相似性.

而在創(chuàng)意探索階段，設計師關注知識的構成隨時間變化明顯.在這個階段，設計師的思維較為發(fā)散，容易被設計經驗、外界反饋如草圖、環(huán)境等因素影響，設計方案的不斷探索成熟引起設計師思維的變化，導致設計師調用的知識產生變化.

在設計前期，設計師著重于分析設計問題，試圖通過對設計產品的功能、工藝等的解構與評估，找到設計的切入點，產品相關的知識和評估反思相關的知識更被設計師關注.在設計中期，經歷體驗相關的知識逐漸被設計師大量調用，設計師開始通過模擬使用場景等方式擴展思路，以尋求更多、更優(yōu)的問題解決方案.而在設計后期，設計師更多的關注于對產品方案的整合，從產品本身出發(fā)，思考設計問題的最優(yōu)解決方案，重新大量調用產品相關的知識，對經歷體驗相關的知識和評估反思相關的知識的調用則有所減少.

5.3 對設計知識輔助系統(tǒng)的啟示

本文的研究結果為知識輔助系統(tǒng)的開發(fā)提供參考.在草圖設計過程中，設計師調用最多的是產品相關的知識，知識輔助應主要集中在產品內容，尤其是產品功能、工藝相關的知識上.并且隨著設計過程的發(fā)展，逐漸增加其他類型輔助知識的比例.

設計師在創(chuàng)意探索和表達階段調用的知識存在差異，知識輔助系統(tǒng)應根據草圖設計過程的不同階段提供不同的知識輔助.在創(chuàng)意探索階段，應側重于多樣化的輔助知識，并考慮設計過程發(fā)展，如在設計中期提供產品的使用場景等能引起設計師聯(lián)想的知識，激發(fā)設計師思維，提高創(chuàng)意產出；而在創(chuàng)意表達階段則以產品內容相關知識為主，幫助設計師更好的闡述想法，提高設計質量.

6 結 語

本文在口語分析法的基礎上，引入語音能量特征分析提取草圖設計過程中的關鍵設計知識；基于創(chuàng)意拐點理論將草圖設計過程劃分成創(chuàng)意探索階段和創(chuàng)意表達階段，分析不同設計階段的關鍵設計知識變化.了解草圖設計過程中設計師的信息加工過程和知識調用特征，為草圖設計知識研究提供了一種新的思路.

與口語分析法相比較，基于語音能量和創(chuàng)意拐點的草圖設計知識分析方法更為簡單、有效，其獲取的知識不僅與設計結果緊密相關，是設計過程中的關鍵設計知識，并且能代表整個設計過程的知識變化趨勢.

本文通過該方法對草圖設計過程不同階段的知識調用進行進一步研究.研究發(fā)現(xiàn)不同設計階段設計師的知識調用模式存在差異.設計過程中的知識調用總體以產品相關的知識為主，創(chuàng)意探索階段的設計知識相較創(chuàng)意表達階段更為多樣化.創(chuàng)意表達階段的知識構成相對穩(wěn)定，而探索階段的知識構成則隨設計過程發(fā)展變化明顯.這為知識輔助系統(tǒng)的開發(fā)提供參考.

本研究中的研究方法和實驗案例屬于工業(yè)設計中概念設計的范疇；其研究手段和結論在其他設計領域的適用性和可推廣性還有待進一步研究.

（

）：

［1］BERTOLA P，TEIXEIRA J C.Design as a knowledge agent：how design as a knowledge process is embedded into organizations to foster innovation［J］.Design Studies，2003，24（2）：181-194.

［2］涂建偉，李彥，李文強，等.一種面向產品創(chuàng)新設計的知識檢索模型與實現(xiàn)［J］.計算機集成制造系統(tǒng).2013，19（02）：300-308.TU Jian-wei，LI Yan，LI Wen-qiang，et al.Knowledge retrieval and implementation for product innovative design［J］.Computer Integrated Manufacturing Systems，2013，19（02）：300-308.

［3］TANG H H，LEE Y Y，GERO J S.Comparing collaborative co-located and distributed design processes in digital and traditional sketching environments：aprotocol study using the function– behaviour–structure coding scheme［J］.Design Studies，2011，32（1）：1-29.

［4］TABORDA E，CHANDRASEGARAN S K，Kisselburgh L，et al.Enhancing visual thinking in a toy design course using freehand sketching［C］∥ASME 2012 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference.Chicago：American Society of Mechanical Engineers，2012：267-276.

［5］羅仕鑒，潘云鶴，朱上上.產品設計中基于圖解思維的隱性知識表達［J］.機械工程學報.2007，43（6）：93-98.LUO Shi-jian，PAN Yun-he，ZHU Shang-shang.Patterns of tacit konwledge based on graphic thinking in product design［J］.Journal of Mechanical Engineering，2007，43（6）：93-98.

［6］D IPPOLITO B，MIOZZO M，CONSOLI D.Knowledge systematisation，reconfiguration and the organisation of firms and industry：the case of design［J］.Research Policy，2014，43（8）：1334-1352.

［7］劉運通，唐任仲，鄭軍.基于模塊化方法的產品設計知識組織模型［J］.浙江大學學報：工學版.2012，45（11）：1900-1907.LIU Yun-tong， TANG Ren-zhong，ZHENG Jun.Aknowledge organization model for product design knowledgebased on the modular approach［J］.Journal of Zhejiang University：Engineering Science，2012，45（11）：1900-1907.

［8］吉祥，顧新建，代風，等.基于本體和粗糙集的產品設計知識推送技術［J］.計算機集成制造系統(tǒng).2013，19（1）：7-20.JI Xiang，GU Xin-jian，DAI Feng，et al.Technology for product design knowledge push based on ontology and rough sets［J］.Computer Integrated Manufacturing Systems，2013，19（1）：7-20.

［9］VAN AKEN J E.Valid knowledge for the professional design of large and complex design processes［J］.Design Studies，2005，26（4）：379-404.

［10］GERO J S，KAN J W，POURMOHAMADI M.Analysing design protocols：Development of methods and tools［J］.Research Into Design，Research Publishing，2011：10-30.

［11］劉征，魯娜.基于問題方案共進模型的設計知識獲取方法［J］.中國機械工程.2011，22（10）：1207-1213.LI Zheng，LU Na.Method of design knowledge acquisition based on co-evolution model of problem ＆solution ［J］.China Mechanical Engineering，2011，22（10）：1207-1213.

［12］SALMAN H S，LAING R，Conniff A.The impact of computer aided architectural design programs on conceptual design in an educational context［J］.Design Studies，2014，35（4）：412-439.

［13］ILIEV A I，SCORDILIS M S，PAPA J P，et al.Spoken emotion recognition through optimum-path forest classification using glottal features ［J］.Computer Speech ＆Language，2010，24（3）：445-460.

［14］SUN L，XIANG W，CHAI C，et al.Creative segment：a descriptive theory applied to computer-aided sketching［J］.Design Studies，2014，35（1）：54-79.

［15］SARKAR P，CHAKRABARTI A.A support for protocol analysis for design research［J］.Design Issues，2013，29（4）：70-81.

［16］DAVENPORT T H，V?LPEL S C.The rise of knowledge towards attention management［J］.Journal of Knowledge Management，2001，5（3）：212-222.

［17］SUZUKI M，NAKAGAWA S，KITA K.Emotion recognition method based on normalization of prosodic features［C］∥2013 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference.Kaohsiung：IEEE，2013：1-5.

［18］KOOLAGUDI S G，RAO K S.Emotion recognition from speech using source，system，and prosodic features［J］.International Journal of Speech Technology，2012，15（2）：265-289.

［19］EL AYADI M，KAMEL M S，KARRAY F.Survey on speech emotion recognition：Features，classification schemes，and databases ［J］.Pattern Recognition，2011，44（3）：572-587.

［20］孫凌云，王長路，柴春雷，等.基于創(chuàng)意拐點的計算機輔助草圖設計技術［J］.中國科學：信息科學，2013（008）：996-1011.SUN Ling-yun，WANG Chang-lu，CHAI Chun-lei，et al.A computer-aided design technology based on creative point ［J］.Science China：Information Sciences，2013（008）：996-1011.

［21］張永皋，馬青玉，孫青.基于MFCC 和CHMM 技術的語音情感分析及其在教育中的應用研究［J］.南京師范大學學報：工程技術版，2009：89-92.ZHANG Yong-gao，MAQing-yu，SUN Qing.Investigation on speech emotion analyses and its application in education based on MFCC and CHMM techniques［J］.Journal of Nanjing Normal University：Engineering and Technology Edition，2009：89-92.

［22］王海鶴，陸捷榮，詹永照，等.基于增量流形學習的語音情感特征降維方法［J］.計算機工程，2011，37（12）：144-146.WANG Hai-he，LU Jie-rong，ZHAN Yong-zhao，et al.Dimensionality reduction method for speech emotional feature based on incremental manifold learning［J］.Computer Engineering，2011，37（12）：144-146.

［23］ANGUS L，LEVITT H，HARDTKE K.The narrative processes coding system：Research applications and implications for psychotherapy practice［J］.Journal of Clinical Psychology，1999，55（10）：1255-1270.