基于模糊評價的VDT系統搜索策略績效形成機理研究*

羅俊浩，廖 斌，王泰鑫，魏 欣，段瓊華

(四川師范大學 商學院，四川 成都 610101 )

0 引言

隨著信息化的深入，信息系統(Information System，IS)在工業生產、公共事務管理，教育服務等領域被廣泛應用。人與信息系統的交互主要通過視覺顯示終端(Visual Display Terminal，VDT)完成。因此，VDT作業已經成為當前重要的勞動模式[1]。通過VDT界面對字符、圖像等數據信息進行視覺搜索作業越來越普遍。如果視覺搜索區域內的目標按照一定的結構排列則稱之為結構性搜索區域[2]，比如名單表、菜單表等。作業者在結構性搜索區域內進行視覺搜索會嚴格采用系統搜索策略[3]，使用系統搜索策略進行的搜索在本文中稱之為系統搜索。系統搜索方式是搜索作業的一種重要形式，在化工、航空、核電站等控制室被廣泛應用。如何提高VDT系統搜索作業績效已經成為VDT作業管理者的重點工作內容。

目前學者們對視覺搜索過程中搜索策略與搜索績效之間的關系研究較多：胡鳳培等[4]發現采用導向式搜索策略能明顯提高被試者的搜索速度；于瑞峰等[2]根據人眼的運動特征指出，為了提高作業績效，作業者采用的搜索策略會隨時間及環境的改變而發生變化；Tseng等[5]認為操作者為提高搜索績效，其搜索策略在圖片瀏覽任務下會根據刺激的密度和數量變化不斷調整；Over等[6]研究表明，搜索策略的變化是一個伴隨著掃視幅度逐漸變小而注視時間逐漸延長的過程。這些研究對持續搜索過程中的策略使用及變化進行了探討，對具體搜索策略下的績效形成機理并未作進一步的深入研究。只有明確了搜索績效的形成機理，才能對搜索任務、界面布局等進行優化設計，進一步提高作業績效。因此，非常有必要通過實驗研究，運用模糊評價方法，分析被試者對搜索目標位置的主觀偏好度和搜索績效之間的關系，研究VDT系統搜索績效的形成機理。為優化VDT系統搜索界面、提高搜索績效提供理論依據。

1 方法

1.1 實驗方法

1.1.1 任務設計

運用E-prime2.0設計實驗模擬VDT系統搜索作業。目標刺激采用圖片材料，均為bmp格式，像素為666 px×500 px。為了消除目標刺激材料的知名度和感情色彩差異對搜索作業績效的干擾，刺激素材均選取最常見品牌的LOGO圖標。所有刺激材料被整齊地鋪陳于橫縱比為4∶3的矩形界面上，并將此界面等分為九宮格，劃分出“左下、下、右下、左、中、右、左上、上、右上”共9個目標位置方案，設為Ai(i=1,2,3,4,5,6,7,8,9)(方案序號見圖1)。由此形成結構性搜索區域，研究系統搜索。任務過程采用“四階段”模型，即要求被試者在呈現的搜索界面上掃視相關信息(搜索階段)，并找到指定的目標刺激(發現階段)，確認其真假后(判斷階段)，通過輸入設備做出反應(決策輸出階段)。

圖1 刺激-反應設置Fig.1 Stimulus-response setting

實驗設計了80個Trial，即：Stimulus，Interval，Probe反復交替呈現共80次，直至核心實驗過程(Core Experimental Procedure，CEP)運行結束。實驗程序運行方式如圖2所示。

圖2 實驗程序Fig.2 Experimental procedure

首先，被試者在每個Trial中都會先接受到一個標準刺激(搜索目標提示)；然后，根據該目標提示在隨后呈現的搜索界面上找到該搜索目標；最后，使用柯蒂鍵盤上的數字小鍵盤中的“數字1～9”按鍵選擇目標刺激所在的對應位置。“刺激-反應鍵”對應關系見圖1，該設置保證了“刺激-反應”位置相容性原則。

每名被試者完成搜索實驗后，還要求對目標位置方案Ai(i=1,2,3,4,5,6,7,8,9)的偏好進行主觀評價。目標位置偏好指標設為Cj(j=1,2,3,4)，分別為“C1快捷性”“C2準確性”“C3適應性”“C4習慣性”。被試者需要在4個主觀偏好指標視角下，分別對9個位置的主觀偏好進行評價。

1.1.2 被試者

為避免被試者認知水平差異等因素對實驗結果的干擾，采用簡單隨機不重復抽樣的方法，從本校經濟管理類專業大一到大四的在讀本科生范圍內甄選被試者28人，其中男生14人，女生14人，平均年齡20.8歲。所有被試者均無生理和心理方面的既往病史，裸眼視力或矯正視力達1.0以上，色覺正常，均為右利手。

1.1.3 實驗設備及主觀評價量表

實驗測試過程采用聯想商用臺式電腦，配備19英寸高清寬屏LED顯示器，并將屏幕分辨率調至最高像素(1 440 px×900 px)，輸入設備均采用帶數字小鍵盤的標準柯蒂鍵盤。

量表1：VDT(電腦、手機等)日常搜索行為頻率主觀評價量表，采用9標度，1～9表示平時搜索頻率的逐步提高；量表2：目標位置偏好指標Cj重要度的主觀評價量表，9標度，1～9表示重要度的逐步增加。量表3：目標位置偏好主觀評價量表，按指標Cj分類，共4種。如果某位置符合某偏好指標，則在九宮格評價表的對應位置填“√”；反之，則填“×”；評價不確定時，填“?”。

1.1.4 實驗程序

提前1 d告知被試者實驗前需進行充分休息，保證實驗過程精神飽滿。正式實驗前，被試者填寫個人信息后進行練習實驗。練習實驗由正式實驗程序中隨機抽取的20個Trial構成。練習實驗結束后，被試者需填寫量表1和量表2。隨后進入正式實驗，每名被試者均須完成80個Trial的搜索測試。最后，被試者填寫量表3，實驗結束。E-prime軟件自動記錄每個Trial的正確率和反應時間。

1.1.5 數據采集與整理

搜索績效指標為正確反應時，由E-prime軟件自動采集獲得；被試者主觀評價數據由被試者手動填寫獲取。剔除異常數據后分類匯總。

1.2 模糊評價方法

1.2.1 Pythagorean模糊集

論域X中2個區間為[0,1]的隸屬函數μp與vp，在0(μp(x))2+(vp(x))21下，若?x∈X，μp(x)∈[0,1]，vp(x)∈[0,1]，則記P={[x,P(μp(x),(vp(x))]|x∈X}為Pythagorean模糊集，其中μp(x)和vp(x)分別為X的隸屬度與非隸屬度[7]。引入X的猶豫度令P=[μp(x),(vp(x),πp(x)]。

某組Pythagorean模糊數a=P(μa,va)的得分函數s(a)與精確函數h(a)分別為：

s(a)=(μa)2-(va)2

(1)

h(a)=(μa)2+(va)2

(2)

設a1=p(μa1,va1,πa1)和a2=p(μa2,va2,πa2)為2組Pythagorean模糊數，則a1與a2之間的歐氏距離為：

(3)

1.2.2 交互式多準則決策(TODIM)方法

TODIM方法是由GOMES等人基于前景理論提出的1種多屬性決策方法，其主要思想是在前景理論價值函數的基礎上，構建某個方案相對其余方案的優勢度函數，并據此確定各方案的優劣排序[8]。TODIM方法相比前景理論具有明顯的優勢，無需事先確定決策參照點的信息，只對方案進行兩兩“優勢-劣勢”的感知優勢度比較，即可解決具有清晰性屬性值的多維度決策問題[9]，而且還重點考慮了損失規避行為特征和決策者的參照依賴[10]。該方法原理如下：

1)方案Ai相對于方案At的優勢度

(4)

其中：

(5)

式中：lij和ltj為實數；wjr為屬性Cj相對于參考屬性Cr的相對權重；wjr=wj/wr；wr=max{wj|j=1,2,…,n}；θ為面對損失的衰減系數，且θ>0。

2)通過標準化最終的優勢度矩陣，計算方案Ai的全局價值ξ(Ai)，即：

(6)

根據ξ(Ai)的大小對方案進行排序，ξ(Ai)越大，方案Ai越優。

2 目標位置偏好主觀評價

2.1 目標位置偏好指標權重

根據量表1，共采集到28名被試者的日常VDT搜索行為頻率自評數據。頻率均值為5.7，方差分析結果顯示：28名被試者日常搜索頻率無顯著差異。表明本次實驗被試者的日常VDT搜索均較為頻繁。

根據量表2，共采集28名被試者對目標位置偏好指標Cj的評價數據。分別對C1，C2，C3，C4的主觀評價值求和，歸一化處理后得其權重。經計算，目標位置偏好指標Cj的權重W=(0.246,0.276,0.238,0.240)T。

2.2 基于模糊評價的目標位置偏好排序

根據量表3，28名被試者對目標位置Ai(i=1,2,3,4,5,6,7,8,9)在偏好指標Cj(j=1,2,3,4)下進行主觀評判。根據評判結果，計算指標Cj(j=1,2,3,4)下Ai(i=1,2,3,4,5,6,7,8,9)的隸屬度與非隸屬度，最終由Pythagorean模糊集rij=P(μij,vij)(i=1,2,3,4,5,6,7,8,9;j=1,2,3,4)構成決策矩陣，見表1。

表1 Pythagorean模糊集決策矩陣Table 1 Pythagorean fuzzy set decision making matrix

根據決策矩陣，利用公式(1)～(5)計算單偏好指標下Ai的優勢度對比矩陣φ1～φ4(分別對應C1～C4)。

A1A2A3A4A5A6A7A8A9

A1A2A3A4A5A6A7A8A9

A1A2A3A4A5A6A7A8A9

A1A2A3A4A5A6A7A8A9

根據公式(7)將方案優勢度對比矩陣φ1～φ4進行加總，得到總優勢度對比矩陣δ。

(7)

A1A2A3A4A5A6A7A8A9

基于矩陣δ，利用公式(6)計算出9個目標位置偏好的最終評價得分，并按從高到低的順序排序，見表2。

表2 目標位置偏好排序Table 2 Target location preference ranking

3 系統搜索策略績效形成機理分析

統計28名被試者在目標位置Ai(i=1,2,3,4,5,6,7,8,9)的搜索正確反應時，對均值進行方差分析，結果見表3。

表3 方差分析Table 3 Variance analysis

由結果可知，在系統搜索策略下，9個搜索目標位置之間正確反應時績效差異性極其顯著。

對Ai(i=1,2,3,4,5,6,7,8,9)的位置偏好度和搜索績效進行對比分析，結果見表4。

表4 目標位置偏好與績效對比Table 4 Comparison of target location preference and performance

由表4可知：

1)搜索目標位置A5在位置偏好排序和績效排序之間的差異非常大，位置偏好度很高(第2位)，但是搜索績效非常差(第8位)；其他8個目標位置的偏好度排序和績效排序比較接近。結合“注意返回抑制理論”和“周邊多注視理論”分析可知：在本文實驗中，當刺激間隔“Interval”自動消失后會立即呈現搜索界面；而被試者對中心區域具有較高的偏好，他們會首先注視中心區域，確認無目標刺激后轉而掃視界面的周圍區域；由于注意返回到剛才已注視過的中心區域會變慢或受到抑制，當目標刺激在中心區域而被試者作出錯誤判斷時，中心區域的搜索績效就會大幅度下降。因此，出現了中心區域位置偏好度高而搜索績效卻較低的現象，這與現有研究所提出的結論和觀點極為相似[11-14]。

2)由于目標位置A5的情況比較特殊，因此，清除表4中A5的偏好度和績效排序數據(假設不考慮目標位置A5的情況)，對其他8個目標位置Ai的偏好度和搜索績效進行重新排序，結果見表5。

表5 重新排序后的目標位置偏好與績效對比Table 5 Reordering of the comparison of target location preference and performance

由表5可知，在不考慮中心區域A5的情況下，搜索目標位置偏好度排序與績效排序之間的一致性高。說明在結構性搜索區域內采用系統搜索策略進行作業時，中心區域除外的其他區域的搜索績效與作業者對搜索區域的主觀偏好是高度一致的。但在實際的系統搜索作業中，目標位置A5一般是存在的。所以，在實際應用中應將結構性搜索區域劃分為中心區域和周圍區域分別進行分析。

3)從“C1快捷性”“C2準確性”“C3適應性”“C4習慣性”4個指標對目標位置的主觀偏好進行模糊評價，對于解釋系統搜索策略績效的形成機理是有效的。

4)相關研究成果認為搜索績效較優區域有左上方、正左方、左下方、正上方，較差區域則是右下方、正右方、右上方[15-16]。這與本研究結論相似，但導致這種搜索績效差異性的根本原因不是搜索目標的位置屬性，而是作業者對搜索目標位置主觀偏好的差異。大多數人對目標位置的主觀偏好趨于一致，但還存在偏好不一樣的少部分人，前面提到的“左上方、正左方、左下方、正上方為較優區域；右下方、正右方、右上方為較差區域[15-16]”對于這少部分人是不適用的。

4 結論

1)基于系統搜索策略的VDT搜索作業績效形成的根本原因是作業者對目標位置的主觀偏好度，而不是搜索目標的位置屬性。

2)在系統搜索策略下的VDT作業中，中心區域除外的其他區域的績效與作業者的位置偏好具有高相關性，偏好度高的區域搜索績效要顯著優于偏好度低的區域；中心區域的偏好度高但績效差。

3)在實際應用中，宜將結構性搜索區域劃分為中心區域和周圍區域分別研究。