參數化視域下產品意象與特征的相關性研究

林敬亭　鄧成連

關鍵詞：參數化設計 設計認知 感知意象 產品特征 眼動追蹤 結構方程模型

中圖分類號：TB47 文獻標識碼：A

文章編號：1003-0069（2022）01-0086-04

引言

運動鞋制造企業已開始從OEM向ODM、OBM轉變，從大規模生產向柔性定制、智能制造轉型。而參數化設計（Parametric Design）是一種契合于人工智能時代的設計思維模式，它通過邏輯和算法來表征設計對象的思維過程，代表了設計領域的新知識體系和新研究方法。當前，參數化設計方法在運動鞋企業已得到應用，但是大多以功能材料和生理尺寸為設計出發點，設計者或用戶的美學評價和情感體驗尚未融入。因此，探索運動鞋產品的整體感知意象與局部設計特征之間的相關關系，為參數化設計的形態生成過程提供評價數據，對提升運動鞋企業的數字化創新能力具有積極的研究意義與應用價值。

一、參數化視域下的設計評價

參數化設計是設計者或用戶基于數據邏輯和算法規則，實現與物理性能（Performance）、形態生成（Generation）、視覺表征（Representation）、設計評價（Evaluation）過程交互的設計模式。參數化設計得益于設計與認知、設計與計算的發展，以及復雜性科學思想的影響 。它有別于傳統直覺式的設計方法與流程，側重于數據的挖掘和算法的構建。

對于產品而言，顯性知識（Explicit Knowledge）的功能、結構、材料等性能因素，隱性知識（Implicit Knowledge）的感知、審美、體驗等心理因素，都在形態塑造和方案設計過程中存在重要的影響。當前，不同的參數化設計系統都能夠提供適配的算法，通過物理性能數據，諸如拓撲優化、流體計算、聲學模擬等來生成產品形態。但是，與認知相關的設計評價尚未與參數化設計系統完全融合。未來，設計者或用戶的設計認知與評價若能實現以交互的方式集成于參數化設計系統中，那便可與計算機對話，生成符合目標的設計方案[5] 。隱性因素的數量化技術，相較于顯性因素，存在更高的難度，成為了參數化視域下的研究熱點。

參數化設計過程就是參數化設計思維（Parametric DesignThinking，PDT）的過程。設計思維研究“如何思考、如何設計”的問題，本質上是設計認知的研究，是研究設計者或用戶的信息加工過程。設計認知的研究，主要是運用認知心理學、認知神經科學和計算機技術手段。主觀性的問卷調查、訪談、觀察、口語報告等研究方法，雖然具備較好的生態效度，但難以達到穩健性的要求。面對這一問題，為了增強研究的可靠性，客觀性的腦電圖、腦成像技術、生理信號監測技術、眼動追蹤技術等研究方法經常與主觀性方法組合應用。這些應用在認知心理和認知神經科學等基礎研究領域中的方法，在研究設計者或用戶對設計目標的真實需求和無意識加工過程方面，具有顯著成效。

因此，在參數化視域下，產品意象與特征的設計認知與評價，可描述為設計者或用戶通過感官接收設計目標所輸入的特征信息，經過大腦的加工處理，將感知意象遷移到產品設計的表征過程。這一過程通過數量化的方式來詮釋設計者或用戶對產品的理解、對情感的表達以及對美學的體驗。

二、產品意象與特征的相關性模型

設計認知與評價數量化的關鍵步驟，在于感知意象的提取，造型特征的辨識，以及意象和特征的相關關系構建 。感知意象是設計者或用戶基于情感對產品建立起來的認知結果，可以借助感性工學技術進行翻譯，輔助設計者或用戶理解產品和表達情感，并訴諸美學體驗。設計認知加工過程可以分為自上而下（Top-downProcessing）和自下而上（Bottom-up Processing），暨先整體后局部，亦或先局部后整體。現有的模板比對理論（Template-matchingTheory）、特征比對理論（Feature-matching Theory）、原型比對理論（Prototype-matching Theory）均可解釋設計者或用戶對產品特征的辨識問題。

雖然設計者或用戶的感官作為接收器，通過視覺、觸覺、聽覺、味覺、嗅覺等的共同作用來辨識產品特征，但是絕大部分信息是由視覺感官所獲取的。采用眼動追蹤技術，可實現直接觀察與研究決策過程的目的，并且具備無干擾、適用領域廣、采集信息多樣的特點。屈慶星等人通過眼動追蹤技術研究多維度的產品情感設計變量，獲取不同性別用戶的認知差異。盧兆麟等人從產品特征匹配角度，利用李克特量表問卷和眼動追蹤實驗，提出了汽車造型的認知過程模型。林麗等人通過梳理國內外有關感知意象與產品特征的參數化關鍵方法，明確指出數據挖掘和生理測量技術能為產品意象與特征的數量化分析提供新的路徑。

在提取產品整體的感知意象，辨識產品局部的造型特征之后，建構意象和特征之間的相關性，是設計認知與評價數量化的核心。莊明振等人以多元線性回歸方法，建構出水壺的意象整合特征與產品構成關系的關聯模型。但是，由于多元線性回歸、數量化I類等方法，一次僅能處理一個因變量，所以結構方程模型（Structural EquationModel，SEM）開始被嘗試應用。郭伏等人嘗試通過結構方程模型，建構了多個感性詞匯和多個產品特征的主觀評價關系模型。

因此，本研究擬以跑鞋產品為例，采用主觀性的語意差異實驗提取跑鞋整體的感知意象，結合客觀性的眼動追蹤實驗辨識跑鞋局部的設計特征，對所收集的數據，通過探索性因子分析（ExploratoryFactor Analysis，EFA）和驗證性因子分析（Confirmatory FactorAnalysis，CFA），建構跑鞋產品意象與特征相關性的結構方程模型，以數量化的方式呈現設計者或用戶的美學評價指標。探討不同的跑鞋產品特征對用戶感知意象的作用大小？為后續產品參數化設計提供數據邏輯的支持。

三、實驗設計

（一）樣本和感性詞匯選取

遴選6位具有10年以上運動鞋設計經驗的專家，其中男性4人、女性2人，年齡M=34.56、SD=3.28。專家以焦點小組的方式，對收集的124款跑鞋圖片予以分群，并從中挑選出9個實驗樣本。每張圖片包含跑鞋的4個視角，大小為1440pixel×900pixel，分辨率為72dpi，如圖1所示。再通過Python程序從運動鞋相關的網購評論、產品推文中挖掘感性詞匯120個，根據詞頻高低確定6個感性詞匯：專業的、速度的、潮流的、舒適的、輕盈的、活躍的。

（二）實驗參與者

隨機抽取50位參與者，其中男性32人、女性18人，年齡M=23.96、SD=2.47，職業設計師10人、碩士生29人、本科生11人，設計專業背景25人、工程專業背景25人。要求參與者視力或矯正視力良好，無色盲、色弱。

（三）實驗工具

眼動追蹤實驗采用瑞典生產的Tobii X2-60眼動儀，采樣率為60Hz，并由專用軟件Tobii Studio完成實驗材料的呈現及眼動數據的記錄。語意差異實驗采用7階量表，其中3階表示具有顯著的正向感覺，0階表示感覺的程度無偏向，-3階表示具有顯著的負向感覺，其余表示在此之間的尺度。

（四）實驗流程

實驗在專業的用戶研究實驗室進行，保持光照條件和安靜空間。實驗時，參與者坐在距離顯示器750mm的座椅上，調整好姿勢后固定位置。實驗第一張為指導語“請找出最具吸引力的跑鞋造型特征”。第二張開始，9張樣本圖片隨機出現，每張持續15000ms。每張圖片之間都有一張黑色頁面間隔，以避免補色殘像效應。眼動實驗結束后，每位參與者需要對9個樣本分別做出6個感性詞匯的語意差異評價。實驗過程中，未對參與者進行任何形式的干涉或引導。

四、結果與討論

（一）探索性因子分析結果

語意差異量表施測50人，取得有效問卷50份。實驗以9張跑鞋樣本圖片分別進行6個感性詞匯的語意差異實驗，共計54題進行信度分析，結果顯示Cronbach's alpha內部一致性系數為0.88，具備可接受的信度。將50位參與者的語意差異評價數據均值處理后，采用主成分法進行因子分析。實驗數據經Bartlett球形檢定結果顯示，p<.001，具有顯著性;KMO為0.668，適合進行因子分析。

因子分析結果將6個感性詞匯構成了2個主成分（累積方差貢獻率為89.6%）。速度的、輕盈的、專業的和舒適的構成了因子1，根據詞匯含義，將因子1命名為“專業性”，加入反義語意，確定為“專業性-生活化”;潮流的、活躍的構成了因子2，命名為“時尚性-大眾化”。旋轉后的成分矩陣，見表1。

根據9個跑鞋樣本在2個因子的得分情況，以“專業性-生活化”為X軸，“時尚性-大眾化”為Y軸，得到4個象限的感知意象空間，并將9個跑鞋樣本因子得分代入其中。樣本3（X：0.37，Y：0.12），樣本6（X：1.16，Y：0.98）位于第一象限，表征樣本3、6具備專業性、時尚性的感知意象;樣本4（X：-0.21，Y：1.06），樣本7（X：-0.30，Y：1.48）位于第二象限，表征樣本4、7具備生活化、時尚性的感知意象;樣本2（X：-1.28，Y：-0.58），樣本9（X：-1.52，Y：-0.83）位于第三象限，表征樣本2、9具備生活化、大眾化的感知意象;樣本1（X：0.08，Y：-0.38），樣本5（X：1.55，Y：-1.58），樣本8（X：0.13，Y：-0.27）位于第四象限，表征樣本1、5、8具備專業性、大眾化的感知意象，如圖2所示。

（二）驗證性因子分析結果

實驗采用形態分析法（Morphological method），根據跑鞋的產品特征進行興趣區（Area of Interest，AOI）的定義和劃分，用以收集眼動追蹤實驗的定量數據。跑鞋包含大底、中底、內底、前片、眼片、側飾片、幫面、眉片、后套等特征，且每個跑鞋樣本都以4個視角呈現。為避免興趣區域過于分散，將前片、眼片、側飾片與幫面區域合并，眉片與后套區域合并。內底的觀察區域較小，暫不考慮。最終確定將每個跑鞋樣本劃分為4個興趣區域，即AOI-1中底形態、AOI-2后套細節、AOI-3幫面構成、AOI-4大底紋理，如圖3所示。

1.單一樣本的量測模型：通過定義和劃分興趣區域可以獲得首次注視時長（Time to First Fixation）、首次注視點持續時長（FirstFixation Duration）、總注視時長（Total Fixation Duration）、注視點個數（Fixation Count）等若干定量數據。因為較長的注視時間和較多的注視點個數表明此興趣區在認知過程中具有一定的吸引力，所以本研究采用每個興趣區所獲得的總注視時長和注視點個數數據。由于4個興趣區在不同的跑鞋樣本中，存在著面積上的差異，因此以平均注視時間（T）來消除影響，計算表達式為：平均注視時長（T）=總注視時長（D）/ 注視點個數（C）。

以樣本3為例，采用Amos軟件，以AOI-1中底形態、AOI-2后套細節、AOI-3幫面構成、AOI-4大底紋理的平均注視時間（T）作為觀測變量，以“樣本3”作為潛在變量，建構結構方程模型，表征跑鞋樣本與產品特征值的相關關系。模型擬合結果顯示，中底形態的標準化因子載荷值0.902最高，其次是幫面構成0.617、大底紋理0.537、后套細節0.429，表征中底形態特征對樣本3的解釋力最強，幫面、大底、后套解釋力依此降低，如圖4所示。

“樣本-興趣區”量測模型適配度分析結果，標準卡方檢定值（CMIN/DF）、GFI值、AGFI值、SRMR值、RMSEA值、CFI值、NFI值、TLI值、IFI值，各項指標都符合理想建議值，見表2。

2.特征與意象的量測模型：分別對9個樣本的眼動實驗數據建構量測模型。結果顯示，樣本3、8的中底形態，樣本2、5、7的幫面構成，樣本1、4、6、9的大底紋理，標準化因子載荷值在各個樣本的4個觀測變量中最高。因此，以這9個興趣區域的平均注視時長（T）作為觀測變量，表征9個跑鞋樣本最具吸引力的產品特征值，并以9個樣本所處的感知意象空間作為潛在變量，擬合“感知意象-產品特征”量測模型，如圖5所示。

擬合結果顯示：

（1）對于潛在變量“專業性-時尚性”而言，觀測變量“樣本6大底紋理”的標準化因子載荷值0.642最高，“樣本3中底形態”0.564次之。作為設計評價指標，表征“樣本6大底紋理”特征對“專業性-時尚性”意象的解釋力為0.642個單位，在所有跑鞋樣本特征中，最具“專業性”和“時尚性”的感知意象。

（2）對于潛在變量“生活化-時尚性”而言，觀測變量“樣本7幫面構成”的標準化因子載荷值0.807最高，“樣本4大底紋理”0.548次之。作為設計評價指標，表征“樣本7幫面構成”特征對“生活化-時尚性”意象的解釋力為0.807個單位，在所有跑鞋樣本特征中，最具“生活化”和“時尚性”的感知意象。

（3）對于潛在變量“生活化-大眾化”而言，觀測變量“樣本9大底紋理”的標準化因子載荷值0.837略高于“樣本2幫面構成”的值0.831。作為設計評價指標，表征“樣本9大底紋理”特征對“生活化-大眾化”意象的解釋力為0.837個單位，在所有跑鞋樣本特征中，最具“生活化”和“大眾化”的感知意象。

（4）對于潛在變量“專業性-大眾化”而言，觀測變量“樣本5幫面構成”的標準化因子載荷值0.904最高，“樣本8中底形態”0.790次之，“樣本1大底紋理”0.513再次之。作為設計評價指標，表征“樣本5幫面構成”特征對“專業性-大眾化”意象的解釋力為0.904個單位，在所有跑鞋樣本特征中，最具“專業性”和“大眾化”的感知意象。

“感知意象-產品特征”量測模型的適配度分析結果顯示，標準卡方檢定值（CMIN/DF）、GFI值、AGFI值、SRMR值、RMSEA值、CFI值、TLI值、IFI值，各項指標都符合理想建議值，但NFI值0.883略低于理想值0.9，見表3。

（三）討論

1.實驗設計符合認知加工規律：設計者或用戶的感知意象判斷，其認知機制是建立在形態辨識基礎上的。設計者或用戶通過工作記憶對設計目標進行加工處理，提取長時記憶進行比對，從而完成形態辨識。形態辨識的認知加工過程分為2類：一是先經由整體辨識后，再對各個局部特征進行辨識，屬于自上而下的認知加工過程，強調整體優于局部;二是先經由各個局部特征的辨識后，再概括完成整體辨識，屬于自下而上的認知加工過程，依賴于局部特征的刺激強度和持續程度。

語意差異實驗采取自上而下的認知加工方式，通過語意詞匯進行評價，將跑鞋造型從整體性上分為不同維度的意象空間。但是，影響跑鞋造型整體意象的因素包括形、色、質、圖案等，僅憑主觀性實驗難以得到精確的描述。眼動追蹤實驗采取自下而上的認知加工方式，通過辨識跑鞋造型中獨特的形式、較大的區域、突出的位置，可以精確描述局部特征的視覺刺激強度和持續關注程度。

主觀性研究方法因生態效度的優勢，有利于快速采集產品整體感知意象的數據。客觀性方法因數據粒度的優勢，有利于準確獲取產品局部設計特征的數據。因此，組合應用主觀性與客觀性研究方法，能夠更加完整、有效地采集實驗數據。

2.設計評價與意象的契合程度：設計評價即可從形態、結構、功能、材質、色彩、紋理、人機關系等造型屬性展開，也可從比例與尺度、節奏與韻律、對稱與均衡、變化與統一、對比與協調等美學法則展開。結合造型屬性和美學法則，能夠進一步解釋設計特征與意象的契合程度，為參數化提供設計方向。

（1）樣本6的大底輪廓根據腳掌的人機尺寸變化進行塑造，給人以尺度和均衡的感覺，紋理線條呈現運動的趨勢，給人以節奏和韻律的感覺，契合專業性的意象;色彩運用大面積的白色，腳趾和后跟點綴小面積的紅色，給人以對比和變化的感覺，契合時尚性的意象。

（2）樣本7的幫面細節設計中，側飾片選取軟膠材質，鞋舌輪廓略微升高增強包裹性，符合日常出行需要，給人以尺度和均衡的感覺，契合生活化的意象;眼片采用鏤空的塑形手法，側飾片與中底銜接過渡，給人以協調和統一的感覺，選用明快的色彩，年輕活潑，契合時尚性的意象。

（3）樣本9的大底形態強調標準化和通用化，采用黑白的簡潔用色，前后腳掌的部分用黑色區分，弱化了不規則凹面紋理的反差，樸素大方，給人以對比和均衡的感覺，契合生活化、大眾化的意象。

（4）樣本5的幫面前部上翹設計，呈現沖刺的動感，側飾片采用流線造型，給人以韻律和變化的感覺，契合專業性的意象;色彩選擇橙紅底色，輔以黑色線條點綴，給人以對比和協調的感覺，簡潔明了，無過度裝飾，契合大眾化的意象。

3.相關性數據對參數化的意義

相關性數據模型明確定義了跑鞋產品的大底、中底、幫面以及后套的標準化因子載荷值，為參數化設計提供了各項特征的權重指標。后續參數化設計過程還需要進一步依據造型屬性和美學法則，明確空間位置、數量多寡，面積大小、構成關系等的取值范圍，并轉化為參數變量，建立計算公式和算法規則，生成新的跑鞋產品造型。

在本研究中，后套細節特征始終未成為9個樣本的代表性特征，從選擇性注意的角度分析，設計者或用戶或許將后套與幫面特征作為一個整體來辨識，這也符合部分設計者在運動鞋設計實踐時的思維習慣。

結論

本研究所采用的眼動追蹤實驗，有助于獲取產品局部特征的客觀性評價數據，規避了主觀性評價方法的穩健性矛盾;結合結構方程模型的分析技術，解決了多因變量的單次統計問題。建構跑鞋產品的感知意象與設計特征相關性數據模型的方法，契合參數化設計以設計思維為本，以數據邏輯為質的核心要求，具有一定的理論意義和應用價值。但是本研究局限在于，眼動追蹤實驗只采用了總注視時長、注視點個數等靜態指標，不足以反映設計者或用戶的信息加工變化過程，未來可采取注視軌跡分析方法，獲取設計評價過程的動態數據。未來研究也可以運用腦電圖、腦成像等認知神經科學方法，進一步探索參數化設計評價過程的隱性知識數據。

3393501908294