基于信息復雜度的老年智能圖標輔助設計研究

張寧，王倩穎，張世辰，安鵬鋮

基于信息復雜度的老年智能圖標輔助設計研究

張寧1，王倩穎2，張世辰3，安鵬鋮4

（1.西華大學，成都 610039；2.山東財經大學 東方學院，山東 泰安 271000；3.山東科技大學，山東 青島 266590；4.南方科技大學，深圳 518055）

為探究圖標語義與信息復雜度的關聯，研究按照結構復雜度和資訊復雜度兩個維度將圖標進行劃分，觀測兩個因素對老年用戶辨識正確率與反應時間的表現差異，歸納出老年用戶判讀的共性，尋找適宜的圖標設計原則，使用戶有更好的績效表現。采用實驗法和深入訪談法，針對30名老年參與者開展圖標識別測試，通過圖標與語義配對了解“結構復雜度/資訊復雜度”對辨識效能的影響。相較結構復雜度，資訊復雜度更能決定圖標識別率；老年圖標設計時盡量采用小于14.5 bit資訊負載量圖標；在相同資訊負載條件下，盡量采用“人形”“用具”“自然”作為主要元素，“幾何”“字母”“指向”作為輔助元素。構建圖標輔助設計系統原型SIID1.0，通過設計方案評估，對前期信息復雜度原則的有效性進行驗證。

圖標；結構復雜度；資訊復雜度；語義識別；老年人

圖標能快速傳送情報，好的智能產品圖標不僅可以縮短學習時間[1]，也可減少操作上的問題。然而，老年人在理解圖標含義時面臨更多困難，譬如衰老或疾病等因素所導致的認知與反應下降[2-3]，常使該類人群無法快速準確地理解圖標與智能界面[4]的相關指令。設計圖標時應考慮是否符合使用者的理解能力，若設計復雜度不當，就會分散使用者的注意力，增加用戶認知負擔。現有研究多從圖標尺寸、布局、語義距離[5]等方面開展研究，然而，目前針對圖標信息復雜度的研究并不充分。部分學者要求圖標信息盡量簡潔，如Byrne[6]認為，結構簡單的圖標比復雜圖標的識別績效更高。而另一部分學者要求增加圖標細節，如許子凡等[7]認為，信息復雜的圖標比簡單圖標能提供更多線索，含義容易與使用者心中的假設互相符合，使用起來更容易。因此，現有圖標復雜度研究維度較為單一，無論是信息過多對人們信息接收與決策選擇所形成的干擾；或信息不足而造成的信息條件缺乏等問題，均會使人們心智負荷增加，造成圖標認知上的困難[8]。

1 圖標信息復雜度

為綜合考慮圖標的信息復雜度，研究從結構和資訊兩個維度進行分類討論。結構復雜度在于圖標視覺表征的繁復程度；資訊復雜度在于圖標語義信息的負載含義量。

1.1 結構復雜度

研究指出[8]，圖標具體結構的復雜度與用戶圖標辨識效率具有一定的相關性。很多研究將圖示中出現基本圖形單位的數量，直接作為估計復雜度的指標。例如，Garcia等[9]從圖標元素數量方面進行研究；Cardaci等[10]用模糊方法評價圖像的復雜性，并分為高、中、低三檔。另外，判斷圖標結構復雜性的依據還包括內含對象的數量、前景與背景影像在對象中的間隙等。

1.2 資訊復雜度

資訊復雜度[11]代表圖標負載的信息量；Katov等[12]將所處情境中的資訊數量作為負載來源，將資訊負載量分為4%、6%、11%、16%和18%5個等級，結果顯示出受測者在6%的信息負載下的情緒反應最為舒適；Liu等[13]通過聚類分析認為交通圖標資訊負載量對駕駛員的視覺搜索績效影響顯著，當路標圖標負載水平為等級A（<120 bit）時，司機的辨別準確率最高；而當資訊量達到等級E（>480 bit）時，需要較長的注視搜索時間，帶來更大的辨識壓力。

信息復雜度是圖標的重要特性，雖然已有學者從不同角度嘗試對復雜性進行定義，但始終缺乏針對老年用戶制定的統一且信服力高的度量標準[14]。本研究旨在測量研究不同圖標結構復雜度和資訊復雜度如何影響老年人辨識圖標含義的效率。首先，根據圖標的結構復雜度和資訊復雜度進行分類圖標收集與語義識別測試，確定老年人語義識別效率的顯著性影響因素；其次，進一步整理測試結果，將單元素圖標按照“人形”“用具”“自然”“幾何”“字母”“指向”進行分類結果整理；最后總結老年圖標信息復雜度設計原則。

2 信息復雜度分級

2.1 建立智能家居產品圖標集合

根據已有研究[13,15]，衡量圖標的資訊復雜度需首先建立某個特定情景中的圖標集合，并以此為基礎分解圖像元素并計算信息量。例如在文獻[13]中，所有交通標識被收集作為整體圖標集合，并以此計算某個交通標識所包含的符號信息量。相似地，本研究經過線上與線下考察，系統地收集了現有市場上手機、冰箱、空調、熱水器、電飯煲、洗碗機、智能手表等產品圖標80個。為滿足意義判讀的普適性，首先針對80個圖標對20名學生（Mean age=22.3, SD=3.4）進行語義識別測試，將未達到ISO國際標準化組織67%正確識別率的圖標剔除。最終保留60個圖標用于研究測試，建立智能家居產品圖標集合，見圖1。

2.2 信息復雜度分級

將60個圖標按照結構復雜度和資訊復雜度進行計算分級，用于開展老年人語義認知評估測試。

2.2.1 結構復雜度分級

按照Garcia等[9]提出的基本圖形單位數量方法，圖標中基本單位的數量越多，即圖示越復雜。這些圖形單位包括封閉圖、開放圖、字母、符號、垂直線、水平線、斜線、弧線和箭頭。以圖2為例，2a圖案中包含1個封閉圖形（盾牌形態），1個符號（閃電符號）和1個數字，因此復雜指數為3；2b圖案中包含4個封閉圖形（不規則封閉圖形）、1個封閉圖形（月亮）、2條線段及1個箭頭，因此圖標總復雜指數為8；2c具有15條線段、1個封閉圖形（圓環）和1個封閉圖形（長方體），因此復雜指數是17。依照上述規則分別計算60個圖標復雜指數，具體值見圖1。

為同時兼顧分組數量及每組圖標數量，按照規則分成3個等級（見表1）：復雜指數≤5是第1等級、復雜指數5～10是第2等級，而復雜指數≥10是第3等級。

圖1 智能家居圖標樣本集合

（圖標來源：實地考察和在線收集）

圖2 圖標結構復雜度示例

表1 圖標結構復雜度分級

Tab.1 Classification of icon structure complexity

2.2.2 資訊復雜度分級

圖形符號是由數量不等的圖像單位所組成。Namba[2]提出，當某一事件在母群體擁有相等的發生可能性時，可以對信息加以定量。定義H為事件中出現任一事件的信息量，為事件的母群體時，H信息量可表述如下：

結合改進文獻[2]與文獻[13]方法，應用該公式計算圖形符號的信息量前，需先應確認系統中各圖像單位的類型與其所屬的母群體數量。具體過程如下。

2）整理6種典型元素所屬母群體數量。經統計，得到“人形”=14、“用具”=42、“自然”=23、“幾何”=45、“字母”=21、“指向”=15。

3）根據公式（1），將各圖像單位的信息量進行計算，可得到各類型元素的信息量。如“人形”，其母群體數=14，故該圖像單位的信息量H為log214=3.81 bits。經計算得出，“用具”元素信息量5.39 bits；“自然”元素信息量4.52 bits；“幾何”元素信息量5.49 bits；“字母”元素信息量4.39 bits；“指向”元素信息量3.91 bits。

4）圖標的資訊負載量可以通過各元素信息量的相加綜合進行估算。如圖3所示，圖標“溫度切換”是由3個用具符號單位（房子、氣溫計×2）與1個指向符號單位（雙箭頭）所構成，故該圖形符號的信息量為5.39+5.39+3.91+5.39=20.08 bits。

圖3 圖標「溫度切換」資訊復雜度計算

依照上述規則分別計算60個圖標資訊負載量，具體值（bits）見圖1。為同時兼顧分組數量及每組圖標數量，按照規則分成3個等級（見表2）：資訊量≤9是第1等級、資訊量9～14.5是第2等級，而資訊量≥14.5是第3等級。

表2 圖標資訊量分級

Tab.2 Classification of icon information quantity

3 圖標語義認知評估測試

3.1 實驗設計

招募實驗被試30名，年齡60～80歲（SD=5.3），矯正視力正常。實驗之前，要求被試者在登記表上填寫相關信息，包括姓名、性別及視力，并使其熟悉界面編碼和呈現時間。本研究采用兩因素混合被試內設計，分別采取3結構復雜等級（1/2/3）×3資訊復雜度等級（1/2/3）對圖標識別任務的影響。因變量包含正確率（Accuracy/ACC）和反應時（Reaction Time/RT）。

3.2 實驗程序

為符合日常生活圖標操作情境，應用文獻[16]提出的圖標語義識別任務開展測試，程序由心理學軟件E-prime編寫。如圖4所示，測試流程包括：向老年被試展示指導語；顯示目標圖形語義（尺寸9×9 cm）；識別圖標；為避免視覺疲勞問題，8個圖標（單個尺寸5×5 cm，分別配有編號）分兩排隨機顯示在電腦屏幕中部，包含7個錯誤干擾和1個正確選項；要求被試大聲說出他們認為匹配的圖標編號；同時點擊鼠標，界面跳轉至下一測試。整個測試包含3次隨機練習與60次正式測試，實驗員全程記錄，整體用時約15 min。

圖4 圖標信息復雜度老年評估測試流程

3.3 實驗結果

3.3.1 描述性搜索績效

用社會科學統計軟件SPSS對實驗結果進行重復測量方差分析，結果見表3，結構復雜度對用戶操作正確率ACC主效應不顯著（>0.05），但對于反應時RT具有較顯著影響（=0.048）；資訊復雜度主效應顯著，對于正確率ACC與反應時RT均具有顯著性差異（≤0.001）。

3.3.2 事后檢驗分析

1）對于結構復雜度，如圖5a定量數據顯示，等級1：RT為3 843 ms，ACC為0.761；等級2：RT為4 222 ms，ACC為0.783；等級3：RT為4 663 ms，ACC為0.703。結構復雜度為等級2時，ACC最高，其次是等級1和等級3；結構復雜度最高（等級3）的RT最長，等級2次之，等級1的RT最短。LSD事后檢驗顯示，除等級1與等級3之間RT有顯著性差異（=0.015），其他各因素間均無顯著性差異（>0.05）。

表3 描述性搜索績效

Tab.3 Descriptive search performance

圖5 用戶操作正確率均值

數據結果表明，結構復雜度會影響老年人圖標識別的時間長短，但是對圖標識別正確率沒有必然影響。

2）對于資訊復雜度，如圖5b定量數據顯示，等級1：RT為3 434 ms，ACC為0.847；等級2：RT為4 168 ms，ACC為0.759；等級3：RT為4 883 ms，ACC為0.673。資訊復雜度為等級1時，ACC最高，RT最短；等級2次之；資訊復雜度最高（等級3）的RT最長，ACC最低。LSD事后檢驗顯示，除等級1與等級2之間ACC沒有顯著性差異（=0.053），其他各因素間均具有顯著性差異（<0.05）。

數據結果表明，資訊復雜度對老年人圖標語義識別的時間長短和正確率均有顯著影響。資訊復雜度為等級1（資訊量≤9）時老年人識別效果最佳。等級2（資訊量9～14.5）次之，等級3（資訊量≥14.5）最差。

3.4 主體元素與輔助元素進一步細化分析

前期測試表明，老年圖標設計的復雜度影響因素以資訊復雜度為主。資訊復雜度為等級1（≤9 bit）時操作績效最佳，不應超過等級2（14.5 bit），即以單個圖形元素或兩個元素組合較為合適。然而，實驗過程中發現，資訊復雜度等級1的圖標中，仍存在識別率不足67%的情況。為分析原因，本研究進一步將圖標資訊負載度為“等級1”的18個圖標再次進行操作正確率ACC排序，進一步探討“人形”“用具”“自然”“幾何”“字母”“指向”分類圖標元素的老年用戶語義識別效率。

3.5 討論

3.5.1 結構復雜度

測試結果顯示，結構復雜度對正確率影響不顯著，有的圖標雖看上去簡單便捷，但對人們的辨識不一定會有正面效果。結合用戶深度訪談，研究認為，結構復雜性高的圖標，通常更加具體，雖識別時間較長；但圖標會與現實世界中熟悉的事物互相對應，也比較容易與使用者心中的假設互相符合；同時，結構復雜性低的圖標，外形或輪廓較為簡單，雖識別圖標形態較為迅速[17]，但是圖標呈現的信息也許更加抽象，很多老年人無法形成意義聯想。因此，結構復雜度無法較為準確地作為圖標設計的參考原則。

圖6 等級1圖標元素識別正確率排序

3.5.2 資訊復雜度

測試結果顯示，資訊復雜度越高，老年操作績效越差，驗證了文獻[2]的結論。結合用戶深度訪談，研究認為，資訊負載量高的圖標，信息組件相應增加，潛在可解釋的含義范圍也比較大，圖標識別績效變差；資訊負載量較高時，需要用戶花費較長的注視搜索時間，帶來視覺壓力。由于人類處理信息的能力有其限度，因此當所處情境存在著數量過多或質量不佳的信息時，將會使人們心智負荷增加，帶來信息超載問題。

3.5.3 基于信息復雜度的老年圖標設計原則

設計圖標時，包含的信息量應該保持老年人最低心智負荷。結合老年深度訪談，老年圖標設計可以考慮以下原則：圖標設計的資訊復雜度建議為等級1或等級2，即單元素或雙元素最為合適。同時建議優先選擇“人形/用具/自然”類元素作為主體元素；當含義無法表達清楚時，再選擇“幾何/字母/指向”作為輔助元素開展設計。

4 基于信息復雜度的老年智能圖標輔助設計實踐

本文通過“靜音模式”圖標設計對信息復雜性原則的有效性進行驗證。首先，構建老年智能圖標輔助設計系統原型SIID1.0，該系統可以方便快捷地生成各類圖標；其次，通過該系統快速完成“靜音模式”圖標的8款設計方案；最后，通過設計方案的評估，對前期資訊復雜度結論的有效性進行驗證，進一步考察圖標信息復雜度對老年用戶交互效率的影響。

4.1 SIID1.0系統架構與設計

結合數據庫技術，應用JavaScript語言，構建老年智能圖標輔助設計系統原型SIID1.0，該系統擁有交互可視化界面，支持設計師和普通用戶開展簡單、高效的產品圖標設計。SIID1.0相對應的模塊架構分別為圖像元素庫構建模塊、快速設計模塊、圖標評價與優化模塊。

1）圖像元素庫包含基礎圖像庫與優秀案例庫兩部分，見圖7a。基礎圖像庫在于整合和分類圖像素材，區別于現有素材庫，SIID1.0系統圖標素材風格樸素，內容貼近日常生活。按照“人形”“用具”“自然”“幾何”“字母”“指向”收集圖像，6大類別包括上百圖標素材，圖像元素均以矢量無背景格式保存，可用于各類組合搭配。優秀案例庫包含老年用戶認可度較高的設計圖標，用于設計人員前期參考。圖標元素庫具有開放性，隨著系統應用，數據庫不斷更新。

2）如圖7b快速設計模塊將圖標解析為“平行”“垂直”或“包裹”結構，按照“上–下、左–右、內–外”位置劃分主體元素與輔助元素。具體快速設計步驟包括：解析目標釋義需求，優先在“人形、用具、自然”圖像元素庫中進行含義匹配，選擇較為合適的主體備選元素；在“人形、用具、自然、幾何、字母、指向”圖像元素庫中選擇輔助備選元素（當主體元素可滿足要求時，輔助元素可省略）；將主體與輔助元素進行多種搭配嘗試，得到組合方案；調整相應元素的尺寸、角度，生成圖標小樣。注意，為降低圖標的語義識別難度，圖標元素數量最多使用2種，上傳保存圖標小樣。

3）圖標評價與優化模塊，SIID1.0系統同一圖標可滿足多個方案的實時生成、保存、展示和方案比較。將多個圖標小樣置于評價模塊，召集老年用戶與資深圖標設計師在符號學各個維度對方案進行可用性評價，包括“含義匹配度”“美觀度”和“可理解程度”。該模塊清晰明了展示用戶的喜好，幫助設計人員開展優化迭代。

運用SIID1.0系統開展圖標設計過程包括：圖標元素庫選擇合適的圖標主體元素與輔助元素；快速設計模塊將圖形元素進行合理的結構組合設計；圖標評價模塊開展專家與用戶測試評價；將圖標方案進行優化迭代。

圖7 SIID1.0

4.2 “靜音模式”圖標釋義與視覺設計

選擇常見圖標“靜音模式”作為典型案例，設計不同資訊復雜等級與主體元素，對前期資訊復雜度原則進行可用性驗證。如圖8所示，首先，設計師分別從SIID1.0系統“人形、用具、自然、幾何、字母、指向”圖像元素庫中進行含義匹配，挑選較為合適的主體和輔助元素；其次，利用SIID1.0系統“快速設計模塊”將主體與輔助元素進行多種搭配嘗試，得到8種組合方案，調整生成圖標小樣。不同小樣所屬資訊等級不同，主體元素所屬類別不同。具體展示如下：資訊等級1包括①模擬聲“噓”–主體元素“人形”；資訊等級2包括②人嘴禁言–主體元素“人形”、③關閉鈴鐺–主體元素“用具”、④禁止喇叭–主體元素“用具”、⑤暫停音樂–主體元素“幾何”、⑥禁止聲波–主體元素“幾何”、⑦房間靜音–主體元素“用具”、⑧手機靜音–主體元素“字母”。最后，設計師將主體與輔助元素進行多種搭配嘗試，統一處理得到8個風格統一的組合設計方案。其中圖標①屬于資訊復雜度等級1；②③④⑤⑥屬于資訊復雜度等級2；⑦⑧屬于資訊復雜度等級3。

4.3 方案評估與信息復雜性原則驗證

招募老年用戶15名（Mean age=70.3，SD=4.12）對“靜音模式”8個圖標進行評估，見圖7c，利用SIID1.0系統對生成的8個圖標小樣進行“含義匹配度”和“可理解程度”打分。利用SPSS將兩項得分進行平均，結果如圖9所示，得分高于4分的圖標為③關閉鈴鐺、①模擬聲“噓”、④禁止喇叭，這3個方案均符合的老年圖標復雜度設計原則。后期可以將圖標方案③①④進行存儲，同時上傳至圖標庫備用。

得分最低的4個圖標為⑦房間靜音、⑤暫停音樂、⑥禁止聲波、⑧手機靜音。結合用戶訪談，得分低的方案原因在于：圖標⑦⑧資訊復雜度屬于等級3，老年人辨識難度大；圖標⑤⑥主體元素為“幾何”，元素過于抽象難與含義相匹配。因此，通過“靜音模式”圖標設計測試，驗證了基于信息復雜度的老年圖標設計原則的有效性。

圖8 “靜音模式”圖標釋義與視覺設計

圖9 “靜音模式”圖標含義匹配度打分排序

5 結語

為將前期得出的設計原則更好的應用于圖標設計實踐，研究后期構建老年智能圖標輔助設計系統原型SIID1.0。支持設計師和普通用戶開展簡單、高效的老年圖標設計。成果具有普適性，可用于輔助更多場景下（如醫療、出行、休閑等）老年圖標快速生成或作為設計標準，對老年用戶認知能力衰退進行適當彌補與平衡。值得注意的是，現實生活不同于實驗室環境，圖標設計的復雜度較高，研究成果需靈活應用。

[1] NAKAMURA C, ZENG-TREITLER Q. A Taxonomy of Representation Strategies in Iconic Communication[J]. International Journal of Human-Computer Studies, 2012, 70(8): 535-551.

[2] 朱麗萍, 李永鋒. 不同文化程度老年人對洗衣機界面圖標的辨識研究[J]. 包裝工程, 2017, 38(14): 140-144.

ZHU Li-ping, LI Yong-feng. Identification of Washing Machine Interface Icons for the Elderly with Different Cultural Levels[J]. Packaging Engineering, 2017, 38(14): 140-144.

[3] LIU Y C, HO C H. The Effects of Age on Symbol Comprehension in Central Rail Hubs in Taiwan[J]. Applied Ergonomics, 2012, 43(6): 1016-1025.

[4] 李永鋒, 侍偉偉, 朱麗萍. 基于灰色層次分析法的老年人APP用戶體驗評價研究[J]. 圖學學報, 2018, 39(1): 68-74.

LI Yong-feng, SHI Wei-wei, ZHU Li-ping. Research on the User Experience Evaluation of APP for the Elder Based on Grey AHP[J]. Journal of Graphics, 2018, 39(1): 68-74.

[5] MCDOUGALL S J P, CURRY M B, DE BRUIJN O. Measuring Symbol and Icon Characteristics: Norms for Concreteness, Complexity, Meaningfulness, Familiarity, and Semantic Distance for 239 Symbols[J]. Behavior Research Methods, Instruments, & Computers, 1999, 31(3): 487-519.

[6] BYRNE M D. Using Icons to Find Documents: Simplicity is Critical[C]// Proceedings of the INTERACT ’93 and CHI ’93 Conference on Human Factors in Computing Systems. Amsterdam, The Netherlands. New York: ACM, 1993: 446-453.

[7] 許子凡, 林品章. 認知風格對不同信息量的判讀效率與模式特征: 以 AIGA 圖形符號為例[J]. 設計學研究, 2008, 11(1): 87-105.

XU Zi-fan, LIN Pin-zhang. Recognition Efficiency and Pattern of Graphical Symbols Based on Information Loads and Cognitive Styles: a Study of Aiga Symbols [J]. Design research, 2008, 11(1): 87-105.

[8] 周煜嘯, 羅仕鑒, 陳根才. 基于設計符號學的圖標設計[J]. 計算機輔助設計與圖形學學報, 2012, 24(10): 1319-1328.

ZHOU Yu-xiao, LUO Shi-jian, CHEN Gen-cai. Design Se-mio-tics Based Icon Design[J]. Journal of Computer- Aided Design & Computer Graphics, 2012, 24(10): 1319-1328.

[9] GARCíA M, BADRE A N, STASKO J T. Development and Validation of Icons Varying in Their Abstractness [J]. Interacting With Computers, 1994, 6(2): 191-211.

[10] CARDACI M, DI GESù V, PETROU M, et al. A Fuzzy Approach to the Evaluation of Image Complexity[J]. Fuzzy Sets and Systems, 2009, 160(10): 1474-1484.

[11] FORSYTHE A, SHEEHY N, SAWEY M. Measuring Icon Complexity: An Automated Analysis[J]. Behavior Research Methods, Instruments, & Computers, 2003, 35(2): 334-342.

[12] KATOV M, NOMURA N, ITO K. The Visual Information Load as a Parameter for Designing Pleasurable Environment[C]// Proceedings of the 2003 international conference on Designing pleasurable products and interfaces. New York: ACM, 2003: 144-145.

[13] LIU Y C. A Simulated Study on the Effects of Information Volume on Traffic Signs, Viewing Strategies and Sign Familiarity Upon Driver's Visual Search Performance[J]. International Journal of Industrial Ergonomics, 2005, 35(12): 1147-1158.

[14] JOHNSON C J, PAIVIO A, CLARK J M. Cognitive Components of Picture Naming[J]. Psychological Bulletin, 1996, 120(1): 113-139.

[15] 甘翔, 高文華, 張瑞秋. 基于因子分析法的圖標設計評價方法[J]. 圖學學報, 2018, 39(4): 706-710.

GAN Xiang, GAO Wen-hua, ZHANG Rui-qiu. An Icon Design Evaluation Method Based on Factor Analysis Method[J]. Journal of Graphics, 2018, 39(4): 706-710.

[16] 許子凡, 林品章. 評估不同信息負載類型的圖形符號辨識效率-以組合模式為分類依據[J]. 設計學研究, 2013, 16(1): 25-40.

HSU T F, LIN P C. Evaluating the Effects of Information Load on the Recognition Efficiency of Graphic Symbol based on Combination Mode[J]. Design Research, 2013, 16(1): 25-40.

[17] 張萍, 丁曉敏. 代償機制下適老智慧產品交互設計研究[J]. 圖學學報, 2018, 39(4): 700-705.

ZHANG Ping, DING Xiao-min. Research on Interaction Design of Intelligent Products for the Elderly under Compensatory Mechanism[J]. Journal of Graphics, 2018, 39(4): 700-705.

Aided Design of Intelligent Icon for the Elderly Based on Information Complexity

ZHANG Ning1, WANG Qian-ying2, ZHANG Shi-chen3, AN Peng-cheng4

(1.Xihua University, Chengdu 610039, China; 2.Dongfang College, Shandong University of Finance and Economics, Shandong Tai'an 271000, China; 3.Shandong University of Science and Technology, Shandong Qingdao 266590, China; 4.Southern University of Science and Technology, Shenzhen 518055, China)

The work aims to divide the icon into two dimensions of structure complexity and information complexity to explore the associa-tion between icon semantics and information complexity and observe the differences between the two factors on the recognition accuracy and reaction time of elderly users, and then summarize the commonness of elderly users' interpretation, and find suitable icon design principle to make users get better performance. An icon recognition test was conducted for 30 elderly participants through experiment and in-depth interview method. By pairing icon and semantics, the impact of "structure complexity/information complexity" on recognition efficiency was explored. Information complexity was more important than structure complexity in de-termining icon recognition rate. Icon for the elderly should be designed with less than 14.5 bit information load. Under the same information load, "figure", "appliance" and "nature" should be used as the main elements, and "geometry", "letter" and "pointing" used as the auxiliary elements. The prototype of icon aided design system SIID1.0 is constructed, and the validity of the early in-formation complexity principle is verified through the evaluation of the design scheme.

icons; structure complexity; information complexity; semantic recognition; elderly

TB472

A

1001-3563(2023)04-0107-08

10.19554/j.cnki.1001-3563.2023.04.013

2022–09–18

教育部人文社會科學研究青年基金（21YJCZH218）

張寧（1987—），女，博士，講師，主要研究方向為工業產品設計、老年交互設計。

安鵬鋮（1988—），男，博士，助理教授，主要研究方向為設計與人機交互（HCI）交叉領域。

責任編輯：陳作