基于文獻計量的人機界面中用戶體驗中外對比研究

龍世豪，許志紅，陳歡，李志強

【設計研討】

基于文獻計量的人機界面中用戶體驗中外對比研究

龍世豪，許志紅*，陳歡，李志強

（吉首大學，湖南 張家界 427000）

對比分析國內外人機界面用戶體驗研究的異同，總結國內學界目前的研究現狀并發現問題。研究中使用WOS與CNKI作為數據來源，通過文獻計量學的方法及綜合運用CiteSpace 、VOSviewer等軟件將文獻資料進行可視化分析。國內外人機界面用戶體驗研究領域文獻產出較為一致，都在2019年及之前達到產出高峰，2019年后出現回落趨勢。研究主體是與計算機科學、互聯網技術等相關的理工科院校。在團隊合作方面，國內跨團隊的研究相對較少，存在明顯的研究壁壘，需要加強研究合作的程度。在總體上呈現出“整體分散、局部集中”的特點。在關鍵詞聚類分析上，國內外人機界面用戶體驗相關熱點研究呈現出一定的相似性與差異性。相似性表現為國內外人機界面用戶體驗研究在關鍵詞聚類上都形成四個聚類，構成研究閉環且國內外學界對可用性都有較大的關注度。而差異性方面則表現為，在與用戶體驗強相關的交互方式研究上，國際學界視線已脫離傳統的人機界面交互方式，轉而專注于虛擬交互技術，而國內目前處于初始階段。跨學科合作不足、自身研究創新性不強、缺少自己的理論研究與模型等則是現階段國內HCI-UE研究主的要問題。

界面設計；用戶體驗；文獻計量學

隨著信息技術和互聯網的迅速發展，技術創新正在經歷一場轉型。越來越多的關注開始集中在以用戶為中心、以人為本的設計理念上，人機界面設計也引起了廣泛的關注。從滿足用戶的功能需求和審美需求，逐漸轉向更加人性化和易于用戶接受的用戶體驗[1]。人機界面（Human Computer Interface）又稱用戶界面或使用者界面，是用戶與機器進行信息傳遞和互動的接口，提供用戶使用機器系統的綜合操作環境，是用于實現人與機器之間信息交流和控制活動的媒介[2]。優秀的人機界面不但有美觀、簡單易懂的引導功能，還可以提升用戶情感與情緒方面的體驗，滿足用戶的個性化需求[3]。用戶體驗則是興起于20世紀40年代的人機交互設計領域，當用戶在使用產品（包括物質和非物質產品）或服務時，所產生的心理感受和體驗被稱為用戶體驗。在信息技術應用的設計中，用戶體驗主要來自用戶與人機界面之間的互動過程、用戶與產品界面的交互方式，以及使用流程等[4]。國際標準化組織（ISO）對用戶體驗的定義為用戶在使用或期望使用系統、產品或服務時產生的知覺和反應。這一定義強調了用戶的感知，而一些研究者則提供了更加具體和實用的定義，將用戶體驗與使用環境和產品之間的關系結合在一起[5]。目前國內外學界關于人機界面中用戶體驗研究的目的在于通過界面滿足用戶更高層面的需求[6]。而經過近些年的發展，國內外關于人機界面中的用戶體驗研究（Human Com-puter Interface User Experience，HCI-UE）已經積累大量成果，若要深入研究HCI-UE，就需要充分了解當前的研究趨勢，但當前關于HCI-UE領域的綜述鮮有針對國內外HCI-UE研究做全面對比的，僅有針對國際學界HCI-UE領域研究的綜述[7]。同時，國內外HCI-UE研究的諸多文獻成果在知識結構上逐漸復雜化，在學科上呈現出明顯的交叉性，僅依靠原有傳統文獻綜述方法難以梳理清楚當下領域的發展脈絡、研究熱點，以及未來趨勢，也難以對比分析國內外研究的差異所在，形成學術上的國際視野。不利于認識國外研究現狀，從而促進自身的提升與發展。為深入探究國內外HCI-UE研究現狀，本研究將采用WOS及CNKI數據庫中收錄的HCI-UE相關文獻作為數據來源，全面對比國內外HCI-UE研究，借助文獻計量學對文獻資料進行知識結構的可視化，對比分析國內外研究發展的異同，進而為國內HCI-UE研究提供相關參考與借鑒。研究將從以下三個方面展開，以探究HCI-UE 研究現狀。

1）HCI-UE的研究主體，國內外哪些人、哪些機構在主要研究HCI-UE？

2）HCI-UE國內外學界各自的熱點研究主題是什么？國內外學界熱點主題及未來前沿趨勢上有何異同？

3）HCI-UE國內外高被引文獻研究主題及研究范式是否有差異？

1 研究設計

1.1 數據來源

為全面比較中外研究異同，探究HCI-UE研究現狀，本文分別選擇WOS與CNKI數據進行對比分析。WOS的“核心集”是世界知名的引文索引數據庫，因其開創性的內容、高質量的數據、悠久的歷史而被廣泛用于科學研究和評估[8]。因此在國際研究方面，本研究選擇WOS的“核心集”作為數據庫，在WOS的核心合集中選擇SSCI、SCI、A&HCI、CPCI-S這四大常用引文檢索作為檢索源。為收集所有相關文章，檢索時間設置為全年份。為避免跨學科文獻的丟失，未對文獻來源進行精簡，設置檢索條件為TS=（“Interaction Interface”OR“User Interface”OR “Human-machine Interface”OR“UI”）和 TS =（“User Experience”OR“UX”OR“UE”OR“Customer Experience”），剔除字段信息缺失及重復數據得到1 714篇有效文獻，并將檢索所得文獻全部以純文本格式導出。

CNKI是China National Knowledge Infrastructure 的縮寫，意為中國國家知識基礎設施，其包含人文與社會科學期刊、博碩士論文、報紙、圖書、會議論文等在內的公共知識信息資源[9]，是中國地區權威的文獻資源檢索庫。因此，在國內研究方面選擇知網作為文件檢索源，來獲取HCI-UE相關數據。利用知網的專業檢索進行數據收集，設置檢索條件為SU%=（“人機交互界面”+“用戶界面”+“UI”）和SU%=“用戶體驗”。為確保論文數據的全面性，未在時間上設定篩選范圍。在剔除字段信息缺失及重復數據后得到1 235篇有效文獻，以Refworks格式導出為純文本文件。

1.2 研究方法

在本文中研究采用科學文獻計量方法與知識結構可視化，綜合運用CiteSpace、VOSviewer等軟件以獲得更加全面的數據，旨在確定最具影響力的研究及熱門領域，并為當前研究興趣和該領域未來研究方向提供見解。文獻計量學是一門綜合運用數學、統計學等方法研究文獻體系和文獻計量特征的學科，通過對文獻情報的分布結構、數量關系、變化規律和定量管理等方面的研究，深入探討科學技術的結構、特征和規律，從而為科研、學術評價等提供定量化的分析和支持[10]。文獻計量學是一種定量方法，用于回顧和描述已發表文獻，這有助于研究人員在焦點領域評估學術研究。如今它不斷發展，并被廣泛用于分析學術交流模式和評估研究成果。CiteSpace是由美國德雷塞爾大學陳超美團隊開發，運行于JAVA程序的引文計量分析可視化工具，是一種用于文獻計量學研究的科學制圖程序，支持關鍵詞分析、作者合作網絡分析，以及主題和領域共現的可視化等多種類型的研究方法。通過對領域的結構、動態模式和趨勢進行可視化分析，CiteSpace能夠幫助研究者直觀地辨識學科前沿的演進路徑和經典基礎文獻，從而提供有力的分析和研究支持[11]。VOSviewer是一個免費提供的，用于構建和查看書目地圖的計算機程序。與SPSS和Pajek等常用于文獻計量制圖的程序不同，VOSviewer特別關注文獻計量圖的圖形表示，其功能特點是用易于理解的方式來解釋大型書目[12]。

2 內外HCI-UE文獻計量結果及分析

2.1 HCI-UE研究基本特征

年度發文數量的變化可以呈現出研究熱點在特定時間段內的演變情況，是一項重要的指標，可以幫助評估研究的發展態勢。通過對年度發文數量的分析，可以深入了解未來研究的動態和趨勢，為科學研究的規劃和決策提供有力的參考依據[13]。將檢索所得的HCI-UE數據清洗去重后進行字段提取得到相關數據，見圖1。由圖1的發文量曲線及趨勢線可見國內外學界文獻產出趨勢總體較為一致，且呈現上升趨勢。國外學界的第一篇文獻發布于1991年，峰值產生于2019年，文獻年均產出基本保持逐年穩步增長的態勢，且分為以下三大階段。

圖1 HCI-UE文獻年度產出分布圖

1）1990—2006年為國外學術初步探索階段。

2）2007—2014年為國外學術研究高速發展階段。在此期間文獻產出增速較快，達到82篇一年。增速之快主要得益于2008年左右移動設備的出現及普及，使得移動應用和移動網站的用戶體驗成為研究的熱點。iOS和Android平臺的迅速發展也為此提供了助力。

3）2015—2022年為研究成熟階段。文獻產出略有波動，但總體上呈增長態勢。

而國內學界研究則起步較晚，國內第一篇有關HCI-UE的文獻發布表于2004年，峰值產生于2016年，文獻年均產出保持逐年遞增的趨勢，主要分為以下幾大階段。

1）2004—2009年為研究初步探索階段。

2）2010—2014年為研究高速增長階段。在此期間文獻產出增速較快，年均產出75篇。

3）2015—2022年為研究成熟階段，文獻產出達到最高峰。該階段與國際學界HCI-UE研究發展趨勢基本一致，二者皆進入成熟階段。在此階段都呈現出一定的波動幅度，且有回落趨勢。回落現象的產生可能是受近幾年的全球疫情影響。但從整體上來看，未來依舊會有增長空間，HCI-UE研究依舊會是未來重點關注對象。

2.2 發文作者與研究機構分析

通過對發文作者和研究機構的發文量進行分析，可以明確突出的研究主體，并通過共現關系的研究來揭示它們之間的合作情況。這種分析方法可以幫助深入了解研究領域的合作模式和網絡。將WOS、CNKI數據導入Vosviewer運行，選擇“Author”并將節點閾值設置為“2”，得到國內外HCI-UE研究作者合作網絡圖。其中，國際作者合作圖譜有28個結點、61條連線；國內作者合作圖譜有105個結點、26條連線。國際HCI-UE前期研究人員以Mesch-tscherjakov、Alexander、Schmidt、Albrecht、Holzinger、Andreas等為主，近期的興新團隊則是以Riener、Andreas、Pfleging、Bastian、Frison、Anna-Katharina等為代表。如圖2所示，國際HCI-UE研究學者之間是具有一定的合作度，跨團隊研究較多，同時在整體與局部上較為集中。如圖3所示，國內初期作者中以羅仕鑒、覃京燕、朱上上等發文最多，近期以張婷、杜莎等為代表的國內團隊在研究合作方面逐漸嶄露頭角。與國際團隊相比，國內團隊的合作呈現出整體分散、局部集中的特點，通常由同一機構的學者組成，這表明國內的跨團隊合作較為有限，合作有待加強。

圖2 WOS HCI-UE文獻作者共現關系圖

圖3 CNKI HCI-UE文獻作者共現關系圖

通過對1 714篇國際文獻進行分析，列出1990—2022年文獻產出前十名的高產機構。在國際方面，前十高產的機構分別為：Microsoft（18）、Korea Advanced Institution of Science Technology Kaist (16)、University of California System (16)、Fraunhofer Gesellschaft (15)、Simon Fraser University (14)、Stanford University (14)、Tsinghua University (14)、University of Oulu (14)、University System of Georgia (14)、Eindhoven University of Technology(14)。而對1 240篇國內文獻進行分析，得出前十高產的機構分別是：江南大學（47）、北京郵電大學（43）、湖南大學（43）、東南大學（32）、武漢理工大學（29）、浙江大學（27）、上海交通大學（26）、東華理工大學（25）、西安工程大學（21）、華南理工大學（21）。通過對高產機構的分析發現，從國際國內研究機構學科屬性分布來看，專注HCI-UE的研究機構大多為與計算機科學、互聯網技術等相關的理工科院校，具有一定相似性。

2.3 HCI-UE領域研究主題分析

將WOS、CNKI數據導入Vosviewer，WOS數據設置為“作者”和“擴展關鍵詞”，共現頻次“4”。CNKI數據設置為“關鍵詞”，共現頻次“3”。對同義關鍵詞進行合并清洗后得到國際的HCI-UE研究關鍵詞共現聚類圖（如圖4～5所示）。其中，國際研究關鍵詞共現圖譜共有389個結點、5 493條連線，共形成了4個主要聚類，即：可用性測試與評估（#1）；虛擬現實與增強現實（#2）；用戶研究（#3）；理論與方法（#4）。國內關鍵詞共現圖譜共有226個結點、1 349條連線，共形成了4個主要聚類，即: UI設計（#1）；以用戶為中心的設計（#2）；理論與方法（#3）；可用性測試與多通道交互（#4）。

針對可用性測試與評估（#1），由EEG、SUS、Prototyping、Software Engineering、Evaluation、Layout、Color、Icons、Satisfaction、Quality等147個關鍵詞組成。該聚類主要側重于可用性方面的測試與評估，通過聚類內容可得知，在進行界面可用性評估時的評估對象分別為：布局（Layout）、顏色（Color）、圖標（Icons）、滿意度（Satisfaction）、質量（Quality）、美學（Aesthetics）等元素。在評估方法上有：腦電信號采集（EEG）、系統可用性量表（SUS）、模型研究法（Model）等。其中的系統可用性量表（System Usability Scale，SUS）是一種可靠的、低成本的心理測量工具，在世界范圍內被廣泛使用，具有很高的有效性和可靠性。它通過10個交替的正面和負面陳述，讓受訪者對系統的可用性進行主觀評估。但這類基于用戶的主觀性評估易受到環境、用戶主觀偏好、時間等因素的影響，因此這類實驗方法存在數據真實性及客觀性問題。腦電信號采集（EEG）屬于用戶體驗度量方法中生理測量的一個分支，它具有及時性、非侵入性、精密度高等特性，被廣泛用于人機交互產品設計、遠程教育等用戶體驗設計領域[14]。跟傳統主觀測量法相比腦電信號采集（EEG）可以有效避免用戶主觀報告的模糊性與不確定性，使得結果客觀準確。此外，隨著技術的進步，筆者預計將有更多的工具和方法被開發出來，以支持更復雜、更個性化的用戶體驗設計和評估。例如，虛擬現實和增強現實技術可能會與EEG等生理測量工具結合，為設計師提供更為真實和沉浸式的用戶反饋。SUS量表雖然是一種經典的評估工具，但隨著用戶需求和技術的變化，可能會有新的評估工具和方法出現，以滿足更為復雜的用戶體驗設計需求。例如，基于人工智能和機器學習的自動評估工具可能會被開發出來，它們可以實時分析大量的用戶數據，為設計師提供更為精確和深入的反饋。總的來說，隨著技術的進步和用戶需求的變化，HCI-UE下的可用性測試研究將朝著更為深入、客觀和實時的方向發展。未來的研究將更加注重用戶的真實體驗，而不僅僅是他們的主觀反饋。

圖4 WOS HCI-UE關鍵詞共現聚類圖

圖5 CNKI HCI-UE關鍵詞共現聚類圖

針對虛擬現實與增強現實（#2），主要由Aug-mented Reality、Virtual Reality、System、Natural User Interface、Tangible User Interfaces、Gesture Recognition、Mixed Reality、Video Games等83個關鍵詞組成。該聚類的高頻關鍵詞反映出當前AR和VR的交互方式給用戶所帶來的全新體驗正成為國際學界關注熱點。虛擬現實是一種由計算機生成，通過視覺、聽覺、觸覺、嗅覺等多種方式作用于用戶，并為用戶創造一種身臨其境的交互式視覺仿真體驗的計算機系統，使用戶能夠在虛擬世界中創造和體驗不同于真實世界的感覺[15]。通過該聚類高頻關鍵詞可觀察到國際HCI-UE領域在人機交互方式上的變革如下。

1）從傳統界面到自然用戶界面。隨著技術的進步，交互方式從傳統的鍵盤和鼠標轉向了自然用戶界面（Natural User Interface）。這種界面允許用戶通過更直觀和自然的方式，如手勢、語音和觸覺，與計算機系統進行交互。

2）實體用戶界面的出現。實體用戶界面（Tangible User Interfaces）為用戶提供了一種通過物理對象與數字信息交互的方式[16]。這種交互方式為用戶提供了更加直觀和身臨其境的體驗。

3）手勢識別技術的發展。手勢識別（Gesture Recognition）技術使得用戶可以通過手勢來控制與虛擬世界的交互[17]。這種交互方式為用戶提供了一種無需任何物理設備的交互方式。

4）混合現實的崛起。混合現實（Mixed Reality）結合了虛擬現實和增強現實的特點，為用戶提供了一種在真實世界和虛擬世界之間無縫切換的體驗。

綜上所述，國際HCI-UE學界在人機交互方式上已脫離傳統的人機交互方式，更加注重通過多通道的人機交互方式，以此來增強用戶體驗。

針對用戶研究（#3），主要由Eye Tracking、Older Adults、Children、Health、Safety、Inclusive Design、Behavior、Requirements 、Technology Acceptance Model、Questionnaire等98個關鍵詞組成。綜合該聚類關鍵詞可知，其表明國際上的HCI-UE研究注重用戶，以用戶為導向，從認知、接受度、行為等方面出發。在研究方法上，除了使用眼動追蹤（Eye Trac-king）、問卷調查（Questionnaire）、行為實驗法（Behavior）外，還有相關的模型研究法，例如Technology Acceptance Model（TAM）理論模型被廣泛用于預測用戶對創新技術或新產品的使用和接受程度[18]，模型包含五個主要變量，分別為：實際行為、行為意圖、態度、感知有用性和感知易用性[19]。從以上高頻關鍵詞，可推斷出國際HCI-UE在未來的用戶研究方面的趨勢如下。

1）多元化的用戶群體。關鍵詞中的“Older Adults”“Children”表明，未來的用戶研究將更加注重不同年齡段的用戶，從兒童到老年人，都將成為HCI-UE研究的重要對象。這意味著設計師和研究者需要更加細致地考慮不同年齡段用戶的特點和需求。

2）健康與安全的重視。關鍵詞“Health”和“Safety”表明，用戶的健康和安全將成為未來用戶研究的重要方向，隨著技術的發展，如何確保用戶在使用產品和服務時的健康和安全將成為研究的重點。

3）包容性設計（Inclusive Design）意味著設計師和研究者需要考慮到所有用戶的需求，包括那些有特殊需求的用戶[20]。這種設計方法將確保所有用戶都能獲得良好的用戶體驗。

4）用戶行為的深入研究。除了傳統的眼動追蹤和問卷調查方法，未來的用戶研究還將更加深入地研究用戶的行為。這將幫助研究者更好地理解用戶的需求和期望。

5）技術接受模型的進一步發展。TAM理論模型已經被廣泛應用于用戶研究，但隨著技術的發展，這一模型也可能會進行進一步地完善和擴展。

綜上所述，國際HCI-UE對未來的用戶研究趨勢將會是從更加注重多元化用戶群體、健康與安全、包容性設計、對用戶行為的深入研究，以及技術接受模型的進一步發展等方面展開。

針對理論與方法（#4），主要由Big Data、Machine Learning、Deep Learning、Affective Computing、Data Analysis、Algorithm、Data Mining、User Study等62個關鍵詞組成。綜合該聚類的關鍵詞來看，其主要反映近些年來國際HCI-UE領域使用的理論與方法，這些數據分析方法能夠使得研究者更加準確地抓取隱藏在海量數據背后的數字規律。例如，關鍵詞機器學習（Machine Learning）是一門人工智能的科學，機器學習算法能夠從數據中分析獲得數據規律，然后利用得到的規律對位置數據進行預測。機器學習算法主要有監督式學習（Supervised Learning）、無監督式學習（Unsupervised Learning）、半監督式學習（Semi-supervised Learning）三大類[21]。基于理論與方法（#4）的主要關鍵詞，可以觀察到HCI-UE領域在理論與方法上的主要發展趨勢如下。

1）從傳統數據處理到大數據分析。隨著技術的進步，HCI-UE領域從簡單的數據處理逐漸轉向大數據分析。大數據（Big Data）的出現使得研究者可以處理和分析前所未有的大量數據，從而得到更加深入和全面地進行洞察。

2）機器學習的廣泛應用。機器學習（Machine Learning）已經成為HCI-UE領域的核心技術之一。通過使用機器學習算法，研究者可以從大量的用戶數據中提取有價值的信息，從而為設計和決策提供支持。

3）深度學習的崛起。深度學習（Deep Learning）是機器學習的一個子領域，它通過使用深度神經網絡模型來處理復雜的數據結構[22]。在HCI-UE領域，深度學習已經被廣泛應用于圖像識別、語音識別和自然語言處理等任務中。

4）情感計算的發展。情感計算（Affective Computing）是一個新興的研究領域，旨在使計算機能夠識別和模擬人類的情感。在HCI-UE領域，情感計算可以幫助研究者更好地理解用戶的情感反應，從而為設計提供更加人性化的建議。

綜上所述，HCI-UE領域的理論與方法演變主要集中在從傳統數據處理到大數據分析、機器學習的廣泛應用、深度學習的崛起、情感計算的發展等方面。

在國內學界HCI-UE研究方面，針對UI設計（#1），主要由界面、手機游戲、扁平化設計、感性工學、視覺思維、用戶情感、層次分析法、遺傳算法等53個關鍵詞構成。從高頻關鍵詞來看，該聚類關鍵詞明顯地突顯了UI設計的多個方面，特別是在視覺和情感層面。

對于界面與手機游戲，隨著移動設備的普及，手機游戲的界面設計成為了UI設計的重要分支。這要求設計師不僅要考慮游戲的可玩性，還要確保其界面直觀、易于使用，同時滿足各種屏幕尺寸和操作習慣[23]。對于感性工學，這是一個將用戶的情感和感知考慮進產品設計的方法。在UI設計中，感性工學強調創建能夠引起用戶情感共鳴的界面，從而提高用戶的滿意度和忠誠度，創造良好用戶體驗[24]。對于層次分析法與遺傳算法，這兩種方法都是為了優化UI設計而采用的。層次分析法幫助設計師確定不同設計元素的優先級[25]，而遺傳算法則是一種搜索最佳設計解決方案的方法。綜上所述，該聚類的關鍵詞揭示了UI設計的多個重要方面，從基礎的視覺設計到高級的優化方法，都反映了HCI-UE研究領域的深度和廣度。

針對以用戶為中心的設計（#2），由用戶體驗、交互設計、視覺要素、情感化設計、行為邏輯、用戶心理模型、符號學、模型、用戶體驗要素等77個關鍵詞組組成，該聚類中主要圍繞用戶，為用戶設計。可以看到針對用戶體驗設計的理論方法在近年來已經發生了很大的演變。從最初基于直觀的設計方法，到現在更加注重用戶的心理和行為模型，這都反映了HCI-UE研究領域的深化和拓展。首先，用戶體驗在設計結構上的演變，如層次模型、結構模型和過程模型，都是為了更好地理解和滿足用戶的需求。其中，Norman提出的層次模型，特別是本能層、行為層和反思層，為人們提供了一個全面的框架來理解用戶的體驗。這種模型不僅關注用戶的直觀感受，還深入到用戶的行為和情感層面，使得設計更加人性化和情感化[26]。其次，隨著科技的發展，新的工具和技術也被引入到用戶體驗設計中。例如，符號學、模型研究法等都為設計師提供了新的視角和方法以分析和優化用戶體驗。這些理論方法的引入，使得設計更加科學和系統，也為研究者提供了更多的研究方向和深度。但是，隨著理論方法的演變，也帶來了新的挑戰。如何在眾多的理論和方法中找到最適合的，以及如何確保設計的有效性和實用性，都是研究者和設計師需要面對的問題。此外，隨著用戶需求和技術的不斷變化，如何確保設計的持續性和適應性，也是一個重要的議題。綜上所述，用戶體驗設計的理論方法在不斷地演變和發展，為人們提供了更多的工具和視角來滿足用戶的需求。與此同時，也帶來了新的挑戰和問題，需要研究者和設計師不斷地學習和探索。

對于理論與方法（#3），主要由心理學、方法、創新設計、設計策略、用戶模型、設計原則、認知心理學、人機工程學、迭代設計、心智模型、用戶研究、設計流程等45個關鍵詞組成。結合高頻關鍵詞特征，可以將該聚類概括為HCI-UE的研究理論與方法。通過提取高頻關鍵詞，可以觀察到國內HCI-UE領域在理論方法上的演變趨勢如下。

1）跨學科融合的出現。從心理學到人機工程學，再到設計策略，這些關鍵詞顯示了HCI-UE領域的跨學科特性。這種跨學科的融合使得研究方法更加多元和綜合，為解決復雜的設計問題提供了更多的視角和工具[27]。

2）從定性到定量的研究方法轉變。早期的HCI研究更多地依賴于定性的方法，如觀察和訪談。但隨著技術的發展，如眼動追蹤，研究者開始使用更多的定量方法來深入了解用戶的行為和心理[28]。

3）從單一方法到混合方法的研究。隨著研究問題復雜性的增加，研究者開始使用混合方法，結合定性和定量的方法，以獲得更全面和深入的理解[29]。

4）迭代設計的重要性。迭代設計成為了設計流程的一個重要部分，它強調了在設計過程中不斷測試和修改的重要性，以確保設計滿足用戶的需求。

綜上所述，該聚類關鍵詞反映出國內HCI-UE領域的理論和方法經歷了從跨學科融合的出現到定性研究，再到定量研究方法的轉變，以及對迭代設計重要性的認識。

對于可用性測試與多通道交互（#4），主要由可用性測試、用戶界面、眼動追蹤、可用性評估、手勢交互、自然交互、信息可視化、人機交互、移動終端、體感交互、優化、搜索效率、用戶認知、度量等51個關鍵詞構成。可以得出國內HCI-UE領域在研究前沿趨勢上的主要發展方向如下。

1）多模態交互。隨著技術的發展，手勢交互、自然交互、體感交互等多通道交互已經成為國內HCI-UE的研究熱點。這些交互方式為用戶提供了更加自然和直觀的交互體驗，同時也為設計師提供了更多的設計可能性[30]。

2）信息可視化。隨著大數據時代的到來，如何有效地呈現數據及與數據進行交互成為了一個重要的研究方向。信息可視化技術可以幫助用戶更好地理解和分析數據。

3）對用戶認知的深入研究。用戶認知是HCI-UE研究的核心內容。深入研究用戶的認知過程和機制可以為設計提供更加科學的理論支持。

通過對比國際與國內的關鍵詞共現圖譜可知，國內外HCI-UE研究在主題上存在一定的相似性與差異性。相似性方面如下。

1）在關鍵詞聚類上，國內外研究都形成了四個主要聚類，同時這四個聚類又形成了HCI-UE領域的研究閉環。

2）可用性在國內外HCI-UE研究中都占據一定關注度，其中共同關鍵詞有可用性、可用性評估、眼動追蹤、圖標等。

3）國內外HCI-UE研究都很注重用戶，以用戶為中心且注重用戶情感，強調從用戶角度出發，共同關鍵詞包括老年人、兒童、用戶需求、易用性等，以提供更自然和直觀的用戶體驗。

差異性表現如下。

1）國際學界在人機交互方式上已脫離傳統的人機界面交互方式，轉而專注于虛擬技術。目前美國主要通過用戶界面、感知、后臺軟件和硬件四個方面來把握虛擬技術的發展和研究方向，日本則希望建立大規模的知識庫[31]。國內雖有相關的研究與進展，但目前仍舊處于初始階段。

2）在理論與方法上，國際學界注重大數據（Big Data）、深度學習（Deep Learning）、機器學習（Machine Learning）這類前沿的定量實證研究方法，具有較強的學科交叉特征，也更多元化。而產生這樣的原因可能是受益于國際方面學科發展的完善性，能更早意識到學科交叉的重要性。

3）在可用性研究上，國內以主觀報告與SUS量表數據為主，手段較為單一。而國際學界多運用腦電信號采集（EEG）、普適計算（Ubiquitous Computing）等前沿方法，同時結合眼動、SUS量表等測試手段，對數據的收集更加充實。

整體而言，國內外HCI-UE研究在主題上的相似性較高，在研究進展上以跟隨國際熱點研究為主，且學科交叉發展處于初級階段，研究方式較為單一，需做好學科建設及多學科的交流。

2.4 研究熱點的演變及未來前沿趨勢

為了進一步探究HCI-UE研究的前沿主題和發展趨勢，使用CiteSpace 5.6.R4將CNKI數據時間設置為“2004—2022年”，WOS數據設置為“1991—2022年”，時區切片上設置為一年一個時區片段，在Selection Criteria中選擇G-index算法閾值并設為“4”，減枝方法上選擇了尋徑（Minimum Spanning Tree），在Layout上選擇Timezone View，與Burstness其余選項按照軟件默認設定進行設置，得到關鍵詞貢獻時區圖與關鍵詞突現圖。從圖6可見，WOS近幾年出現的高頻關鍵詞是人機界面（Human Machine Interface）、康復（Rehabilitation）、老年人（Older Adult）、可用性測試（Usability Evaluation）、問卷調查（Ques-tionnaire）、自動駕駛（Automated Driving）、情感（Emotion）、混合現實（Mixed Reality）、機器學習（Machine Learning）。從圖7可發現，CNKI數據中平均出現時間晚于2017年的關鍵詞主要有虛擬現實、自然交互、扁平化設計、醫療設備、老年用戶、智能手表、可用性測試、自動駕駛、情感化、心智模型等。圖8～9分別列出WOS和CNKI中突現強度前29的關鍵詞，其中深色部分表現文獻關鍵詞引用頻次相對突出的年份，反映了HCI-UE研究的變化趨勢[32]。Timezone時區圖與Burstness關鍵詞突現圖均為關鍵詞引入實踐維度的分析指標，二者相互佐證參照可以獲得更加客觀準確的結果[32]。

圖6 WOS HCI-UE關鍵詞共現聚類圖

圖7 WOS HCI-UE關鍵詞時區圖

如圖8所示，將關鍵詞按時間順序排列可看出，國際的研究動態同樣可分為三個階段，前期聚焦于User Interface與Gesture Recognition。經過發展，提出進一步的界面交互方式，即Natual User Interface與Tangible User Interface。而近期Machine Learning、Augmented Reality、Mixed Reality、Virtual Reality成為了熱點。國際關于HCI-UE研究的演變在研究對象上呈現出從單一的圖形用戶界面向多通道、多模態、高復雜的自然用戶界面、有形用戶界面、虛擬現實、增強現實發展，具有高度的跨學科特性。CNKI數據中關于HCI-UE的研究同樣可分為三個區間，關鍵詞從前期的可用性、用戶研究、以用戶為中心、用戶界面設計發展到智能手機、自然用戶界面、扁平化設計、UI界面、手機界面，再到用戶需求、情感化設計、老年用戶等。從區間關鍵詞演變來看，在前期國內HCI-UE在研究上從關注可用性與用戶界面設計，到中期的智能手機、APP，再到后期的老年用戶、情感化、移動端。可得出一直以來國內較為關注UI應用層面的研究，同時近年來在人口老齡化的因素影響下，為老年用戶群體的界面體驗設計被學界慢慢地關注。

將關鍵詞時區圖與關鍵詞突現圖結合分析，能看到國際學術界未來研究內容的重點集中于機器學習（Machine Learning）、任務分析（Task Analysis）、康復（Rehabilitation）、用戶中心計算（Human Center Computing）、語音用戶界面（Voice User Interface）、增強現實（Augmented Reality）、虛擬現實（Virtual Reality）、物聯網（Internet of Thing）、腦電信號采集（EEG）、老齡化（Aging）等方面。國內學術界未來的研究重點則主要集中在自動駕駛、語音交互、自然交互、虛擬現實、無意識認知、增強現實、眼動追蹤、老年用戶等方面。

圖8 WOS HCI-UE關鍵詞突現圖

圖9 CNKI HCI-UE關鍵詞突現圖

綜上所述，國內外在前沿主題的研究上有一定趨同性，主要集中在自動駕駛、老年用戶，以及語音用戶界面等領域。

2.5 高被引文獻分析

尋常的高被引文獻分析，選取文獻往往是時間段內被引次數從高到低，不利于把握整體趨勢，而且選取的文獻在時間上往往較為靠前，包含較少的近期文獻。為把握整體趨勢，進一步對比分析國內外HCI-UE研究范式異同，下文將選取檢索式下近五年來，且每年總被引量排名前三的被引文獻內容進行分析（已排除綜述性論文）。通過分析表1～2可知，在研究范式上國內外學界各自有其特點，但兩者都包括了定量、定性和混合的研究方法。例如，深度訪談、統計學方法等都在國內外HCI-UE論文中出現。同時兩者都以用戶為中心，強調從用戶角度出發，且在發展路徑上兩者都是從單一圖形界面向多模態、多通道趨勢發展。這一結論與前文關鍵詞聚類結果相吻合。

在具體研究對象上，國際學界目前研究對象主要聚焦于虛擬交互技術領域。如，Speicher等[33]通過在虛擬鍵盤上選擇字符來研究VR中的文本輸入，評估VR中基于選擇的、文本輸入的設計空間，在此基礎之上設計了六種不同的虛擬交互方式并評估了它們的性能和用戶偏好，最后結果表明使用跟蹤手持控制器的指向優于所有其他方法。Loeken等[34]分析了來自工業界和學術界的28個關于自動駕駛車輛狀態的概念，這些概念將被傳達給行人，告知行人車輛中狀態。在實驗中測量了參與者對增強現實的信任度，以及參與者過馬路時的安全感和用戶體驗等指標，最后得出最好的互動信號是參與者已經熟悉的信號及簡單、易懂、具有高辨識度的信號。他們的這一研究填補了自動駕駛車輛與行人互動的這一研究空白。Grubert等[35]研究了虛擬現實（VR）應用中使用的兩種主流文本輸入設備——桌面鍵盤和觸摸屏鍵盤的性能和用戶體驗，討論了有限的視覺反饋帶來的局限性，并考察了不同使用策略的效率，最后得出用戶可以將打字的技能快速轉移到VR中。相比較而言，雖然國內HCI-UE研究領域對虛擬技術近幾年有一定關注，但是整體上側重UI設計方向。學者相靜[36]從用戶體驗的視角出發探究手機界面設計，在研究中分別對感官層、情感層、評價層做詳細分析與論述。學者陳雪等[37]在對用戶體驗設計在界面設計領域的價值進行分析的同時，以用戶體驗和界面設計的相關理論為基礎，闡述了用戶體驗設計在界面設計中的重要性。最后，從人因學的角度探析影響用戶體驗的界面設計因素，總結歸納出基于用戶體驗的界面設計要素。在理論與方法上，國際學界側重于大數據（Big Data）、深度學習（Deep Learning）、機器學習（Machine Learning）、情感計算（Affective Computing）、數據分析（Data Analysis）、數據挖掘（Data Mining）、用戶學習（User Study）這類定量的實證研究方法，涵蓋了諸多的定量和混合方法，方法多樣化，在機器學習和深度學習方面尤甚。例如，Soure等[38]提出了一種協作視覺分析工具CoUX，以幫助用戶體驗評估人員集體審查數字界面的可用性測試視頻，這款工具基于機器學習的原理，可以從視頻和音頻中提取的聲學、文本、視覺特征，將數據可視化，從而支持用戶體驗評估人員之間的協作。Cho等[39]提出了一種基于深度學習的非對稱虛擬環境（DAVE），用于沉浸式體驗元宇宙內容，同時還基于深度學習設計了手勢界面、文本界面等。國內學界偏向于設計策略、用戶模型、設計原則、認知心理學等。例如，學者羅欣等[40]探索了智能櫥柜交互界面的用戶體驗設計原則與策略，提出以用戶為中心、用戶需求層次、信息通達性、操作易用性、情感愉悅化的智能櫥柜的五條交互界面設計原則，以及梳理需求層次優先級、注重用戶操作反饋流程、設計評估與反饋意見以推動產品迭代的三條設計策略。胡駿[41]為解決醫療設備界面設計所存在的問題，從認知心理學的角度出發，解析了認知心理與界面體驗之間的關系，提出了基于認知心理學的界面體驗設計方法，并建立相應的認知體驗模型框架。在可用性研究上，國際學界側重腦電信號采集（EEG）這一類的生理實驗法，Mangion等[42]使用腦電信號采集（EEG）系統記錄實驗參與者在某些社交媒體平臺上執行任務時的情緒波動，以此直觀了解用戶在使用界面時的狀態。國內學界主要依靠系統可用性量表（SUS）這一類的行為實驗法。例如，學者李源楓等[43]采用系統可用性量表（SUS）在醫療終端界面布局設計中收集界面布局方案可用性數據。

表1 國內外學界高被引文獻

Tab.1 Highly cited literature in Chinese and foreign academic circles

表2 國內外學界高被引文獻研究范式

Tab.2 Research paradigms of highly cited literature in Chinese and foreign academic circles

3 結論

國內外HCI-UE研究領域中的文獻產出趨勢基本一致。截至2019年，總體上呈上升趨勢，2019年后出現回落趨勢，回落現象的產生可能是受近幾年的全球疫情影響。國際國內文獻產出峰值分別在2019年與2016年，這表明該領域已經進入到成熟階段。相關的理工科院校是其研究主體。

綜合關鍵詞聚類可知，國內外學界在HCI-UE研究領域有一定的相似性與相異性。相似性表現為在關鍵詞聚類上國內外研究都形成四個主要聚類，研究主題總體一致，這四個聚類形成了HCI-UE領域的研究閉環。此外，國內外學界都聚焦于可用性測試，且國內外學界均重視用戶研究，以用戶為中心設計。而相異性表現為：（1）在交互方式的研究上，國際學界視線已脫離傳統的人機界面交互方式，轉而專注于更加前沿的虛擬技術，而國內目前處于初始階段；（2）在研究前沿趨勢上，國際學界未來重點集中在機器學習（Machine Learning）、任務分析（Task Analysis）、康復（Rehabilitation）、用戶中心計算（Human Center Computing）等方面，國內則聚焦自動駕駛、語音交互、自然交互、虛擬現實等方面。

對于研究范式，國內和國際的研究范式都有其特點，但國際范式在某些方面，特別是技術和算法的應用上可能更加先進和深入，具體如下。

1）國際學界側重定量研究，使用機器學習（Machine Learning）、任務分析（Task Analysis）、數據挖掘（Data Mining）等前沿技術，強調數據分析方法在捕捉海量數據背后的規律中的重要性。此外，國際研究還涉及算法與用戶研究的結合，以提供更科學的設計理論支持。國內研究則從心理學、創新設計、設計策略等多學科角度出發，從定性研究逐漸轉向定量研究。

2）在數據來源上，國外數據更多地使用客觀生理測量數據，如EEG、Eye Tracking等。國內則以SUS量表數據及主觀報告數據為主。

[1] 羅仕鑒, 龔蓉蓉, 朱上上. 面向用戶體驗的手持移動設備軟件界面設計[J]. 計算機輔助設計與圖形學學報, 2010, 22(6): 1033-1041.LUO S J, GONG R R, ZHU S S. Handheld Mobile Device Software Interface Design for User Experience[J]. Journal of Computer Aided Design and Graphics, 2010, 22(6): 1033-1041

[2] 黃艷群, 黎旭, 李榮麗. 設計·人機界面[M]. 北京：北京理工大學出版社, 2007: 3-8. HUANG Y Q, LI X, LI R L. Design: Human Machine Interface[M]. Beijing: Beijing University of Technology Press, 2007: 3-8.

[3] 丁玉蘭. 人機工程學[M]. 第4版. 北京: 北京理工大學出版社, 2011: 9-10. DING Y L. Ergonomics[M]. 4th, ed. Beijing: Beijing University of Technology Press, 2011: 9-10.

[4] 羅仕鑒. 人機界面設計[M]. 北京: 機械工業出版社, 2002. LUO S J. Man-machine Interface Design[M]. Beijing: Machinery Industry Press, 2002.

[5] ISO 9241-210, 2019 Ergonomics of Human-System Interaction Part 210: Human-centred Design for Interactive Systems[S].

[6] 魏瑋, 宮曉東. 基于用戶體驗的人機界面發展趨勢[J]. 北京航空航天大學學報, 2011, 37(7): 868-871. WEI W, GONG X D. Development Trend of Human-computer Interface Based on User Experience[J]. Journal of Beijing University of Aeronautics and Astronautics, 2011, 37(7): 868-871.

[7] 宗敏, 吳瑜, 綦宗金. 基于CiteSpace的國外用戶界面體驗圖譜量化分析[J]. 濰坊學院學報, 2021, 21(6): 7-15.ZONG M, WU Y, QI Z J. Quantitative Analysis of Foreign User Interface Experience Atlas Based on Cite-Space[J]. Journal of Weifang University, 2021, 21(6): 7-15

[8] MONGEON P, PAUL-HUS A. The Journal Coverage of Web of Science and Scopus: A Comparative Analysis[J]. Scientometrics, 2016, 106: 213-228.

[9] 趙蓉英, 邱均平. CNKI發展研究[J]. 情報科學, 2005(4): 626-634. ZHAO R Y, QIU J P. NKI Development Research[J]. Information Science, 2005(4): 626-634

[10] 文庭孝, 劉曉英. 計量學學科發展譜系研究[J]. 情報科學, 2022, 40(6): 12-18. WEN T X, LIU X Y. Research on the Development Pedigree of Metrology Discipline[J]. Information Science, 2022, 40(6): 12-18.

[11] CHEN C. CiteSpace II: Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57(3): 359- 377.

[12] WALTMAN E L. Software Survey: VOSviewer, A Computer Program for Bibliometric Mapping[J]. Scientometrics, 2010, 84(2): 523-538.

[13] 崔峰, 尚久楊. 中國農業文化遺產研究的文獻計量與知識圖譜分析——基于中國知網(CNKI)和Web of Science數據庫[J]. 中國生態農業學報(中英文), 2020, 28(9): 11. CUI F, SHANG J Y. Literature Metrology and Knowledge Map Analysis of China's Agricultural Cultural Heritage Research: Based on CNKI and Web of Science Database[J] Chinese Journal of Ecological Agriculture (Chinese and English), 2020, 28(9): 11.

[14] 葛燕, 陳亞楠, 劉艷芳, 等. 電生理測量在用戶體驗中的應用[J]. 心理科學進展, 2014, 22(6): 959-967. GE Y, CHEN Y N, LIU Y F, et al. Application of Electrophysiological Measurement in User Experience[J]. Advances in Psychological Science, 2014, 22(6): 959-967.

[15] 汪成為. 靈境, 虛擬現實技術的理論、實現及應用[M]. 北京: 清華大學出版社, 1996. WANG C W. The Theory, Implementation and Application of Virtual Reality Technology in the Spirit World [M]. Beijing: Tsinghua University Press, 1996.

[16] HULUSIC V, GUSIA L, LUCI N, et al. Tangible User Interfaces for Enhancing User Experience of Virtual Reality Cultural Heritage Applications for Utilization in Educational Environment[J]. ACM Journal on Computing and Cultural Heritage, 2023, 16(2): 1-24.

[17] YEH S C, WU E H K, LEE Y R, et al. User Experience of Virtual-reality Interactive Interfaces: A Comparison between Hand Gesture Recognition and Joystick Control for Xrspace Manova[J]. Applied Sciences, 2022, 12(23): 12230.

[18] AL-EMRAN M, MEZHUYEV V, KAMALUDIN A. Technology Acceptance Model in M-learning Context: A Systematic Review[J]. Computers & Education, 2018, 125(10): 389-412.

[19] DAVIS F D, BAGOZZI R P, WARSHAW P R. User Acceptance of Computer Technology: A Comparison of Two Theoretical Models[J]. Management Science, 1989, 35(8): 982-1003.

[20] REED D, MONK A. Inclusive Design: Beyond Capabilities towards Context of Use[J]. Universal Access in the Information Society, 2011, 10: 295-305.

[21] 賈凱凱. 網絡視頻服務中用戶體驗質量預測研究[D]. 北京: 北京交通大學, 2017. JIA K K. Research on Prediction of User Experience Quality in Online Video Service[D]. Beijing: Beijing Jiaotong University, 2017.

[22] LYU Z, POIES F, DONG Q, et al. Deep Learning for Intelligent Human: Computer Interaction[J]. Applied Sciences, 2022, 12(22): 11457.

[23] 徐穎. 手機游戲交互界面的用戶體驗研究——針對女性用戶[J]. 設計, 2019, 32(17): 44-46.XU Y. Research on User Experience of Mobile Game Interactive Interface: Targeting Female Users[J]. Design, 2019, 32(17): 44-46.

[24] 胡晨. 互聯網金融產品用戶界面的情感化設計應用研究[D]. 青島: 青島理工大學, 2022.HU C. Research on the Application of Emotional Design in User Interface of Internet Financial Products[D]. Qingdao: Qingdao University of Technology, 2022.

[25] 王文麗, 徐江華, 石小濤. 基于用戶體驗的座艙人機交互設計[J]. 時尚設計與工程, 2023(2): 10-15.WANG W L, XU J H, SHI X T. Cockpit Human- machine Interaction Design Based on User Experience[J]. Fashion Design and Engineering, 2023(2): 10-15

[26] NORMAN D A. The Design of Everyday Things[J]. Design of Everyday Things, 1988, 26(4):166.

[27] 師喬喬, 張阿維. 淺析基于用戶體驗生命周期的產品APP界面設計[J]. 西部皮革, 2020, 42(4): 62. SHI Q Q, ZHANG A W. Analysis of Product APP Interface Design Based on User Experience Lifecycle[J]. Western Leather, 2020, 42 (4): 62.

[28] 賈梧, 周睿, 劉揚, 等. 基于眼動實驗的短視頻手機APP界面偏好研究[J]. 人類工效學, 2022, 28(2): 11-16. JIA W, ZHOU R, LIU Y, et al. Study on Interface Preference of Short Video Mobile APP Based on Eye Movement Experiment[J]. Ergonomics, 2022, 28 (2): 11-16.

[29] 孫林輝, 韓貝貝, 張偉. 基于眼動實驗的英語學習類手機APP界面設計評價[J]. 人類工效學, 2021, 27(2): 1-8. SUN L H, HAN B B, ZHANG Wei. Evaluation of English Learning Mobile App Interface Design Based on Eye Movement Experiments[J]. Ergonomics, 2021, 27 (2): 1-8.

[30] 王文娟, 張碧含, 符夢婷, 等. 無人物流車的車外屏人機界面設計研究[J]. 圖學學報, 2020, 41(3): 335- 341. WANG W J, ZHANG B H, FU M T, et al. Research on the Design of Human-machine Interface for Car Exterior Screens of Unmanned Streaming Cars[J]. Journal of Graphics, 2020, 41(3): 335-341.

[31] 陳睿. 虛擬與現實互動型的玩具設計研究[D]. 武漢: 湖北工業大學, 2021. CHEN R. Research on Virtual and Realistic Interactive Toy Design[D]. Wuhan: Hubei University of Technology, 2021.

[32] DASARATHY B V. Data Mining and Knowledge Discovery[J]. Kluwer Academic Publishers, 2003, 4(1): 1-10.

[33] SPEICHER M, FEIT A M, ZIEGLER P, et al. Selection-based Text Entry in Virtual Reality[C]// Proceedings of the 2018 CHI Conference. New York: Association for Computing Machinery, 2018.

[34] LOEKEN A A, GOLLING C, RIENER A. How should Automated Vehicles Interact with Pedestrians? A Comparative Analysis of Interaction Concepts in Virtual Reality[C]// Proceedings of the 11th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. New York: Association for Computing Machinery, 2019.

[35] GRUBERT J, WITZANI L, OFEKO E, et al. Text Entry in Immersive Head-mounted Display-based Virtual Reality Using Standard Keyboards[C]. Berlin: IEEE, 2018.

[36] 相靜. 基于用戶體驗的手機界面設計路徑研究[J]. 包裝工程, 2021, 42(10): 347-349. XIANG J. Research on the Path of Mobile Phone Interface Design Based on User Experience[J]. Packaging Engineering, 2021, 42 (10): 347-349.

[37] 陳雪, 周美玉. 基于用戶體驗的界面設計因素分析[J]. 設計, 2019, 32(1): 81-83. CHEN X, ZHOU M Y. Analysis of Interface Design Factors Based on User Experience[J]. Design, 2019, 32(1): 81-83.

[38] SOURE E J, KUANG E, FAN M, et al. CoUX: Collaborative Visual Analysis of Think-aloud Usability Test Videos for Digital Interfaces[J]. IEEE Transactions on Visualization and Computer Graphics, 2021, 28(1): 643-653.

[39] CHO Y, HONG S, KIM M, et al. DAVE: Deep Learning-based Asymmetric Virtual Environment for Immersive Experiential Metaverse Content[J]. Electronics, 2022, 11(16): 2604.

[40] 羅欣, 周橙旻, 詹先旭. 智能廚柜交互界面用戶體驗設計原則與策略[J]. 家具, 2021, 42(2): 22-27. LUO X, ZHOU C M, ZHAN X X. Principles and Strategies of User Experience Design for Interactive Interface of Intelligent Kitchen Cabinets[J]. Furniture, 2021, 42(2): 22-27.

[41] 胡駿. 基于認知心理學的醫療設備界面體驗設計研究[D]. 杭州: 浙江大學, 2018. HU J. Research on Medical Device Interface Experience Design Based on Cognitive Psychology[D]. Hangzhou: Zhejiang University, 2018.

[42] MANGION R S, GARG L, GARG G, et al. Emotional Testing on Facebook’s User Experience[J]. IEEE Access, 2020, 8: 58250-58259.

[43] 李源楓, 吳群, 張劍, 等. 結合用戶導向和遺傳算法的醫療終端界面布局設計[J]. 計算機輔助設計與圖形學學報, 2021, 33(5): 662-670. LI Y F, WU Q, ZHANG J, et al. Layout Design of Medical Terminal Interface Combining User-oriented and Genetic Algorithm[J]. Journal of Computer Aided Design and Graphics, 2021,33(5): 662-670.

[44] SARSAM S M, AL-SAMARRAIE H .Towards Incorporating Personality into the Design of an Interface: A Method for Facilitating Users' Interaction with the Display[J]. User Modeling and User-adapted Interaction, 2018, 28:75-96.

[45] MCLEAN G, OSEI-FRIMPONG K, ALEXA H. Examine the Variables Influencing the Use of Artificial Intelligent In-home Voice Assistants[J].Computers in Human Behavior, 2019, 99(10): 28-37.

[46] KORAVLEVA O, DURAND T, KALIMULLINA O, et al.Studying User Satisfaction with the MOOC Platform Interfaces Using the Example of Coursera and Open Education Platforms[C]// Proceedings of the 2019 International Conference on Big Data and Education. New York: Association for Computing Machinery, 2019.

[47] HIENTANEN A, PIETERS R,LANZ M,et al.AR-based Interaction for Human-robot Collaborative Manufac-turing[J]. Robotics and Computer-integrated Manufac-turing, 2020, 63: 101891.

[48] FAAS S M, MATHIS L A, BAUMANN M R K. External HMI for Self-driving Vehicles: Which Information Shall be Displayed?[J]. Transportation Research Part F Traffic Psychology and Behaviour, 2020, 68: 171-186.

[49] ALSSWEY A, AL-SAMARRAIE H.Elderly Users'Acceptance of Health User Interface (Ul) Design-based Culture: the Moderator Role of Age[J]. Journal on Multimodal User Interfaces, 2020, 14(1): 49-59.

[50] SUN Z, ZHU M, ZHANG Z,et al. Artificial Intelligence of Things (AIoT) Enabled Virtual Shop Applications Using Self-powered Sensor Enhanced Soft Robotic Manipulator[J]. Advanced Science, 2021, 8(14): 210030.

[51] YOUN S, JIN S V."In A.I. We Trust?" The Effects of Parasocial Interaction and Technopian Versus Luddite Ideological Views on Chatbot-based Customer Relationship Management in the Emerging "Feeling Economy"[J]. Computers in Human Behavior, 2021, 119: 106721..

[52] TAI Y, GAO B, LI Q,et al.Trustworthy and Intelligent COVID-19 Diagnostic IoMT through XR and Deep Learning-based Clinic Data Access[J]. IEEE Internet of Things Journal, 2021, 99: 1.

[53] LEI Z, ZHOU H, HU W, et al.Unified and Flexible Online Experimental Framework for Control Engineering Education[J].IEEE Transactions on Industrial Electronics, 2021, 99: 1-1.

[54] HENG W, SOLOMON S, GAO W.Flexible Electronics and Devices as Human-machine Interfaces for Medical Robotics[J].Advanced Materials, 2022(16): 34.

[55] WANG Y, YANG Q, LIN X, et al. G4LDB 2.2: A Database for Discovering and Studying G-Quadruplex and i-Motif Ligands[J]. Nucleic Acids Research, 2021, 12:113-120.

[56] 李倩. 基于用戶體驗的UI界面中圖標設計研究[D]. 沈陽: 沈陽師范大學, 2018. LI Q. Research on Icon Design in UI Interface Based on User Experience[D]. Shenyang: Shenyang Normal University, 2018.

[57] 馮志兵. 基于用戶體驗的網頁界面交互設計研究[D]. 株洲: 湖南工業大學, 2018. FENG Z B. Research on User Experience Based Web Interface Interaction Design[D]. Zhuzhou: Hunan University of Technology, 2018.

[58] 李奕飛, 何人可. 基于用戶體驗的洗衣機軟界面設計原則研究[J]. 包裝工程, 2019, 40(10): 196-202. LI Y F, HE R K. Research on Soft Interface Design Principles for Washing Machines Based on User Experience[J]. Packaging Engineering, 2019, 40(10): 196- 202.

[59] 丁金虎. 基于情境認知的自然用戶界面體驗設計研究[D].無錫: 江南大學, 2019. DING J H. Research on Natural User Interface Experience Design Based on Contextual Cognition[D]. Wuxi: Jiangnan University, 2019.

[60] 馬超民, 趙丹華, 辛灝. 基于用戶體驗的智能裝備人機交互界面設計[J]. 計算機集成制造系統, 2020, 26(10): 2650-2660. MA C M, ZHAO D H, XIN H. Design of Human- machine Interaction Interface for Intelligent Equipment Based on User Experience[J]. Computer Integrated Manufacturing System, 2020,26(10): 2650-2660.

[61] 董媖妲. 基于用戶體驗為核心的手機APP界面設計研究[J]. 智庫時代, 2020(3): 271-272. DONG Z H. Research on Mobile APP Interface Design Based on User Experience as the Core[J]. Think Tank Era, 2020(3): 271-272.

[62] 耿陽, 趙煒濃. 融合參與觀察的用戶界面設計方法研究[J]. 設計, 2020, 33(9): 44-46. GENG Y, ZHAO W N. Research on User Interface Design Methods for Integrating Participatory Observations[J]. Design, 2020, 33(9): 44-46.

[63] 彭華明, 陶玉棠. 用戶體驗導向下的APP個性化界面設計研究[J]. 現代電子技術, 2022, 45(4): 73-77. PENG H M, TAO Y T. Research on Personalized Interface Design of APP under User Experience Orientation[J]. Modern Electronic Technology, 2022, 45(4): 73-77.

[64] 沈蘭寧. 基于用戶體驗的移動端UI交互設計探究[J]. 電腦知識與技術, 2022, 18(3): 64-65. SHEN L N. Exploration of Mobile UI Interaction Design Based on User Experience[J]. Computer Knowledge and Technology, 2022, 18(3): 64-65.

[65] 楊煥, 鮑坤坊, 孫耀. 大數據分析下以用戶體驗為導向的移動應用界面設計創新方法研究[J]. 設計, 2022, 35(1): 41-43. YANG H, BAO K F, SUN Y. Research on Innovative Methods for User Experience Oriented Mobile Application Interface Design under Big Data Analysis[J]. Design, 2022, 35(1): 41-43.

Comparative Study of User Experience in Human-Computer Interface Based on Bibliometrics

LONG Shihao, XU Zhihong*, CHEN Huan, LI Zhiqiang

(Jishou University, Hunan Zhangjiajie 427000, China)

The work aims to compare and analyze the similarities and differences of human-computer interface user experience research in China and abroad and summarize the current research status of Chinese academia and find out problems. In the study, WOS and CNKI were used as data sources, and the literature materials were visualized and analyzed by means of bibliometrics and the comprehensive use of Citespace, VOSviewer and other software. The literature output in the field of human-computer interface user experience research in China and abroad is relatively consistent, reaching the peak before 2019 (including 2019), and showing a downward trend after 2019. The research subjects are science and engineering colleges and universities related to computer science and Internet technology. In terms of research team cooperation, there are few cross-team studies in China, and there is an obvious research highland and the degree of research cooperation needs to be strengthened. On the whole, it presents the characteristics of "overall dispersion and local concentration". In terms of keyword cluster analysis, the hot research on user experience of human-computer interface in China and abroad shows some similarities and differences. The similarity shows that the user experience research in human-computer interface in China and abroad has formed four clusters in keyword clustering, and forms a research loop. Secondly, Chinese and foreign academic circles have paid great attention to usability. The difference is that in the research of interaction methods strongly related to user experience, international academic circles have deviated from the traditional human-computer interface interaction methods and focus on virtual interaction technology, while China is currently in the initial stage. The main limitations of Chinese HCI-UE researchers at this stage are insufficient interdisciplinary cooperation, weak innovation in their own research and lack of their own theoretical research and models.

interface design; user experience; bibliometrics

TB472

A

1001-3563(2024)04-0288-16

10.19554/j.cnki.1001-3563.2024.04.031

2023-09-18