基于實證研究法的新媒體藝術智能生成研究

葉彩仙 胥立軍 Tsenguun Ganbat

摘? 要：隨著計算機新技術的快速發展，新媒體藝術領域有著新的創作和表達方式。該文旨在采用MR技術、人工智能AIGC和決策樹CART算法，重復利用環形空間，實時生成場景，為新媒體藝術體驗者提供豐富的個性化的體驗，提高客戶的重玩率。該研究采用實證研究法，對15歲以下青少年為用戶測試群體進行實驗測試分析，研究他們在使用新媒體藝術作品或產品時的生理和心理反應，再通過問卷調查、深度訪談等方式獲得用戶對新媒體藝術作品的體驗反饋，了解用戶對藝術作品的認知、情感、行為等方面的體驗，利用數據預處理與數據挖掘對數據進行處理，保證實驗樣本的可靠性和有效性。使用機器學習模型訓練及生成式AI生成內容，實時制作出用戶體驗式新媒體藝術虛擬場景供用戶體驗。

關鍵詞：計算機技術；用戶體驗；新媒體藝術；AIGC；實證研究法

中圖分類號：X705? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2095-2945（2024）19-0014-05

Abstract： With the rapid development of new computer technology， the field of new media art is facing new ways of creation and expression. The purpose of this paper is to use MR technology， AIGC and decision tree CART algorithm to reuse annular space and generate scenes in real time， so as to provide rich personalized experience for new media art experience and improve the replay rate of customers. This study adopts the method of empirical research， through the experimental test and analysis of young people under the age of 15 as user test groups， to study their physical and psychological reactions when using new media works of art or products， and then through questionnaires， in-depth interviews and other ways to get users' experience feedback on new media works of art， to understand users' cognitive， emotional and behavioral experience of works of art. Data preprocessing and data mining are used to process the data to ensure the reliability and validity of the experimental samples. It is suggested to use machine learning model training and generative AI to generate content， and create a user-experienced new media art virtual scene for user experience in real time.

Keywords： computer technology; user experience; new media art; AIGC; empirical research method

計算機技術如混合現實（MR）、人工智能、機器學習和數據挖掘等，為藝術家提供了豐富的創作工具和表達方式。這些技術不僅擴展了藝術創作的可能性，還為觀眾帶來了更豐富、可交互、沉浸式和個性化的用戶體驗。然而，盡管計算機技術在新媒體藝術中的應用不斷增加，但如何有效地利用這些技術來生成用戶體驗豐富的藝術作品仍然是一個挑戰。

1? 應用技術與理論基礎

信息技術的發展使得設計團隊利用先進的計算機技術能夠創造出各種互動裝置和裝置藝術作品，這些作品通常使用傳感器、攝像頭、運動追蹤等技術。通過戴上VR頭顯或使用AR設備，觀眾可以與虛擬世界或現實世界中的數字內容進行互動，創造出非凡的藝術體驗，可以通過觸摸屏幕、手勢識別或聲音控制等方式與作品進行互動，改變影像或音樂的形態和節奏。人工智能大模型AIGC的出現更是推動著社會文明的大踏步向前，生成式AI如Midjourney、Stable Diffusion、Runway和Pika等大模型的應用，使AI能像人類一樣思考，能快速方便地生成一些用戶想要的圖形、文字或聲音等多媒體內容，為新媒體藝術研究者提供了關鍵素材生成和支持，這些顆粒化素材在藝術團隊重組下很容易制作出大型的新媒體藝術。

本研究采用實證研究方法，結合實驗和調查2個主要環節。實驗環節將觀察和記錄參與者在體驗新媒體藝術作品時的行為和反應，以及采用智能手環等傳感器收集到的相關數據，例如多巴胺、心率、眼動追蹤和腦電波監測等，分析用戶停留時間和喜好。調查環節將收集參與者的主觀評價和反饋，以了解他們對藝術作品的感受和觀點。探索機器學習的決算樹CART算法的模型訓練過程，并評估算法對最終結果的可行性，最終脫離實驗室環境，將用戶體驗式新媒體藝術生成推廣應用于企事業單位或醫療等系統，為新媒體藝術的發展和普及做出貢獻。

2? 研究方法綜述

2.1? 數據收集和分析

本研究采用多種數據收集方法，包括實驗觀察、生理反應測量和問卷調查。實驗觀察將用于記錄參與者在體驗新媒體藝術作品時的行為和反應，以及計算機新技術應用對用戶體驗的影響。生理反應測量將使用生物傳感器（如心率監測儀、皮膚電阻儀等）來收集參與者的生理指標數據，以獲取更客觀的用戶體驗數據。此外，設計問卷調查，收集參與者的主觀評價和反饋，以了解他們對藝術作品的感受和觀點。在數據分析階段，使用統計分析方法對收集到的數據進行處理和解讀。對于實驗觀察和生理反應等收集到的數據，使用描述性統計分析、回歸分析和數據預處理相關性分析等方法來揭示不同條件下的差異和關聯關系。對于問卷調查數據，進行主觀評價的整理和匯總，以便了解參與者對藝術作品的感受和觀點。

2.2? 研究樣本和實驗裝置

為了確保研究結果的代表性和可靠性，筆者將從不同年齡、性別和背景的參與者中招募樣本。參與者將被隨機分配到不同的實驗條件中，以減少偏差和干擾因素。實驗裝置將采用決策樹的CART算法、MR技術和AIGC實時生成的虛擬環境在實際空間展示不同類型的新媒體藝術作品。通過對比參與者在不同的虛擬環境下的反應和評價，及重復回歸測試新生成的虛擬環境，以便訓練出一個最合適的虛擬環境供后來者使用，并評估算法對最終結果的可靠性。

2.3? 實踐應用和案例研究

本研究在混合虛擬企業燧光公司的支持下，將實驗場所設計成環形分塊方式，采用VR游戲競技方法，在每次競技前了解體驗者想參與的競技游戲項目，選擇合適的應用案例。分析這些案例的特點、目標和設計原則，以及計算機新技術的具體應用方式和效果。通過調查問卷、用戶訪談或焦點小組討論等方式，收集用戶體驗前后對這些應用案例的反饋和評估數據，分析用戶的反饋和評估結果，了解他們對這些應用案例的感受、觀點和建議。在結果分析部分，解釋實踐應用案例的結果和用戶反饋，與現有的理論和研究進行比較和對照，分析應用案例的成功因素和挑戰，討論計算機新技術在用戶體驗式新媒體藝術生成中的實際應用價值。總結實際應用案例的經驗教訓和啟示，提煉出設計原則和指導性框架，為藝術創作者和設計師提供實踐應用的參考和指導。同時探討這些應用案例的局限性和改進的可能性，為進一步的研究和實踐提供啟示。

3? 生成新媒體藝術

3.1? 數據準備和預處理

數據預處理，對實驗與調查中收集到的數據進行清洗和轉換，將數據轉換為適合決策樹算法處理的格式。再進行數據歸一化處理，確保不同特征之間的尺度一致。使用已標記的數據集對決策樹模型進行訓練。使用交叉驗證等方法評估模型的性能和準確度，確保模型的泛化能力。表1為測試數據的一部分，其中個性特點由MBTI人格測試報告生成。

特征選擇，根據用戶體驗設計的目標和需求，選擇與用戶體驗相關的特征。針對收集到的數據，通過以下步驟來整理和篩選特征：①對多源數據進行解析、清洗和存儲，得到同化數據；②對同化數據進行匯總、去重和統計，得到數據的量化值，即特征；③針對數據特征進行篩選和降維；④最后得到特征信息的集合。分類數據集主要特征見表2。

根據體驗者的經驗值及報名人數比例，以特征值劃分的子集的加權平均熵，收集生理心理特征指數分析及用戶使用反饋，使用信息增益進行分析，機器學習訓練方式推導出不同用戶的最優模型。應用決策樹分類器（Decision Tree Classifier）構建一棵決策樹來對數據進行分類。決策樹是一種樹狀結構，其中每個內部節點表示一個特征或屬性，每個分支表示該特征可能的取值，每個葉節點表示一個類別或標簽。決策樹的構建過程是通過遞歸地選擇最佳特征進行劃分，直到滿足停止條件為止，然后使用構建好的決策樹對新樣本進行分類。

3.2? 訓練決策樹模型

根據選擇的特征和標簽，體驗者的年齡和性別作為第一棵決策樹的特征結點，且給決策樹的葉子結點加上對應的權重，使用決策樹CART算法構建決策樹模型如圖1所示，使用系統推薦的決策樹模型來預測用戶的行為和喜好，應用模型的用戶第一次體驗結果見表3。根據預測結果，進行用戶體驗設計的優化，例如調整頁面布局、改進交互方式、提供個性化推薦等，再進行遞歸建樹來訓練模型。本文采用決策樹CART（Classification and Regression Trees）算法進行解決分類和回歸問題。后面使用CART算法構建分類決策樹模型，利用信息增益進行分析，機器學習訓練方法推導出適合不同用戶的模型。

本次模型訓練以15歲以下青少年為用戶測試群體進行數據分析，根據報名測試人數及經驗值評估權重，15歲以下男性的權重是2，系統使用信息增益算法推薦給組1體驗者的模型是刺激型、挑戰型和夢幻型，而用戶的刺激型體驗評價是8分（滿分10分），沒達到9.5分以上評價，且修改率0.9，該模型需繼續優化供測試者測試，挑戰型及夢幻型同理，也需繼續優化供測試者測試，直到訓練出最優模型。

表3得到年齡段在0～15歲男生第一次體驗結果未達期望值，根據用戶體驗的反饋，調整和改進訓練模型和設計策略。收集用戶反饋數據，并根據反饋結果進行模型的迭代和更新。設計團隊利用決策樹算法進行模型模擬與訓練，從而提供更符合用戶需求和偏好的新媒體藝術應用。根據選擇的特征，將數據集劃分為不同的子集。

對于每個小組，重復上述步驟，直到滿足終止條件。在圖2中，采用3類模型（刺激型、挑戰型和夢幻型）進行訓練，x軸是訓練數據在0～15歲男生組中的訓練頻率，y軸是訓練過程的修改率。夢幻型的分類器修改率最低，并且比其他2個指標更穩定。訓練結果顯示，得到0～15歲男生最適宜夢幻型體驗模型。

根據用戶特點推薦訓練模型（一般為3類主題模型），體驗得到評分值，對于修改率大于0.05的模型進行修改優化與回歸測試直到修復率低于0.05。實時修改模型再測試。得到3類主題模型中最后修改率最小的模型。

3.3? 新媒體藝術的智能生成

根據以上算法進行數學建模可得到最優解，將最優參數作為AIGC實時輸入數據，AIGC技術借助大模型的跨模態綜合技術能力，以及云渲染，可以激發創意，提升內容多樣性，降低制作成本，將會實現大規模應用。根據上述所運用的數據挖掘算法，結合新技術應用于新媒體藝術，使用生成式AI等應用技術就很容易生成新媒體藝術作品初稿。設計團隊再使用這些成果就很容易制作出符合不同用戶使用感的新媒體藝術作品。信息技術與藝術的融合導致藝術相關數據的快速增長，數據已成為藝術的基礎資源，利用大數據的數據采集工具進行外部數據采集和內部數據挖掘，進而通過藝術元素文字、圖形、影視等的生產、流通、操作機制進行分類。應用于現代新媒體藝術設計，生成藝術圖譜和模型供設計師使用生成式AI重組載體，構建顆粒藝術知識圖，結合心理學、社會學、各種元素分類、智能適應色彩、構圖、層次和用戶畫像分析，通過藝術思維、語言識別、圖像識別、自然語言處理和視頻資料等研究以及對信息過程模擬的意識和思維，產生對智能新媒體藝術的新思維、新形式。該過程主要是根據用戶數據，把文字、圖片、視頻和動效綜合統一起來，用新技術生成式AI重組，以快速高效地產出符合用戶需求的AI藝術初稿。

3.4? 實證研究結果分析

通過實驗及調查收集數據，使用決策樹CART算法訓練決策樹模型，以用戶為中心、反饋與引導、個性化以及以修改率最小的模型為最優解等原則，制作出更加優秀和受歡迎的新媒體藝術作品。這些設計原則和方法可以幫助設計團隊設計出更加優秀和受歡迎的用戶體驗。當然，本研究有著一定的局限性和限制因素，例如樣本采樣種類、實驗設計流程和初始虛擬模型等環節，需要大量前期工作的投入和確保可行性。然而，由于虛擬現實技術應用實現了設計方案以及成果的直觀展現，為最終真實效果提供了有效的參照，實現了工作效率的大幅度提升。日前，人們已經開發出了許多具有強大功能的計算機三維軟件，這些軟件除了一些基本造型功能之外，還提供可以快速輸入設計的常用模型命令。再加上開源AI大算力、大模型API的支持，企業開發大型的新媒體藝術已經不再困難。

4? 結束語

本文深入研究了應用計算機新技術的用戶體驗式新媒體藝術生成，使用實證研究法，分析了實際應用案例，并收集了用戶的反饋和評價，這些案例研究進一步驗證了計算機新技術在用戶體驗式新媒體藝術生成中的潛力和影響。通過探索計算機新技術的應用和用戶體驗之間的關系，為新媒體藝術創作者提供了設計原則和指導性框架，以生成更豐富、沉浸式和個性化的用戶體驗式的新媒體藝術。本文探討了研究結果的實際應用價值，幫助藝術創作者和設計師更好地利用計算機新技術來生成用戶體驗豐富的新媒體藝術作品，這對于推動新媒體藝術的創新和發展具有重要意義。

參考文獻：

[1] PENG F. The Design of Interactive New Media Art Works Based on User Experience[J].Computer knowledge and technology，2019（9）.

[2] CAI X Y， LI J X. Design and Implementation of New Media Art User Experience based on Computer Technology[J].Technology Innovation and Application，2023（1）.

[3] CAI X Y， LI J X. Research on new media art generation in computer technology[J].Technology Innovation and Application，2023（7）.

[4] CAI X Y， GANG Z. Application research on data mining methods in Information communication mode of software. development[J]. Educational Technology and Computer Science IEEE，2011（2）：31-36.

[5] ZHANG G， YE C， WANG C， et al. Data Mining based Software Development Communication Pattern Discovery[J].International Journal of Modern Education & Computer Science，2010，2（2）.

[6] XIAO L Y. Research on the influence of digital media technology on art creation[J].Think tank era，2018（37）：147.

[7] ZHAN C X， LI Y G， SONG Y. Research on the construction of pilot psychological stress monitoring system based on virtual reality technology[J].Technology Innovation and Application，2023（1）.

[8] ZHENG H B， JI D， ZHANG J. Machine learning algorithms and practices[J].Jilin University Press，2021（19）.