程建萍 劉正捷 金小桐

摘 要：隨著智能手機(jī)的不斷普及，移動(dòng)用戶體驗(yàn)變得越來(lái)越重要，而移動(dòng)用戶體驗(yàn)與移動(dòng)用戶行為密切相關(guān)。為有效地對(duì)移動(dòng)用戶行為進(jìn)行研究，采用基于運(yùn)動(dòng)狀態(tài)感知的CAUX工具方法，首先在CAUX工具基礎(chǔ)上實(shí)時(shí)獲取用戶運(yùn)動(dòng)狀態(tài)，然后對(duì)數(shù)據(jù)進(jìn)行可視化提取，最后對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)注分析，得到用戶日常頻繁行為模式。實(shí)驗(yàn)表明各運(yùn)動(dòng)狀態(tài)感知準(zhǔn)確率達(dá)90%以上。該方法解決了傳統(tǒng)用戶研究方法數(shù)據(jù)與情境信息耦合度低、主觀性強(qiáng)、真實(shí)性弱等問題。

關(guān)鍵詞：移動(dòng)用戶行為; 運(yùn)動(dòng)狀態(tài)感知;用戶體驗(yàn);可視化

DOI：10. 11907/rjdk. 201234

中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）010-0190-06

Abstract： With the continuous popularity of smart phones， mobile user experience becomes more and more important， and mobile user experience is closely related to mobile user behavior. In order to effectively study the behavior of mobile users， the method of Caux based on motion awareness is adopted. Firstly， based on the CAUX tool， the method realizes the ability of real-time acquiring the users motion state， and the experiment verifies that the perception accuracy of each motion state is more than 90%. Secondly， we extract and implement the visualization requirements in the data analysis stage. Finally， we get the users daily frequent behavior mode through the annotation analysis of the original data by the user researchers. This method solves the problems of low accuracy， strong subjectivity and weak authenticity of traditional user research methods.

Key Words： mobile user behavior; motion awareness; user experience; visualization

0 引言

移動(dòng)設(shè)備無(wú)處不在，移動(dòng)端產(chǎn)品用戶體驗(yàn)變得越來(lái)越重要。用戶體驗(yàn)研究必須與情境緊密關(guān)聯(lián)[1]，由于使用背景（用戶、任務(wù)、環(huán)境）不同，用戶的行為模式也多種多樣[2]。用戶運(yùn)動(dòng)狀態(tài)作為一種行為情境，可幫助研究人員了解行為與產(chǎn)品使用之間的聯(lián)系，從而更有效地支持移動(dòng)端產(chǎn)品用戶體驗(yàn)研究工作。

周力等[3]通過(guò)觀察用戶在真實(shí)環(huán)境中的活動(dòng)，分析用戶在模擬場(chǎng)景中的行為;馬蓮蓮[4]進(jìn)行產(chǎn)品設(shè)計(jì)與老年用戶行為關(guān)聯(lián)性研究，采用問卷調(diào)查與用戶行為環(huán)境跟蹤法，建立人物角色，提出有針對(duì)性的產(chǎn)品設(shè)計(jì)原則。該類研究均使用傳統(tǒng)用戶研究方法，存在主觀性強(qiáng)、實(shí)驗(yàn)場(chǎng)景單一等問題;Koji等[5]通過(guò)模擬運(yùn)動(dòng)場(chǎng)景方式，對(duì)不同運(yùn)動(dòng)狀態(tài)下移動(dòng)設(shè)備文本輸入方式進(jìn)行評(píng)估;Lehtorirta等[6]分析用戶行走與移動(dòng)設(shè)備操作之間的關(guān)系，即通過(guò)跑步機(jī)模擬用戶行走研究對(duì)觸屏操作的影響。該類研究對(duì)運(yùn)動(dòng)狀態(tài)界定多使用固定器械（如跑步機(jī)）或人為干涉運(yùn)動(dòng)狀態(tài)變化，對(duì)真實(shí)場(chǎng)景的還原性較差。

以上研究都沒有打破場(chǎng)景限制，對(duì)數(shù)據(jù)和行為情境的耦合度低。本文通過(guò)基于運(yùn)動(dòng)狀態(tài)感知的CAUX工具，實(shí)時(shí)獲取用戶運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，對(duì)移動(dòng)端產(chǎn)品用戶日常頻繁行為模式進(jìn)行分析，對(duì)現(xiàn)有工具進(jìn)行能力拓展，以彌補(bǔ)現(xiàn)有研究主觀性強(qiáng)、場(chǎng)景還原性差等不足。

1 相關(guān)工作

1.1 行為模式研究

在人機(jī)交互領(lǐng)域，強(qiáng)調(diào)以用戶為中心的產(chǎn)品設(shè)計(jì)理念[7]。現(xiàn)有移動(dòng)產(chǎn)品行為模式研究大多聚焦于移動(dòng)端產(chǎn)品本身的使用行為上[8]，忽略了用戶自身行為模式在產(chǎn)品用戶體驗(yàn)中的重要性。傳統(tǒng)用戶研究方法通過(guò)訪談、問卷等形式，推測(cè)用戶行為模式，建立使用場(chǎng)景[9]，該方法主觀性強(qiáng)且耗時(shí)耗力。

1.2 CAUX工具

隨著智能手機(jī)的迅速普及，人們?cè)絹?lái)越依賴于移動(dòng)端產(chǎn)品，這為利用移動(dòng)設(shè)備進(jìn)行更接近用戶真實(shí)使用場(chǎng)景的用戶研究提供了可能，同時(shí)也提供了新的思路。如Nebeling[10]利用智能手機(jī)采集用戶在手機(jī)端的交互行為，通過(guò)分析發(fā)現(xiàn)可能存在的用戶體驗(yàn)問題;Lee等[11]開發(fā)基于Android平臺(tái)的系統(tǒng)，根據(jù)平臺(tái)用戶使用行為提供上下文感知服務(wù)。

CAUX是基于情境感知的用戶體驗(yàn)研究工具，通過(guò)移動(dòng)設(shè)備獲取用戶客觀數(shù)據(jù)?？蛻舳税惭b在用戶移動(dòng)設(shè)備上，工具處于運(yùn)行狀態(tài)時(shí)，后臺(tái)會(huì)收集用戶數(shù)據(jù)，并將數(shù)據(jù)上傳至服務(wù)器，研究人員可登錄服務(wù)器端查看上傳的數(shù)據(jù)[12]。CAUX工具對(duì)用戶干擾不大，只提供原始的傳感器數(shù)據(jù)，無(wú)法獲知用戶使用移動(dòng)設(shè)備時(shí)的運(yùn)動(dòng)狀態(tài)（行為信息），因此需要提升CAUX工具的數(shù)據(jù)采集能力，建立數(shù)據(jù)與行為信息之間的耦合關(guān)系，更好地開展用戶體驗(yàn)研究。

為更有效地幫助研究人員進(jìn)行用戶行為分析，本文確定基于CAUX工具的用戶日常頻繁行為研究方法，采用CAUX工具運(yùn)動(dòng)狀態(tài)感知功能，選取在校大學(xué)生進(jìn)行用戶日常頻繁行為模式研究。

2 CAUX工具功能擴(kuò)充

CAUX初級(jí)版本能夠收集與用戶運(yùn)動(dòng)狀態(tài)有關(guān)的速度數(shù)據(jù)[13]，但單純依靠用戶的速度數(shù)據(jù)不足以準(zhǔn)確判斷用戶運(yùn)動(dòng)狀態(tài)。因此，要針對(duì)CAUX工具進(jìn)行用戶運(yùn)動(dòng)狀態(tài)識(shí)別能力研究，在此基礎(chǔ)上對(duì)工具進(jìn)行能力擴(kuò)展。

2.1 用戶運(yùn)動(dòng)狀態(tài)感別能力實(shí)現(xiàn)

智能手機(jī)僅通過(guò)使用內(nèi)置傳感器就可持續(xù)識(shí)別用戶室內(nèi)外活動(dòng)[14]，但使用多個(gè)傳感器會(huì)產(chǎn)生較高能耗[15]。哈爾濱工業(yè)大學(xué)張?chǎng)蔚萚16]通過(guò)分析智能手機(jī)傳感器采集到的三軸加速度數(shù)據(jù)，使用SVM多分類方法識(shí)別用戶運(yùn)動(dòng)狀態(tài)。相關(guān)文獻(xiàn)顯示，可基于CAUX工具采集手機(jī)傳感器的三軸加速度數(shù)據(jù)，將x、y、z軸數(shù)據(jù)運(yùn)用統(tǒng)計(jì)學(xué)算法求平均值、標(biāo)準(zhǔn)差等特征，獲取特征數(shù)據(jù)進(jìn)行運(yùn)動(dòng)狀態(tài)檢測(cè)。

加速度傳感器相對(duì)于手機(jī)移動(dòng)設(shè)備屏幕的坐標(biāo)系如圖1所示。當(dāng)手機(jī)移動(dòng)設(shè)備屏幕方向發(fā)生變化時(shí)，坐標(biāo)軸不變。x軸水平向右，y軸垂直向上，z軸垂直于手機(jī)屏幕向外[17-18]。加速度傳感器采集的數(shù)據(jù)經(jīng)過(guò)處理可用于檢測(cè)人體活動(dòng) [19]。

收集三維加速度數(shù)據(jù)后得到x、y、z軸加速度隨時(shí)間變化數(shù)值。根據(jù)三維加速度平方和隨時(shí)間的變化規(guī)律分析，可得步行數(shù)據(jù)方差為3.7，波峰取值16～25，波峰波谷時(shí)間間隙為0.25s，跑步數(shù)據(jù)方差為11.3，波峰取值30～55，波峰波谷時(shí)間間隙為0.25s。

對(duì)CAUX工具代碼進(jìn)行修改。首先通過(guò)移動(dòng)設(shè)備內(nèi)置的加速度傳感器采集三維加速度數(shù)據(jù)，并對(duì)每組三維加速度進(jìn)行預(yù)處理，存入鏈表dx，鏈表元素達(dá)到180組時(shí)執(zhí)行判斷語(yǔ)句，根據(jù)波峰、波谷、時(shí)間差以及閾值條件，對(duì)符合判斷語(yǔ)句的傳感器數(shù)值判定是否為某運(yùn)動(dòng)狀態(tài)，判斷過(guò)程寫入SensorInfo類中，執(zhí)行流程如圖2所示。

將運(yùn)動(dòng)狀態(tài)感知結(jié)果以“時(shí)間，運(yùn)動(dòng)狀態(tài)，x軸加速度，y軸加速度，z軸加速度”的格式寫入系統(tǒng)存儲(chǔ)器。

2.2 用戶運(yùn)動(dòng)狀態(tài)感知能力識(shí)別準(zhǔn)確率

為了確定運(yùn)動(dòng)狀態(tài)感知能力識(shí)別準(zhǔn)確率，招募12名用戶進(jìn)行數(shù)據(jù)收集，男女比例為1∶2，手機(jī)型號(hào)涉及4種，均安裝CAUX工具并保持工具24h處于運(yùn)行狀態(tài)。其中，CAUX工具1s內(nèi)采集三維加速度30組，實(shí)時(shí)判斷并記錄。

數(shù)據(jù)收集周期為9天，在此周期內(nèi)，用戶分別記錄各運(yùn)動(dòng)狀態(tài)的時(shí)間段，即從某一時(shí)刻開始到某一時(shí)刻結(jié)束為某運(yùn)動(dòng)狀態(tài)。共收集1 658h的有效數(shù)據(jù)，總采集數(shù)據(jù)量平均值為138h/人。

對(duì)有效數(shù)據(jù)進(jìn)行準(zhǔn)確率計(jì)算，計(jì)算公式如下：

其中，NCAUX感知表示CAUX工具感知為某運(yùn)動(dòng)狀態(tài)的數(shù)據(jù)量，N用戶記錄表示用戶記錄為某運(yùn)動(dòng)狀態(tài)時(shí)間段內(nèi)的數(shù)據(jù)量。

通過(guò)計(jì)算可得，步行識(shí)別準(zhǔn)確率平均值為93.23%，上下偏差不超過(guò)5%;跑步識(shí)別準(zhǔn)確率平均值為91%，上下偏差不超過(guò)2%;靜止識(shí)別準(zhǔn)確率平均值為98.23%，上下偏差不超過(guò)3%，基本滿足移動(dòng)設(shè)備用戶行為研究要求。

2.3 工具內(nèi)置問卷法

CAUX工具采集的數(shù)據(jù)在推斷用戶行為、動(dòng)機(jī)、意圖等方面仍存在不足。本文通過(guò)工具內(nèi)置問卷方式進(jìn)一步完善數(shù)據(jù)采集工作，即當(dāng)用戶使用手機(jī)應(yīng)用時(shí)，利用懸浮窗形式詢問用戶使用原因，挖掘用戶行為及使用動(dòng)機(jī)。原始數(shù)據(jù)采集如圖3所示。

3 數(shù)據(jù)采集方法及應(yīng)用

3.1 數(shù)據(jù)采集及數(shù)據(jù)可視化

3.1.1 數(shù)據(jù)采集

CAUX工具分為客戶端和服務(wù)器端，總體框架如圖4所示?？蛻舳朔譃橹噶罱馕觥?shù)據(jù)采集和通信3個(gè)模塊，CAUX工具利用指令解析模塊讀取、解析指令集文件，與數(shù)據(jù)采集模塊相配合，采集用戶在使用手機(jī)設(shè)備過(guò)程中的主觀和客觀數(shù)據(jù)，再將采集的數(shù)據(jù)上傳到服務(wù)器通信模塊。

數(shù)據(jù)采集指令集文件是采集工作的重要環(huán)節(jié)，可根據(jù)感興趣的情境修改指令集文件，指令集文件在語(yǔ)義上為“IF滿足感興趣情境條件，THEN執(zhí)行數(shù)據(jù)采集”。其中，trigger值對(duì)應(yīng)于感興趣情境條件，operation值對(duì)應(yīng)于數(shù)據(jù)采集[20]。如 “用戶打開手機(jī)應(yīng)用X”，則采集“當(dāng)前用戶運(yùn)動(dòng)狀態(tài)信息”。指令格式如下：

{"trigger"：

[{"name"："triggername"，"propertyname"："propertyvalue"， "propertyname"："propertyvalue"... }，…

{"name"："triggername"，"propertyname"："propertyvalue"，"propertyname"："propertyvalue"... }]，

"operation"：

[{"name"："operationname"，"propertyname"："propertyvalue"，"propertyname"："propertyvalue"... }， ...

{"name"："operationname"，"propertyname"："propertyvalue"，"propertyname"："propertyvalue"...}

]}

采集指令如表1所示。

3.1.2 數(shù)據(jù)可視化

為更直觀地研究用戶在不同運(yùn)動(dòng)狀態(tài)下使用移動(dòng)設(shè)備行為模式差別，消除人為分析數(shù)據(jù)方面的局限性，減少研究人員逐行篩選、分類整理數(shù)據(jù)工作量，本文通過(guò)數(shù)據(jù)可視化方式呈現(xiàn)用戶原始數(shù)據(jù)。

數(shù)據(jù)可視化需求：查看用戶數(shù)據(jù)、查看用戶不同運(yùn)動(dòng)狀態(tài)下的數(shù)據(jù)、查看用戶數(shù)據(jù)和運(yùn)動(dòng)狀態(tài)在各時(shí)間段的相關(guān)性、查看用戶手機(jī)使用情況統(tǒng)計(jì)信息?？梢暬缑娣譃樵O(shè)置模塊和數(shù)據(jù)呈現(xiàn)模塊。設(shè)置模塊對(duì)用戶數(shù)據(jù)進(jìn)行設(shè)置，可選擇查看用戶不同運(yùn)動(dòng)狀態(tài)下的數(shù)據(jù)，數(shù)據(jù)呈現(xiàn)模塊展示用戶具體數(shù)據(jù)，包括手機(jī)APP的開啟關(guān)閉、前后臺(tái)切換、使用時(shí)長(zhǎng)和頻率、基本信息等，如圖5所示。

3.1.3 用戶協(xié)同回顧

數(shù)據(jù)采集結(jié)束后，需要采用用戶協(xié)同回顧方式進(jìn)行分析。用戶數(shù)據(jù)通過(guò)可視化方式呈現(xiàn)，研究人員對(duì)客觀數(shù)據(jù)進(jìn)行分析，針對(duì)不同運(yùn)動(dòng)狀態(tài)進(jìn)行假設(shè)并標(biāo)注。在用戶對(duì)日常行為活動(dòng)記憶比較深刻的時(shí)候，通過(guò)與用戶交流，對(duì)與常規(guī)不同的地方進(jìn)行解釋標(biāo)注，進(jìn)而得到用戶日常行為活動(dòng)記錄。數(shù)據(jù)分析流程如圖6所示。

3.2 案例研究

為研究不同運(yùn)動(dòng)狀態(tài)下用戶日常頻繁行為模式，選取在校大學(xué)生為目標(biāo)用戶，共招募6名在校研究生，男女比例為1∶1，平均年齡為24歲，招募標(biāo)準(zhǔn)均為使用Android操作系統(tǒng)的智能手機(jī)設(shè)備，每日平均使用手機(jī)時(shí)長(zhǎng)在6h以上。

整個(gè)實(shí)驗(yàn)周期為期7天，6名用戶均安裝CAUX工具并下載規(guī)則，保證采集的數(shù)據(jù)客觀有效。數(shù)據(jù)以天為單位依次采集并上傳至服務(wù)器，研究人員每天將數(shù)據(jù)可視化并對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注完成后通過(guò)用戶協(xié)同回顧方式對(duì)標(biāo)注數(shù)據(jù)進(jìn)行解釋、整理、完善。實(shí)施過(guò)程如表2所示。

本次共采集6名用戶38 875條數(shù)據(jù)。下面以其中一名用戶一天的數(shù)據(jù)分析為例，介紹客觀數(shù)據(jù)通過(guò)可視化分析獲取主觀數(shù)據(jù)并得出用戶日常頻繁行為的過(guò)程。

（1）對(duì)用戶第一天數(shù)據(jù)進(jìn)行可視化處理，標(biāo)注用戶運(yùn)動(dòng)狀態(tài)信息，對(duì)用戶一天內(nèi)的運(yùn)動(dòng)狀態(tài)進(jìn)行分段，例如0-7：00一直保持靜止?fàn)顟B(tài)就可初步判斷為靜止階段，7：30-7：40兩種運(yùn)動(dòng)狀態(tài)在短時(shí)間內(nèi)有交叉，標(biāo)記為不確定階段，7：50-8：00一直保持走路狀態(tài)，初步判斷為步行階段。通過(guò)研究人員標(biāo)記得到用戶一天內(nèi)的運(yùn)動(dòng)狀態(tài)分段。

（2）采用用戶協(xié)同回顧方式，根據(jù)標(biāo)記的運(yùn)動(dòng)狀態(tài)分段，結(jié)合各時(shí)間段前后的地理位置信息、移動(dòng)設(shè)備使用情況，確定用戶最終的分段信息及相應(yīng)地點(diǎn)，如圖7所示。將用戶運(yùn)動(dòng)狀態(tài)分為11段，并對(duì)應(yīng)可能的地點(diǎn)信息。

（3）對(duì)11段運(yùn)動(dòng)狀態(tài)信息結(jié)合其它基本數(shù)據(jù)，如應(yīng)用、網(wǎng)絡(luò)狀態(tài)、耳機(jī)插入狀態(tài)、橫豎屏，總結(jié)用戶可能的行為規(guī)律。如0-7：00，靜止，宿舍，微信、第一彈、微博、TIM，移動(dòng)網(wǎng)絡(luò)，耳機(jī)未插入，豎屏];[7：30-7：40，步行，支付寶，移動(dòng)網(wǎng)絡(luò)，耳機(jī)未插入，豎屏];[8：00-11：00，靜止，實(shí)驗(yàn)室，微信、微博、信息、小紅書、第一彈、愛奇藝，WiFi，插入，橫屏]，以當(dāng)前時(shí)間段內(nèi)頻率最高或時(shí)間最長(zhǎng)計(jì)入狀態(tài)規(guī)律信息。

通過(guò)對(duì)用戶數(shù)據(jù)的可視化分析，總結(jié)行為規(guī)律，得到該用戶7天內(nèi)共79條行為規(guī)律，根據(jù)運(yùn)動(dòng)狀態(tài)劃分為5類日常頻繁行為模式，如表3所示。由表3可知，用戶日常頻繁行為以用戶運(yùn)動(dòng)狀態(tài)為基礎(chǔ)，根據(jù)地點(diǎn)和時(shí)間不同，可將用戶日常行為劃分為不同模式供研究人員進(jìn)一步研究。例如該用戶在宿舍處于靜止?fàn)顟B(tài)時(shí)，模式4和模式1的主要差別在于耳機(jī)插入狀態(tài)，該狀態(tài)通過(guò)問卷方式可得;模式4為午休或夜間休息時(shí)間，用戶使用插入耳機(jī)功能以防打擾他人;此外，在實(shí)驗(yàn)室處于靜止?fàn)顟B(tài)時(shí)，用戶習(xí)慣連接WiFi而不使用手機(jī)移動(dòng)網(wǎng)絡(luò)，且在使用視頻類或游戲類應(yīng)用時(shí)，會(huì)插入耳機(jī)并保持手機(jī)橫屏狀態(tài)。該結(jié)果有助于研究人員更好地還原用戶場(chǎng)景[21-22]。

綜上分析得到6名用戶7天時(shí)間397條行為規(guī)律，總結(jié)出28類日常頻繁行為模式。

4 結(jié)語(yǔ)

本文提出一種基于運(yùn)動(dòng)狀態(tài)感知能力的用戶研究方法，即在移動(dòng)設(shè)備內(nèi)置傳感器基礎(chǔ)上，通過(guò)CAUX工具實(shí)現(xiàn)實(shí)時(shí)采集用戶運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，識(shí)別準(zhǔn)確率基本滿足用戶研究需要。利用數(shù)據(jù)可視化直觀呈現(xiàn)用戶數(shù)據(jù)，提高用戶研究人員數(shù)據(jù)分析效率。通過(guò)對(duì)數(shù)據(jù)進(jìn)行標(biāo)注及用戶協(xié)同回顧，總結(jié)用戶行為模式。采用CAUX工具對(duì)6名用戶進(jìn)行為期一周的數(shù)據(jù)采集工作，通過(guò)數(shù)據(jù)分析得到397條行為規(guī)律，總結(jié)出28類日常頻繁行為模式。案例實(shí)驗(yàn)證明，該方法能有效獲取用戶在無(wú)打擾狀態(tài)下的運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，有效利用可視化界面對(duì)用戶數(shù)據(jù)進(jìn)行分析，對(duì)用戶行為模式進(jìn)行總結(jié)。

本文對(duì)移動(dòng)用戶體驗(yàn)研究方法進(jìn)行了拓展，彌補(bǔ)了傳統(tǒng)用戶研究方法中數(shù)據(jù)與情境信息耦合度低、主觀性強(qiáng)、真實(shí)性弱等不足。用戶日常頻繁行為模式可幫助用戶研究人員還原用戶場(chǎng)景，得到真實(shí)環(huán)境下的用戶體驗(yàn)數(shù)據(jù)，從而發(fā)現(xiàn)用戶需求與體驗(yàn)問題，進(jìn)而為移動(dòng)產(chǎn)品開發(fā)與設(shè)計(jì)提供指導(dǎo)意見。

參考文獻(xiàn)：

[1] 韓立，劉正捷. CAUXT：幫助研究人員在感興趣的情境中采集用戶體驗(yàn)數(shù)據(jù)[J]. 計(jì)算機(jī)科學(xué)，2018，45（7）：278-285，321.

[2] 朱曉露.? 基于用戶體驗(yàn)的APP交互設(shè)計(jì)研究[D]. 成都：西南交通大學(xué)，2015.

[3] 周力，聶桂平. 基于人的活動(dòng)行為的產(chǎn)品用戶研究方法[J]. 東華大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，16（3）：399-402.

[4] 馬蓮蓮.? 產(chǎn)品設(shè)計(jì)與老年用戶行為的關(guān)聯(lián)性研究[D]. 南京：南京藝術(shù)學(xué)院，2011.

[5] KOJI Y， KHAI N. TRUONG. Fast track article： an evaluation of stylus-based text entry methods on handheld devices studied in different user mobility states[J].? Pervasive Mob， Comput， 2009（5）：496-508.

[6] LEHTOVIRTA J B， OULASVIRTA A， BREWSTER S. The effects of walking speed on target acquisition on a touchscreen interface[C].? Proceedings of the 13th International Conference on Human Computer Interaction with Mobile Devices and Services，2011：143-146.

[7] 張?zhí)?? 基于QFD和HCI的以用戶為中心的新產(chǎn)品設(shè)計(jì)方法[D]. 北京：清華大學(xué)，2011.

[8] 劉振宇.? 基于用戶行為的社區(qū)產(chǎn)品交互設(shè)計(jì)研究[D]. 杭州：浙江工業(yè)大學(xué)，2019.

[9] 譚浩，馮安然. 基于手機(jī)使用情景的交互設(shè)計(jì)研究[J]. 包裝工程，2018，39（18）：225-228.

[10] NEBELING M，SPEICHER M.W3touch： metrics-based web content adaptation for touch[C]. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，2013：2311-2320.

[11] LEE Y S， CHO S B. Activity recognition using hierarchical hidden markov models on a smartphone with 3D accelerometer[C]. International Conference on Hybrid Artificial Intelligence Systems，2011：460-467.

[12] 王麗.? 用戶研究數(shù)據(jù)采集與分析工具的開發(fā)與應(yīng)用[D]. 大連：大連海事大學(xué)，2017.

[13] 王兵兵. CAUX系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 大連：大連海事大學(xué)，2017.

[14] OUCHI K， MIWAKO. Smartphone-based monitoring system for activities of daily living for elderly people and their relatives etc[C]. Proceedings of the 2013 ACM Conference on Pervasive and Ubiquitous Computing Adjunct Publication， 2013：103-106.

[15] SUAREZ I， JAHN A，ANDERSON C， et al. Improved activity recognition by using enriched acceleration data[C]. Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing （UbiComp 15），2015：1011-1015.

[16] 張?chǎng)危钪诬?，姜守? 基于Android手機(jī)傳感器數(shù)據(jù)識(shí)別運(yùn)動(dòng)狀態(tài)[J]. 智能計(jì)算機(jī)與應(yīng)用，2015，5（3）：46-48.

[17] 王馳.? 基于智能手機(jī)的人體運(yùn)動(dòng)狀態(tài)分析[D]. 成都：電子科技大學(xué)，2016.

[18] 張健敏.? 基于Android手機(jī)的用戶行為模式識(shí)別算法[C].? 中國(guó)高科技產(chǎn)業(yè)化研究會(huì)智能信息處理產(chǎn)業(yè)化分會(huì)，第十屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議專刊，2016：473-478.

[19] 李文鋒，姚丙盟. 基于單三軸加速度傳感器的人體活動(dòng)狀態(tài)識(shí)別[J]. 華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（4）：58-62.

[20] 王曉彤.? CAUX輔助日志法用戶研究的探索[D]. 大連：大連海事大學(xué)，2018.

[21] 許珂. 基于場(chǎng)景構(gòu)建的用戶體驗(yàn)探究[J]. 大眾文藝，2020，19（2）：121-122.

[22] 王春暉，金芝，趙海燕，等. 人機(jī)協(xié)作的用戶故事場(chǎng)景提取與迭代演進(jìn)[J]. 軟件學(xué)報(bào)，2019，30（10）：3186-3205.

（責(zé)任編輯：杜能鋼）