第六章 人機交互的心理學與設計原則

# 第六章 人機交互的心理學與設計原則 本章將結合心理學理論與實務案例，說明為何虛擬演員與使用者之間的互動能夠真正達到情感共鳴與高效溝通。透過「人為中心」的設計框架，讀者將學會如何在系統設計早期即嵌入心理機制，並在後續迭代中以數據為依據調整體驗。 --- ## 6.1 心理學基礎 | 相關概念 | 定義 | 主要研究者 | 典型實驗 | | -------- | ---- | ---------- | -------- | | **感知** | 透過感官將外部刺激轉換為內在表徵的過程 | 赫茲、杜賴等 | 赫茲-杜賴感知優先序實驗 | | **情緒** | 具體情境下的主觀體驗與生理反應 | 大衛·卡爾曼、詹姆斯 | 情緒誘發電腦圖像測試 | | **注意力** | 在多重刺激中選擇聚焦的機制 | 塔奇，克里斯托弗 | 眼球追蹤與停留時間分析 | > **核心洞見**：虛擬演員的表情、語氣與肢體語言均屬於「情緒輸入」；其與使用者的交互則在「感知」與「注意力」兩層面上產生互動。設計師必須先辨識目標使用者的感知節奏，進而調整情緒輸出，以避免資訊過載或情緒失衡。 ## 6.2 感知與情緒共鳴 ### 6.2.1 感知負荷 (Cognitive Load) - **感知負荷**：使用者在解讀虛擬演員訊息時所需的資訊處理量。 - **測量指標**：眼球掃描率、眼動停留時間、頭部動作頻率。 - **設計緩解**： - *分層訊息*：先呈現核心訊息，再提供次要細節。 - *視覺導引*：使用光線、顏色或動態指示將注意力聚焦於關鍵位置。 ### 6.2.2 情緒共鳴模型 | 模型 | 主要要素 | 應用示例 | | ---- | -------- | -------- | | **情緒對比（Emotion Contrast）** | 高興-悲傷、熱情-冷漠的對比 | 虛擬導師在課堂上先用輕鬆語氣緩和緊張，之後才引入挑戰性問題 | | **情緒鏡像（Emotion Mirror）** | 角色情緒與使用者情緒同步 | 以眼動追蹤偵測使用者焦慮時，虛擬演員語調略微下降，營造安全感 | | **情緒預測（Emotion Prediction）** | 透過行為模式預測使用者情緒變化 | 先前的互動歷史顯示使用者在特定節奏下易焦躁，系統調整語速 | ## 6.3 注意力分配與多模態互動 ### 6.3.1 注意力模型 1. **注意力分配優先序**：根據情境重要性將注意力分配給不同感知通道。 2. **交叉互動**：同時使用視覺、聽覺、觸覺輸入，提升整體沉浸度。 3. **動態注意力追蹤**：使用眼球追蹤或頭部姿勢即時判斷使用者焦點，並調整虛擬演員的焦點。 ### 6.3.2 多模態同步原則 | 模式 | 同步指標 | 調整策略 | | ---- | -------- | -------- | | 視覺 | 眼動與角色動作 | 角色眼神與視線跟隨使用者視線 | | 聽覺 | 語速與口型同步 | 口型動畫與語音流暢度相符 | | 觸覺 | 震動強度與聲音節奏 | 低頻音效時觸發輕震動 | > **實務提示**：在 MR 設計中，使用 **Unity XR Interaction Toolkit** 或 **Unreal Engine Meta‑Human** 可輕鬆實作多模態同步；配合 **Microsoft Azure Spatial Anchors** 或 **Apple RealityKit Anchors** 確保跨裝置的一致性。 ## 6.4 以人為中心的交互設計框架 > **人為中心設計 (Human‑Centered Design, HCD)** 以「使用者」為核心，循環驗證需求與解決方案。 ### 6.4.1 需求收集 - **訪談**：瞭解使用者背景、目標與情緒需求。 - **情境圖**：將使用者置於真實情境中描繪互動流程。 ### 6.4.2 原型實驗 - **低保真**：紙面或簡易 3D 模型測試感知路徑。 - **高保真**：沉浸式原型結合眼動追蹤、語音合成。 ### 6.4.3 評估指標 | 指標 | 定量 | 定性 | | ---- | ---- | ---- | | **情緒識別率** | 眼動停留時間、表情識別正確率 | 使用者自評「共鳴感」 | | **注意力持續率** | 視線分佈熱圖 | 觀察疲勞指標 | | **滿意度** | SUS（System Usability Scale） | 訪談回饋 | ## 6.5 案例實踐 ### 6.5.1 虛擬導師 –《智慧學習平台》 - **目標**：提升學習者情緒參與度。 - **設計要素**： - *情緒鏡像*：當學習者停留於問題畫面 5 秒以上，虛擬導師以輕鬆語氣提醒。 - *分層訊息*：核心要點先展示，次要說明放在側邊資訊欄。 - **評估結果**：情緒識別率 78%，SUS 84%。 ### 6.5.2 虛擬客服 –《線上客服系統》 - **目標**：降低資訊過載造成的焦慮。 - **設計要素**： - *情緒預測*：根據以往對話記錄預測焦慮節奏。 - *視覺導引*：當使用者眼球掃描率高於 1200 步/分鐘時，自動顯示提示框。 - **評估結果**：使用者疲勞指標下降 35%，客服滿意度提升 22%。 ## 6.6 量化評估工具 csharp // 使用 Unity 的 Eye Tracking API 取得停留時間與熱圖數據 using UnityEngine.XR; using UnityEngine.XR.Interaction.Toolkit; public class EyeTrackingAnalyzer : MonoBehaviour { private XRNodeState eyeNode; private List<Vector2> gazePoints = new List<Vector2>(); void Update() { List<XRNodeState> nodes = new List<XRNodeState>(); InputTracking.GetNodeStates(nodes); foreach(var node in nodes) { if(node.nodeType == XRNode.Head) { if(node.TryGetFeatureValue(CommonUsages.centerEyePosition, out Vector3 position)) { Vector3 dir = node.TryGetFeatureValue(CommonUsages.centerEyeRotation, out Quaternion rot) ? rot * Vector3.forward : Vector3.forward; gazePoints.Add(new Vector2(dir.x, dir.y)); } } } } } > **備註**：上述程式碼僅為示例，實際應用時需加入資料流處理、熱圖視覺化等功能。 ## 6.6 未來展望 1. **情緒生成 AI**：利用 Transformer‑based 語音模型與 GAN 生成更真實的情緒表情。 2. **自適應注意力系統**：結合機器學習對使用者注意力分佈進行即時預測與調整。 3. **跨平台心理適配**：透過雲端同步（如 Azure Spatial Anchors）在多種硬體上保持相同情緒共鳴節奏。 --- > **結語**：心理學為虛擬演員交互設計提供了可測量的原則與指標；唯有結合定量數據與使用者主觀感受，才能在快速變動的技術環境中持續創造高品質、人性化的體驗。