采用CAUX工具的用戶(hù)日常頻繁行為方法研究

1、    采用caux工具的用戶(hù)日常頻繁行為方法研究    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(hù)體驗(yàn)變得越來(lái)越重要，而移動(dòng)用戶(hù)體驗(yàn)與移動(dòng)用戶(hù)行為密切相關(guān)。為有效地對(duì)移動(dòng)用戶(hù)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(hù)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(hù)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(hù)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(wèn)題。關(guān)鍵詞：移動(dòng)用戶(hù)行為; 運(yùn)動(dòng)狀態(tài)感知;用戶(hù)體驗(yàn);可視化doi：1

2、0. 11907/rjdk. 201234中圖分類(lèi)號(hào)：tp319文獻(xiàn)標(biāo)識(shí)碼：a 文章編號(hào)：1672-7800（2020）010-0190-06abstract： 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 o

3、f 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 extrac

4、t 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 o

5、f traditional user research methods.key words： mobile user behavior; motion awareness; user experience; visualization0 引言移動(dòng)設(shè)備無(wú)處不在，移動(dòng)端產(chǎn)品用戶(hù)體驗(yàn)變得越來(lái)越重要。用戶(hù)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(hù)、任務(wù)、環(huán)境）不同，用戶(hù)的行為模式也多種多樣2。用戶(hù)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(hù)體驗(yàn)研究工作。周力等3通過(guò)觀察用戶(hù)在真實(shí)環(huán)境中的活動(dòng)，分析用戶(hù)在模擬場(chǎng)景中的行為;馬蓮蓮4進(jìn)行產(chǎn)品設(shè)計(jì)

6、與老年用戶(hù)行為關(guān)聯(lián)性研究，采用問(wèn)卷調(diào)查與用戶(hù)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(lèi)研究均使用傳統(tǒng)用戶(hù)研究方法，存在主觀性強(qiáng)、實(shí)驗(yàn)場(chǎng)景單一等問(wèn)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(hù)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(hù)行走研究對(duì)觸屏操作的影響。該類(lèi)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(méi)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(hù)運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，對(duì)移動(dòng)端產(chǎn)品用戶(hù)日常頻繁行

7、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(hù)為中心的產(chǎn)品設(shè)計(jì)理念7?，F(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(hù)自身行為模式在產(chǎn)品用戶(hù)體驗(yàn)中的重要性。傳統(tǒng)用戶(hù)研究方法通過(guò)訪談、問(wèn)卷等形式，推測(cè)用戶(hù)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(lài)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(hù)真實(shí)使用場(chǎng)景的用戶(hù)研究提供了可能，同時(shí)也提供了新的思路。如nebeling10利用智能手機(jī)采集用戶(hù)在手機(jī)端的交互行為，通過(guò)

8、分析發(fā)現(xiàn)可能存在的用戶(hù)體驗(yàn)問(wèn)題;lee等11開(kāi)發(fā)基于android平臺(tái)的系統(tǒng)，根據(jù)平臺(tái)用戶(hù)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(hù)體驗(yàn)研究工具，通過(guò)移動(dòng)設(shè)備獲取用戶(hù)客觀數(shù)據(jù)。客戶(hù)端安裝在用戶(hù)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(hù)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(hù)干擾不大，只提供原始的傳感器數(shù)據(jù)，無(wú)法獲知用戶(hù)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(kāi)展用戶(hù)體驗(yàn)研究。為更有效地幫助研究人員進(jìn)行用戶(hù)行為分析，本文確定基于caux工具的用戶(hù)日常頻繁

9、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(hù)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(hù)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(hù)的速度數(shù)據(jù)不足以準(zhǔn)確判斷用戶(hù)運(yùn)動(dòng)狀態(tài)。因此，要針對(duì)caux工具進(jìn)行用戶(hù)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(hù)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(hù)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?6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(lèi)方法識(shí)別用戶(hù)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

10、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1625，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3055，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)

11、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(xiě)入sensorinfo類(lèi)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(xiě)入系統(tǒng)存儲(chǔ)器。2.2 用戶(hù)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(hù)進(jìn)行數(shù)據(jù)收集，男女比例為12，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

12、記錄。數(shù)據(jù)收集周期為9天，在此周期內(nèi)，用戶(hù)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(kāi)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(hù)記錄表示用戶(hù)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(mǎn)足移動(dòng)設(shè)備用戶(hù)行為研究要求。2.3 工具內(nèi)置問(wèn)卷法caux工具采集的數(shù)據(jù)在推斷用戶(hù)行為

13、、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(wèn)卷方式進(jìn)一步完善數(shù)據(jù)采集工作，即當(dāng)用戶(hù)使用手機(jī)應(yīng)用時(shí)，利用懸浮窗形式詢(xún)問(wèn)用戶(hù)使用原因，挖掘用戶(hù)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(hù)端和服務(wù)器端，總體框架如圖4所示?？蛻?hù)端分為指令解析、數(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(hù)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“

14、if滿(mǎn)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(hù)打開(kāi)手機(jī)應(yīng)用x”，則采集“當(dāng)前用戶(hù)運(yùn)動(dòng)狀態(tài)信息”。指令格式如下："trigger"："name"："triggername"，"propertyname"："propertyvalue"， "propertyname"："propertyvalue". ，"name"："triggern

15、ame"，"propertyname"："propertyvalue"，"propertyname"："propertyvalue". ，"operation"："name"："operationname"，"propertyname"："propertyvalue"，"propertyname"："propertyvalue". ， ."name"

16、;："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(hù)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(lèi)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(hù)原始數(shù)據(jù)。數(shù)據(jù)可視化需求：查看用戶(hù)數(shù)據(jù)、查看用戶(hù)不同運(yùn)動(dòng)狀態(tài)下的數(shù)據(jù)、查看用戶(hù)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(hù)手機(jī)使用情況統(tǒng)計(jì)

17、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(hù)數(shù)據(jù)進(jìn)行設(shè)置，可選擇查看用戶(hù)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(hù)具體數(shù)據(jù)，包括手機(jī)app的開(kāi)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(hù)協(xié)同回顧數(shù)據(jù)采集結(jié)束后，需要采用用戶(hù)協(xié)同回顧方式進(jìn)行分析。用戶(hù)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(hù)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(hù)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(hù)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(hù)日常頻繁行為模式，選取在校大學(xué)生為目標(biāo)用

18、戶(hù)，共招募6名在校研究生，男女比例為11，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(hù)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(hù)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(hù)38 875條數(shù)據(jù)。下面以其中一名用戶(hù)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(hù)日常頻繁行為的過(guò)程。（1）對(duì)用戶(hù)第一天數(shù)據(jù)進(jìn)行可視化處理，標(biāo)注用戶(hù)運(yùn)動(dòng)狀態(tài)信息，對(duì)用

19、戶(hù)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(hù)一天內(nèi)的運(yùn)動(dòng)狀態(tài)分段。（2）采用用戶(hù)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(hù)最終的分段信息及相應(yīng)地點(diǎn)，如圖7所示。將用戶(hù)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(hù)可能的行為規(guī)律。如0-7：00，靜止，宿舍，微信、第一彈、微

20、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(shū)、第一彈、愛(ài)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(hù)數(shù)據(jù)的可視化分析，總結(jié)行為規(guī)律，得到該用戶(hù)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(lèi)日常頻繁行為模式，如表3所示。由表3可知，用戶(hù)日常頻繁行為以用戶(hù)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(hù)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(hù)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(wèn)卷方式可得;

21、模式4為午休或夜間休息時(shí)間，用戶(hù)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(hù)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(lèi)或游戲類(lèi)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(hù)場(chǎng)景21-22。綜上分析得到6名用戶(hù)7天時(shí)間397條行為規(guī)律，總結(jié)出28類(lèi)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(hù)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(hù)運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，識(shí)別準(zhǔn)確率基本滿(mǎn)足用戶(hù)研究需要。利用數(shù)據(jù)可視化直觀呈現(xiàn)用戶(hù)數(shù)據(jù)，提高用戶(hù)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(hù)協(xié)同回顧，總結(jié)用戶(hù)行為模式。采

22、用caux工具對(duì)6名用戶(hù)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(lèi)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(hù)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(hù)數(shù)據(jù)進(jìn)行分析，對(duì)用戶(hù)行為模式進(jìn)行總結(jié)。本文對(duì)移動(dòng)用戶(hù)體驗(yàn)研究方法進(jìn)行了拓展，彌補(bǔ)了傳統(tǒng)用戶(hù)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(hù)日常頻繁行為模式可幫助用戶(hù)研究人員還原用戶(hù)場(chǎng)景，得到真實(shí)環(huán)境下的用戶(hù)體驗(yàn)數(shù)據(jù)，從而發(fā)現(xiàn)用戶(hù)需求與體驗(yàn)問(wèn)題，進(jìn)而為移動(dòng)產(chǎn)品開(kāi)發(fā)與設(shè)計(jì)提供指導(dǎo)意見(jiàn)。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(hù)體驗(yàn)數(shù)據(jù)j. 計(jì)算機(jī)

23、科學(xué)，2018，45（7）：278-285，321.2 朱曉露.  基于用戶(hù)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(hù)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(hù)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 s

24、tudied in different user mobility statesj.  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 interfacec.  proceedings of the 13th international conference on human computer interaction wit

25、h mobile devices and services，2011：143-146.7 張?zhí)?  基于qfd和hci的以用戶(hù)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(hù)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 touchc. proceedings of the si

26、gchi 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 accelerometerc. international conference on hybrid artificial intelligence systems，2011：460-467.12 王麗.  用戶(hù)研究數(shù)據(jù)采集與分析工具的開(kāi)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 ac