应用心理学
摘要以用户为中心设计(UCD)的实践开始进入以智能系统的用户体验(UX)和创新设计为重点的阶段。当前的UCD实践缺乏针对智能系统UX和创新设计的有效方法，工程心理学和人因学等人因学科应该提供学科支持。本研究提出了11种针对智能系统UX设计的提升UCD的方法；提出了一个UX驱动的创新设计概念模型，并且归纳总结了9种UX驱动的创新设计方法；针对复杂智能系统的UX设计，本研究建议采用人因学科的6种新方法。本研究表明人因学科可以为UCD方法的提升提供学科支持，促进智能系统的UX和创新设计的实践。
关键词 智能系统 以用户为中心的设计 用户体验 创新设计 人因学 工程心理学
1引言
以用户为中心的设计(user-centered design，UCD)是一种设计理念，为用户体验(user experience，UX)实践者提供了一系列的流程和方法(ISO，2010)。UCD强调从用户的需求出发，在产品开发中把用户放在中心的位置，开发出符合用户需求的产品，取得最佳的UX。UCD也一直是人因学(human factors)、工效学(ergonomics)、工程心理学、人机交互等学科所追求的理念。本文将这些学科统称为人因学科，因为它们都将人的因素作为学科研究、应用的出发点和核心(许为，葛列众，2018)。随着UCD实践的普及，来自其他学科的专业人员加入到UCD的实践中，包括设计、心理学、工业工程、社会学、信息科学等学科，这些UX从业人员目前已成为UCD实践的的主力军之一。
1.1 智能时代：UCD实践的第三阶段
Norman(1986)首次系统地提出了UCD的概念。回顾UCD实践和发展的历史，根据技术平台、应用领域、用户需求、人机界面、UCD实践重点等特征，本文将UCD实践划分为三个阶段(见表1)。2007年，苹果公司发布的基于大屏幕手机、多点触屏等技术的iPhone创新了智能手机的人机交互方式和体验，促进了基于移动互联网技术的一系列应用和创新的发展，标志着UCD实践第二阶段的开始。正如作者在《以用户为中心的设计：人机工效学的机遇与挑战》(许为，2003a)一文中所预测，在过去的近20年中，UCD实践在中国从无到有，得到了很大的普及，尤其在以互联网和移动技术为主的消费商业领域。针对第二阶段的UCD实践，作者在《再论以用户为中心的设计：新挑战和新机遇》(许为，2017)一文中强调，需要增强型的UCD方法来应对实践中的新挑战。
表1UCD实践和发展的三个阶段
第一阶段个人电脑/互联网时代(1980后期—2000中期)第二阶段移动互联网时代(2000中期—2015)第三阶段智能时代(2015—)设计理念以用户为中心以用户为中心以用户为中心主导平台个人电脑,互联网+移动互联网,智能手机,平板电脑+AI,大数据,云计算,5G网络,区块链等主要领域互联网网站,电商零售,个人电脑应用+移动互联网,消费/商业互联网,APP等+垂直行业(智能医疗、家居、交通、制造等),物联网,工业互联网,机器人,无人驾驶车,虚拟现实,企业ERP等用户需求产品功能性,可用性+用户体验,个人隐私,信息安全等+智能化,个性化,情感,伦理道德,自主权,技能成长等人机界面图形用户界面,显式化+触摸屏用户界面++自然化(语音,体感交互等),多模态,智能化,隐式化,虚拟化UCD重点可用性用户体验(包括可用性)用户体验+创新设计
2015年谷歌公司AlphaGo人工智能(AI)产品的问世，标志着基于AI、机器学习(ML)、大数据、云计算等技术的智能时代的来临，也标志着UCD实践的第三阶段的开始。各种智能系统产品开始进入人们的工作和生活。智能系统广义地是指基于AI等技术的带有机器智能特征的产品、服务、业态、产业，包括聊天机器人、智能城市、智能家居、智能制造、智能医疗、智能物联网、无人驾驶车、机器人、虚拟现实等。在中国，2018年全国两会期间，全国政协委员叶友达教授向大会提交了《关于鼓励基于用户体验的设计创新，加速科技创新成果转化的提案》。UX和创新设计目前已上升到推动中国经济发展的国家发展战略层面，整个社会已经进入了一个强调智能系统的UX和创新设计的时代，这是UCD实践的第三阶段的重点，也是本文从人因学科的角度出发，所要寻求的解决方案。
1.2 从人机交互到人机融合
基于AI等技术的智能系统，具有不同程度的状态感知、实时分析、自主决策、精准执行、学习提升等能力。UCD实践的目的是优化人机系统的设计，智能时代的人机系统已经发生了本质上的变化，UCD实践的重点正在从人机交互逐步向人机融合(human-computer integration)的方向发展(Farooq & Grudin，2016)。在传统的人机交互中，人与机器(包括基于计算技术的产品)之间的关系基本上是一种“刺激-反应”的关系，即两者间的“反应”按顺序地取决于另一方的“刺激”(输入或输出)。这种关系从最初的机械式人机界面到数字式人机界面在本质上没有变化。在人机融合中，人和机器的关系则是合作的关系(Farooq & Grudin，2016)。这种合作表现在以人脑为代表的生物智能(认知信息加工能力)和以计算技术为代表的机器智能(人工智能)通过深度的融合来达到智能互补，人和机器在感知、分析、推理、学习、决策等多个智能水平上互相协同合作，从而实现系统的整体优势。
合肥至淮南，两个半小时车程。妻子下午两点多钟走进家门，一屁股坐在客厅沙发上，“哇哇啦啦”，失声哭起来。我丈二和尚摸不着头脑，心想她是在合肥跟大姐发生了争吵，或是半路上遇见了不良路人？妻子一边哭一边说，我在家待一个好好的，干吗要去合肥自找不自在。我好不容易听明白缘由，心里轻松地笑起来说，不是红斑狼疮不好吗？花一点钱算什么！妻子说，这是花钱的事吗？明明就是一个坑害人的骗局！我说，或许医生怀疑红斑狼疮，自有他的道理。妻子说，你不知道我上午半天是怎么过来的，那一刻我跳楼去死的心都有了。妻子不是心疼钱，是受到了大惊吓。
如图1所示，人机交互与人机融合形成了一个连续体的两端(见图1中的“人机协同”维度)，随着智能技术的发展，智能系统中机器智能的成分不断增加，人机关系将继续向人机融合端演化，但人机融合不会替换人机交互，各种具有不同机器智能成分、达到不同人机协同程度的产品在这样一个连续体内共存。另外，随着智能技术的发展,人和机器融合的智能水平也不断提升(见图1中的“智能水平”维度)，从感知(视觉、语音、手势等)到高智能水平的情感,决策等。随着社会和用户需求的进一步提高，以及UCD实践对智能系统使用场景的进一步挖掘，智能系统的使用场景将进一步扩展(见图1中的“使用场景”维度)。因此，从理论上来说，人们可以在这个三维概念空间中创造出无限不同组合的智能系统的产品功能，而一系列相关功能的组合则构成了一个个具体的符合用户需求的智能系统产品。
图1智能系统产品功能的概念空间
创新设计活动在过去很长一段时间内强调技术的驱动，忽视对用户和UX的充分考虑，导致比较高的失败率(Debruyne，2014;李四达，2017)。创新设计需要综合考虑三大因素：用户，技术和环境。“用户”因素包括产品的用户群体、用户不同层次的需求、使用场景、UX等；“技术”因素包括技术发明、各种生产资源(材料、制造、工艺、流程等)；“环境”因素主要包括创新组织内部的业务和财务、外部经济等环境因素，从社会技术系统理论来讲，环境还应该包括社会、文化、组织、管理、政策规范等宏观环境因素。本文提出了UX驱动的三因素创新设计的概念模型(见图2)。
从表2可知：(1)现有的UCD方法在智能系统的UX设计中有许多局限性，利用人因学科的原理和方法以及AI等技术，提升的UCD方法可以帮助克服这些局限性。(2)提升的UCD方法并不是完全取代现有的UCD方法，而是对它们的补充。基于AI等技术的方法可以提供动态化(例如，动态人机功能分配，基于上下文场景的动态化设计)、智能化(例如，“AI先行”的理念，对机器智能功能的用户测试)、个性化(例如，实时个性化建模分类，实时个性化设计)的UX。(3)提升的UCD方法在实践中具有一定的可操作性，有相应初步的应用和研究实例支持，今后的研究将进一步改进和完善这些方法。(4)在智能系统的UCD实践中，UX和AI人员需要协同合作，才能有效地使用并且不断改进和完善这些方法。在UCD实践的第三阶段，相信UX从业人员与开发团队配合，利用这些提升的UCD方法，同时结合现有的UCD方法，将有助于提升智能系统的UX。
1.3 智能时代对提升UCD方法的要求
由表1和以上分析可知，智能时代的人机关系、用户需求、应用领域、人机界面、技术平台等方面都呈现出一系列复杂的新特征。UCD在第一、二阶段的实践相对比较简单，对UCD方法的要求相对较低，加上社会和用户对UX的需求以及来自多学科UX从业人员的参与，这些都促进了UCD实践在初级阶段的普及。进入UCD实践的第三阶段标志着UCD的实践目前已经走过了入门门槛低、多学科磨合的最初普及阶段，开始进入实践的深水区，对UCD实践方法的要求也随之提高，现有的UCD方法主要是基于非智能系统的设计和UCD初级阶段的实践而发展，因此需要UCD方法的提升。
目前，一些来自计算技术领域的研究者开始利用AI和大数据等技术，通过对实时在线用户行为等数据的建模,为用户提供个性化的设计(何胜等,2016;Vinodhini,et al.,2016;Wei，2017;吕超等，2018)。在人因学科领域，研究者开始关注与智能系统相关的UX问题，但是尚未针对UCD的方法提出系统化的建议(董建明等，2016;Shneiderman，et al.，2018;Preece，et al.，2016)。目前正处在后期评审阶段的新国际标准ISO 9241-220也没有及时地反映智能系统对UCD方法提升的需求(ISO，2018)。从创新设计角度来说，人们已经开始认同创新设计需要考虑UX(Debruyne,2014；Saffer，2013；李四达，2017;Lee,2018)。有研究者从UX角度来探讨创新设计，但是没有提供系统性的可操作的方法(赵军2016；罗仕鉴，朱上上，2016)。
虽然湿地类型多种多样，大都适合旅游开发利用，但并不是所有的湿地都可以纳入旅游资源的范围。湿地旅游资源是指具有一定可进入性和观赏性，具有现存或潜在的客源市场，并能为旅游业所利用的湿地。湿地利用是严格的保护性利用，即进行湿地生态恢复和湿地生态建设，目前安徽沿淮地区已经开发利用的湿地旅游资源主要有湿地保护区、湿地公园、水利风景区三大类。
2人因学科在智能系统的UX设计中对UCD方法的提升
UCD的方法本身在不断的发展，但是现有的UCD方法基本上是针对非智能系统产品的UX设计的(Nielsen，1993；许为，2005；Xu，2014)。针对智能系统的新特征，可以从两方面来提升UCD的方法：(1)借助人因学科的原理和方法；(2)借助AI等技术的原理和方法(例如，学习，建模，分类)。在计算技术领域，目前已有研究者利用AI和大数据技术通过对实时在线用户行为等数据的建模、分类，为用户提供个性化的设计(何胜等,2016;Vinodhini,et al.,2016;Wei，2017;吕超等，2018)。在人因学科领域，在一些多次再版的UX和UCD书本的最新版本中，研究者已经开始讨论与智能系统相关的智能环境、新型人机交互等内容，但是尚未见与智能系统相关的UCD方法的讨论(董建明等，2016;Shneiderman,et al.,2018;Preece，et al.，2016)。目前正处在后期评审阶段的新国际标准ISO 9241-220也没有及时地反映智能系统对UCD方法的需求(ISO,2018)。另外，目前还未见通过综合以上两个学科的方法来系统地提出提升UCD方法的建议。
如上所述，很有必要开展这方面的工作。本研究的工作主要是从以下几方面展开：(1)人因学科的原理和方法；(2)AI等技术的原理和方法;(3)现有UCD方法在智能系统UX设计中的局限性；(4)以往相关研究或应用实例的分析。通过将收集的文献、数据和信息进行初步分析、分类、再分析、最后归纳总结，本文提出了11种提升的UCD方法(见表2)。
综上所述，现有的UCD实践缺乏针对智能系统UX和创新设计的系统有效的方法。这一方面给进入UCD实践深水区的UX从业人员提出了新的挑战;另一方面，给人因科学提供了提升UCD方法的新机遇，人因学科责无旁贷，应该在理论和方法等方面发挥学科的特长来提供学科支持。因此，本研究将回答三个问题：针对智能系统的UX设计，人因学科应该如何为提升UCD实践的方法提供学科支持？人因学科和UCD方法如何在智能系统的创新设计中发挥作用?人因学科的理论和方法如何对复杂智能系统的UX设计提供学科支持？
智能系统人机融合的这些新特征给UCD实践带来了新的启发。一方面，智能系统的UX和创新设计需要从人机融合和协同认知系统的新角度来考虑解决方案；另一方面，UCD方法本身也需要与时俱进，要善于利用机器智能的特征和技术来提升现有的UCD方法。
表2人因学科在智能系统的UX设计中对UCD方法的提升
UCD流程阶段主要的UCD活动现有的UCD方法以及局限性提升的UCD方法提升的UCD方法对智能系统UX的贡献(相关应用或研究实例)用户需求定义最佳的落地体验和使用场景需求用户研究,但不易预测用户使用场景应用AI和大数据对实时在线上下文场景和用户行为等数据建模,预测用户使用场景对用户使用场景大数据、用户行为建模来预测用户行为(吴书等,2016;Berndt,et al.,2017;Sun,et al.,2018)人机功能分配和作业任务分析固定不变的人和机器之间的功能、任务分配开展动态化的人机功能和任务分配(随着智能机器学习能力的提高)随机器学习能力提高,机器自动替代更多功能和人工作业,提高人机系统的整体生产效率定义用户使用智能系统时的个性化行为和需求用户研究,但无法获取实时在线的用户个性化需求和分类信息对用户行为等数据进行实时在线个性化分析、建模、分类为个性化设计获取实时在线的用户人物画像、用户日志库特征、用户行为分类等需求信息(Kleppe,et al.,2017;吕超等,2018;何胜,2017;Wei,2017)设计构建用户界面的设计原型注重视觉和交互设计,不注重对机器智能的利用“人工智能先行”的理念,优先利用机器智能(智能搜索、用户行为驱动、上下文场景驱动、语音输入、人脸识别等)谷歌倡导“人工智能先行”(AI-First),减少人工作业,降低用户工作负荷,提高人机系统的整体工作效率和准确性(李开复,2017)基于用户差异性的实时在线个性化设计基于预设不变的用户角色;或服从多数用户的“折中”设计方案利用实时用户个性化建模、分类信息,提供个性化的功能和内容根据实时用户行为分类,提供个性化的图书馆在线服务功能和内容(何胜等,2017;Kleppe,et al.,2017)基于上下文场景的实时在线动态化设计不存在利用上下文场景数据确定当前用户的使用场景,提供与场景匹配的动态化功能和内容依据实时在线上下文场景信息,提供与当前场景匹配的健康监控系统功能和内容(Vinodhini,et al.,2016)以人为中心的机器学习(HML)建模不存在UX和AI人员合作,采用HML方法,优化ML的训练数据和目标,获取优化的算法模型通过预定的UX指标、迭代式训练和设计获取最佳场景化的机器学习模型(Holbrook,2017;Baumer,2017)设计以人为中心的人工智能(HAI)设计不存在UX和AI人员合作,采用透明的ML(TML)、可解释的AI(XAI)等设计方法解决AI/ML的“黑箱”效应,提高用户对AI和ML的信任、决策效率(Donahoe,2018;Zhou,et al.,2018)
UCD流程阶段主要的UCD活动现有的UCD方法以及局限性提升的UCD方法提升的UCD方法对智能系统UX的贡献(相关应用或研究实例)UX测试对低保真智能产品设计原型的早期用户测试测试机器的智能功能比较困难采用WOZ设计原型来模拟、测试机器的智能功能和人机交互在开发初期测试智能化人机交互,验证智能系统的设计思路(Martel-aro,et al.,2017)用户界面的可用性测试注重对图形用户界面的测试注重调整、优化基于语音交互的对话式用户界面的测试通过迭代式设计、用户测试来优化语音交互界面的UX(Pearl,2016)机器学习的UX测试不存在UX和AI人员合作,定义预期UX,优化ML训练数据,避免极端的算法偏差(如邪恶语言)通过迭代式设计、UX测试来优化机器学习的结果(Pásztor,2018;Koene,et al.,2018)
3人因学科在智能系统创新设计中的应用
3.1 创新设计的本质
综上所述，实用性创新过程本质上是一种UX驱动的创新设计,而以往的创新设计活动通常过分地强调技术的驱动作用，没有对用户需求和UX给予充分的考虑。因此，从UCD的理念出发，图2所示的模型强调将UCD应用在创新设计中，创新设计的本质就是以用户为中心的UX驱动的创新设计。为支持该模型在智能系统设计中的实践，人因学科应该系统地提出UX驱动式智能系统的创新设计方法。
3.2 UX驱动的三因素创新设计概念模型
Hollnagel & Woods(2005)提出了协同认知系统(joint cognitive systems，JCS)的理论。基于JCS理论,人机融合可以解释为通过人和机器两个认知主体(cognitive agent)，互相依存和合作组成了智能系统产品这样一个协同认知系统。智能系统可以从简单到复杂，聊天机器人和“机器+人”的融合智能系统,到“机器+人+网络+物”式的复杂智能物联网系统(例如智能工厂，智能城市等)(潘云鹤，2017)。今后的智能社会可以被视为将由大量不同规模的协同认知系统组成。
图2UX驱动的三因素创新设计的概念模型
如图2所示，该模型强调了一个成功的创新设计需要充分考虑这三个因素之间的权衡。如果一个创新项目仅仅考虑技术和环境而忽略用户因素，该产品不可能被用户和市场所接受；如果仅仅考虑用户和环境而忽略技术因素，该产品则可能无法实现；如果仅仅考虑用户和技术而忽略环境因素，该产品则可能无法给创新组织带来业务价值和经济效应。以上三种情况最后都可能导致创新设计的失败。因此，充分权衡用户、技术、环境三个因素之后所获取的重叠区域就是创新设计解决问题方案的空间，即实现创新设计的最佳着陆区(见图2)。
Evans，Buckland，& Lefer(2004)研究了美国两个世纪以来的53位著名创新者的创新过程(从电话到互联网搜索引擎)。结果表明，许多创新经历了在实验室里开展对原始技术发明的研发，然后商业推广，最后开发出可用、易用、市场所接受的产品的漫长过程。他们认为实用性创新是成功的首要因素。可见，整个创新的过程本质上就是一种持续地将用户需求、使用场景等人的因素与技术的不断调整达到一种最佳人机匹配的过程，使原始技术发明有用和易用，从而为人类创造一种崭新体验的生活或工作方式。因此，这样一个实用性创新过程本质上就是一种UX驱动的创新设计，这正是UCD理念所倡导的(Kitson，2011)。
3.3 UX驱动式智能系统的创新设计方法
人们已经开始认同创新设计需要考虑UX(Debruyne,2014；李四达，2017;Lee,2018；Saffer，2013)。已有研究者从UX角度来探讨创新设计，但是没有系统地总结出针对智能系统创新设计的方法(赵军.2016；罗仕鉴，朱上上；2016)。从实践的角度分析，在最近20多年科技发展过程中,有一些基于UX方面的考虑而成功的创新实例,但是没有被系统地总结成一套可复制的方法(Brunner,2008;何胜等,2017;Lee,2018;Saffer,2013;文哲，2017)。目前UX的驱动作用在创新设计的实践中并没有完全发挥出来，甚至遭到一些质疑。例如,Skibsted & Hansen(2011)曾质疑UCD理念会导致用户引领了创新过程，从而限制了独特创意的贡献。事实上，UCD理念并不是用户引领或驱动的理念，而应该是将用户置于研发的中心位置，通过提炼和洞察用户需求、用户行为、使用场景等数据，权衡技术和环境因素的考虑，发现或预测创新的UX，从而达到UX驱动创新的目的(Kitson，2011)。
综上所述，智能时代UCD的实践还缺少针对智能系统UX设计的UX驱动式创新设计的系统化方法，这对UX人员参与智能系统的创新设计实践造成了一定的困难。因此，根据人因学科的原理，从UX驱动的角度出发，本研究从以下四个方面来探索UX驱动式创新设计的方法：(1)人因学科的原理和方法；(2)AI等技术的原理和方法;(3)目前UCD方法在创新设计中存在的问题，(4)以往一些相关的研究以及一些成功创新设计的实例。基于以上的工作，本文归纳总结出了9种具体用于创新设计的UCD方法(见表3)。
从表3可以得到以下几点:(1)这9种创新设计的UCD方法可被分为四大类：基于用户需求，基于人机界面，基于人机融合，以及基于整个体验流程。所有这些都代表了用户与智能系统在不同层面和范围的交互接触点，而UX产生于这些交互接触点，因此，这9种方法都是UX驱动的创新设计的UCD方法。(2)这些方法的具体实现手段可以多样化，既可以是现有的人因学科和UCD方法(如用户研究)，也可以是根据AI和大数据等技术的实时用户建模，或者是应用人机界面技术以及利用社会技术系统理论框架的指导。(3)UX驱动的创新设计不一定需要新技术的发明，基于现有的技术加上人因学科和UCD的方法，人们同样可以完成创新设计。例如，基于用户需求的创新，基于现有人机界面技术的创新，基于整个体验流程的端到端UX整体解决方案的创新(例如，流程或服务设计创新)。(4)这些方法具有一定的可操作性，有初步的应用和研究实例支持，今后的研究要进一步细化和完善这些方法。(5)在开展UX驱动的创新设计工作中，许多方法需要UX人员与AI开发技术团队密切合作。相信随着创新设计的进一步深入，更多的人因学科和UX专业人员的参与，以UX驱动式创新设计的UCD方法一定会发挥作用，并且得到进一步的发展。
表3UX驱动式创新设计的UCD方法
UX交互接触点UX驱动式创新设计的UCD方法主要实现途径对智能系统UX设计的贡献(相关研究或应用实例)用户需求基于对当前用户痛点分析所获取的需求用户研究;用AI和大数据对实时用户行为、使用等数据的分析亚马逊公司在初期面对众多同质化电商竞争、用户痛点,创新在线的购物体验(一键下单,在线顾客讨论、产品打分、个性化产品推荐等)(Brunner,2008)基于潜在的使用场景和用户需求用户研究;用AI和大数据对实时用户行为、使用等数据分析,发现潜在需求的趋势iPhone整合多个潜在用户需求和使用场景(随身照相机、随身音乐播放器、随身视频播放器、互联网浏览器、各种APP),开创了手机和移动互联网的新体验基于差异化体验的需求用户研究;用AI和大数据对实时用户行为、使用等数据分析;产品竞争分析区别于大篇幅的博客,推特利用限制140个字符的社交网来快速有效地传播信息,创建差异性体验,迅速打开市场(Saffer,2013)人机界面基于现有的人机界面技术利用现有的人机界面技术+人因学科方法,发现新的使用场景和最佳落地体验苹果公司利用现有触摸屏技术(加多点触控),创建了新的手机人机交互方式,加上一系列新场景功能,为iPhone创立智能手机的体验平台(文哲,2017)基于新的人机界面技术利用心理学、生理学、脑科学、计算机等多学科;新的有效的测量指标和技术采用认知神经科学和脑电测量技术的脑机接口(BCI)(Ayaz,et al.,2018;Borghetti,et al.,2017;Parasuraman & Rizzo,2006)基于多模态的人机界面技术利用人的感觉通道间的互补性,整合来自多通道的多模态输入,优化人机交互采用视线交互和体感交互的多模态交互,可能缓解或克服VR眼镜的眩晕症(Deng,2018;Jerald,2017;Mead,et al.,2016)人机融合基于AI的实时上下文场景和自然式人机交互技术利用实时在线上下文场景信息+自然式人机交互+基于AI的即时学习等技术区别于传统的搜索,聊天机器人通过基于AI的语音对话、智能化搜索、即时学习、个性化推荐,提供快速有效的解决方案(Lee,2018)基于AI的实时个性化体验设计利用实时在线的用户行为等特征、上下文场景、用户情感或作业绩效建模等数据为用户提供个性化的内容根据基于AI的实时用户画像建模向用户推荐商品(吕超,2018);根据基于AI的用户日志库特征提供个性化的在线图书馆服务(何胜等,2017;Kleppe,et al.,2017)整个体验流程基于整个体验流程的端到端UX整体解决方案(服务设计、新商业模式等)在社会技术系统大环境中,采用“UCD+跨越整个体验流程+优化所有用户接触点”的方法优步公司的“乘车共享”模式:平衡乘客和司机利益,解决用户在联系、等待、乘车、付款等接触点的痛点,融合线上线下的体验(李四达,2017;Reason et al.,2015)
4人因学科在复杂智能系统的UX设计中的应用
4.1 人因学科新方法的支持
由表1和以上讨论分析可知，从人机系统、技术平台、应用领域、用户需求和人机界面等方面来讲，第三阶段的UCD实践面对更为复杂的研究和应用的对象。在一个多变量、动态的、智能化的环境中，当用户使用装备多模态、虚拟化、或者隐式化人机界面的复杂智能系统时，用户可能更多地从事认知工作负荷增加的监控、决策、解决问题等操作作业，传统重复式手工作业会大大减少，这些也给UCD的方法提出了新要求。近20年来，许多人因学科研究者已经尝试不同的途径来拓展人因学科研究和应用的深度以及广度，这些探索可能可以帮助开展对复杂智能系统的需求分析、建模、用户界面设计、UX测试等(许为&葛列众，2018)。本研究根据以下几方面要求来选择可以为复杂智能系统UX设计提供帮助的人因学科新方法：(1)对复杂智能系统的UX设计已有初步研究和应用实例；(2)能够克服现有人因学科方法在复杂智能系统UX设计中的局限性；(3)有助于在UCD实践的活动中起作用。
表4列举了具有代表性的一些人因学科新方法。由表4可以得到以下几点。首先，针对复杂智能系统的UX设计，传统人因学科方法表现出一定的局限性，而人因学科的新方法从不同的方面可以克服这些局限性，有可能为复杂智能系统UX设计提供有效的解决方案。其次，从UCD流程的角度来看，这些新方法对复杂智能系统UX设计的贡献是全方位的，从需求分析、建模、设计到UX测试阶段；从研究和应用的深度以及广度来看，这些方法可以深入到人的认知神经层面，也将研究和应用的广度拓宽到宏观的社会技术系统大环境。再则，这些新方法的应用范围涉及到各类智能系统，包括智能物联网、智能医疗、网络安全监控、自适应智能系统、人-自动化交互、无人驾驶车、大数据信息视觉化、融合智能系统等等。最后，现有的应用和研究实例大部分是初步的，因此，这些新方法在复杂智能系统UX设计中的应用还有待于进一步研究。
王平生提出，“乡村振兴战略的核心是解决我国农业农村农民目前的不发达、不兴旺、不富裕、不协调、不环保的‘三农’问题，达到生产、生活、生态的‘三生’融合、协调发展，真正实现农业发展、农村变样、农民受惠，最终建成小康社会的美丽乡村。”乡村振兴战略要坚持农业农村优先发展，加快推进农业农村现代化。其重点是深化农村土地制度改革，深化农村集体产权制度改革，完善农业支持保护制度，发展多种形式适度规模经营，培育新型农业经营主体。
4.2 人因学科理论的提升
需要开发基于实验证据的人因学科设计理论，为智能系统的UX设计服务。现有人因学科中的许多理论是针对非智能系统的设计。例如，Budiu & Laubheimer(2018)对美国市场上三个顶级品牌的带语音交互的智能助手的UX测试研究表明,所测试的智能助手在所有6类复杂问题上都失败，只在一些简单的查询任务上成功，可见语音交互设计理论的重要性。另外，虚拟现实的人机交互环境带来了对人的空间知觉的新要求，同时也带来对人机交互的界面范式和设计的新考虑(Jerald，2017;Deng，2018)。
表4人因学科新方法在复杂智能系统UX设计中的应用
人因学科新方法传统人因学科方法的局限性人因学科新方法的贡献对现有UCD方法的贡献新方法在复杂智能系统设计中的潜在贡献(初步应用或研究实例)神经人因学(Parasuraman et al.,2006)注重人在操作环境中的外显行为绩效和主观感知深入到人的认知神经层面,了解操作环境中人的信息加工的神经机制;敏感的脑电成像测量(例如,心理负荷)人机界面设计,UX测试以及测试指标脑机接口;敏感的脑电成像测量;利用脑电成像测量指标,支持自适应智能系统设计(Ayaz,et al.,2018;Borghetti,et al.,2017)认知工作分析(Vicente,1999)注重具体的用户作业和用户界面的物理特征对整个复杂工作领域中影响人的复杂认知决策作业的各种领域制约因素的工作需求分析、建模;生态界面设计需求分析,定性建模,用户界面设计智能物联网、智能医疗、网络安全监控等复杂领域的分析、建模,大数据视觉化的表征(Pragy,et al.,2018;Rouse,et al.,2017;许为,2003b;Xu,2007)认知计算建模(Foyle,etal.,2007)开发后期才开展对设计方案的人因学验证在系统开发早期,能开展低成本、量化的人因学验证,降低开发风险和成本定量建模,测试验证为智能系统提供实时的自适应人机交互;基于AI的计算建模(Cassenti,et al.,2018;冷旭等,2014)面向情景意识的设计(Endsley et al.,2012)设计中,注重经过长期学习形成的稳定的用户心理模型设计中,强调在动态环境中,用户采用实时更新的心理结构表征来产生对系统和环境状态的感知、理解、预测,从而支持用户瞬间的决策需求分析,用户界面设计,设计原则,UX测试及测试指标人-自动化交互,无人驾驶车,大数据信息视觉化,网络安全监控(Canan,2017;Sirkin,et al.,2017;许卫,2004;Pep-panen,etal.,2015)协同认知系统(Hollnagel & Woods,2005)注重人机交互,人与机器之间是被动的“刺激-反应”关系强调人机融合,人和机器是两个合作的认知主体,组成一个协同认知系统人机关系分析、设计,人机功能分配,人机协作设计“机器+人”融合智能系统;“机器+人+网络+物”式复杂智能物联网(智能制造等)(Lyons,et al.,2018;潘云鹤,2017)社会技术系统理论(Hen-drick et al.,2002)注重物理环境、组织因素,缺乏对整个社会技术系统环境的考虑在宏观环境中研究AI、大数据等技术对人的各种需求的影响(用户隐私、法律和伦理、情感,伦理道德,自主权,技能成长等)需求分析、设计、UX测评中对大环境多变量的考虑开发出满足整个社会技术系统大环境需求的、优化的跨越整个体验流程的智能系统整体解决方案(Kant,2018;Sted-mon,et al.,2016)
需要将成熟领域的人因学科理论转化到智能系统领域。例如，航空机载人-自动化交互、自动化情景意识等方面的研究比较成熟(许为，2003b)，但是人因学科对人-机器人交互的研究相对滞后于当前智能技术的发展(Sheridan，2016)。要加强对新型类机器人的研究，包括无人驾驶车以及社会交互类机器人(如康复、娱乐、家居服务)的人机组队、决策自主权，自动化透明设计、自动化信任、自动化机-机交互、情景意识、文化因素等方面的研究(Jack，2017；Wynne & Lyons，2018等)。
现有人因学科理论已不能满足智能系统UX设计的要求,需要开发人因学科新理论。智能系统中的人机关系发生了新的变化，人机组队(human-machine teaming)是目前人因学科针对智能系统研究的新领域之一(Wynne & Lyons，2018)。今后的研究需要探索人机组队的理论框架，了解人机交互和人机组队之间的区别，人机融合与人机组队本质上是否有区别，人机组队中人和机器是如何分工和合作，人和机器各自需要如何促进协调、修复或防止团队协调中的故障，人和机器应该何时接管对方的功能，如何感知、理解、实现共同的目标等。Hollnagel & Woods(2005)的协同认知系统可能有助于对智能系统中的人机融合以及人机组队的研究探索。其他的研究内容包括智能系统中的人机测评理论、人机认知资源分配、隐式人机交互(如环境智能)中的被动式人机交互模式以及人的认知负荷测评等。另外，智能系统中基于AI的情感计算、人机决策、大数据可视化的认知模型等都需要人因学科研究的支持。
5总结和展望
(1)中国的UCD实践已进入第三阶段，以智能系统的UX和创新设计为重点，这标志着中国的UCD实践已经进入了深水区。智能系统的新特征对UCD方法提出了新挑战，人因学科责无旁贷，应该在理论和方法等方面提供学科支持。
1.3.2 基因分型 Taqman-MGB探针PCR扩增MTHFR C677T、A1298C、MTRR A66G基因，确定各样本的分型结果，依据Hardy-Weinberg平衡分析各基因位点的多态性。
学生只有在产生浓郁兴趣前提下，能更好地提高识字学习的效率，有效快速地读认生字生词。所以教师在课堂过程中，要运用各种不同的识字教学办法，调动起学生的主动性和积极性，让学生在愉悦轻松氛围中开展学习内容，真正发自内心地感受学习带来的乐趣。如教学识字过程中，教师通过创编儿歌，口述故事，或者猜字谜等课堂小游戏的方法来增强学生的兴趣和注意力，让学生能够积极投入到识字学习中，这样在游戏的识字环节中，可以让学生求知欲与好奇心充分发挥起作用，轻松快乐的掌握识字内容，提高了教学质量获得良好的识字效果。
(2)智能系统的UX设计需要UCD方法的提升。人因学科可以支持UCD方法的提升，本文提出了11种提升的UCD方法来支持智能系统的UX设计。
采用Cochrane协作网提供的Rev Man 5.3统计软件进行Meta分析。以均数差（MD）作为连续性变量的统计量，并计算其95%置信区间（CI）。对纳入研究的异质性进行χ2检验，若各研究间无统计学异质性（P＞0.10，I2＜50%），则采用固定效应模型进行Meta分析；反之，则采用随机效应模型进行Meta分析。当存在临床异质性时，绘制倒漏斗图进行发表偏倚分析。
本次收治的胸腹部占位性病变60例患者，全部取得病灶组织，且全部穿刺成功，阳性诊断准确率达到了100%。细胞学与病理学诊断为：10例腺癌（16.67%），17例肺鳞癌（28.33%），7例小细胞肺癌（11.67%），1例淋巴瘤（1.67%），1例炎性假瘤（1.67%），1例胸腺瘤（1.67%），2例恶性间皮瘤（3.33%），2例肝转移瘤（3.33%），2例肝癌（3.33%），6例肾转移癌（10.00%），11例肾透明细胞癌（18.33%）。未发现严重并发症，肺内少量出血2例，极小区域局限性气胸2例，未做特殊处理，3d后进行CT复查，气胸、出血症状均消退。
(3)智能系统的创新设计要采用UX驱动式创新设计。本文提出了UX驱动的三因素创新设计概念模型。为支持该模型在智能系统设计中的实践，基于人因学科，本文归纳总结了9种UX驱动式创新设计的UCD方法。
建筑面积的大小是影响造价成本波动的根本因素。对于建筑面积较小的工程，工程造价成本的预估难度相对来说就小很多，且预估造价与最终决算费用的误差也较小。而对于建筑面积较大的工程，受建筑材料、人工费用等因素价格波动影响，其最终的造价成本预估也较难控制。
(4)针对复杂智能系统的UX设计，要充分利用人因学科方法。本文建议采用人因学科的6种新方法。另外，需要提升现有的人因学科理论，转化现有成熟的人因学科理论到智能系统领域，开发基于实验证据的人因学科设计理论。
(5)人因学科和UX专业人员需要与时俱进，学习AI等新技术知识，在智能系统的设计开发中与AI等技术团队协同合作。相信本文所建议的一系列方法，将有助于在智能系统的UX和创新设计中的UCD实践，同时也需要在今后的研究和应用中得到进一步的完善。
参考文献
董建明，傅利民，饶培伦，Stephanidis，C.& Salventy，G.(2016)．人机交互：以用户为中心的设计和评估 (第5版)．北京：清华大学出版社．
何胜,冯新翎,武群辉,熊太纯,李仁璞.(2017).基于用户行为建模和大数据挖掘的图书馆个性化服务研究，图书情报工作,61(1)，40-46.
冷旭，何静，张俊忠，郭仲平，张咫千.(2014).基于BP神经网络的海军飞行员人为差错安全影响评估，安全与环境学报，14(4)，120-123.
李开复,王咏刚.(2017).人工智能.北京：文化发展出版社.
李四达.(2017).交互与服务设计.北京:清华大学出版社.
罗仕鉴，朱上上.(2016).用户体验与产品创新设计.北京：机械工业出版社.
吕超，朱郑州.(2018).一个基于用户画像的商品推荐算法的设计与应用.中国科技论文在线，11(4)，339-347.
潘云鹤.(2017).中国新一代人工智能.首届世界智能大会,天津.Retrieved November 16，2018，from http://tj.sina.com.cn/zimeiti/2017-06-30/detail-ifyhrxsk1465527.shtml
文哲.(2017).伟大的小细节:互联网产品设计中的微创新思维.北京:机械工业出版社.
吴书，刘强，王亮.(2016).情境大数据建模及其在用户行为预测中的应用，大数据.6，110-117.
许为.(2003a).以用户为中心设计：人机工效学的机遇和挑战.人类工效学，9(4)，8-11.
许为.(2003b).自动化飞机驾驶舱中人-自动化系统交互作用的心理学研究.心理科学，26(3)，523-524.
许为.(2005).人-计算机交互作用研究和应用新思路的探讨.人类工效学，11(4)，37-40.
许为.(2017).再论以用户为中心的设计:新挑战和新机遇.人类工效学，23(1)，82-86.
许为，葛列众.(2018).人因学发展的新取向.心理科学进展，26(9)，1521-1534.
赵军.(2016).产品创新设计.北京:电子工业出版社.
许卫.(2004).有关自动化飞机驾驶舱的人机工效学问题.国际航空，5，49-51.
Ayaz，H.，& Dehais，F.(2018).Neuroergonomics:The brain at work and in everyday life (edited).Cambridge,Massachusetts:Academic Press.
Baumer，E.PS.(2017).Toward human-centered algorithm design.BigData&Society，July-December 2017:1-12 DOI:10.1177/2053951717718854
Berndt，J.O.，Rodermund，S.C.，Lorig，F.，Timm，I.J.(2017).Modeling User Behavior in Social Media with Complex Agents.HUSO2017:TheThirdInternationalConferenceonHumanandSocialAnalytics.19-24，IARIA，2017 ISBN:978-1-61208-578-4
Borghetti，B，J.，Giametta，J.J.，& Rusnock.(2017).Assessing continuous operator workload with a hybrid scaffolded neuroergonomic modeling approach.HumanFactors，59(1)，134-146.
Brunner，R.，Emery，S.，Hall，R.(2008).Do You Matter? How Great Design Will Make People Love Your Company.Upper Saddle River，NJ:F T，Press.
Budiu，R.& Laubheimer，P.(2018).Intelligent Assistants Have Poor Usability:A User Study of Alexa，Google Assistant，and Siri.Retrieved November 16，2018，from https://www.nngroup.com/articles/intelligent-assistant-usability/
Canan，M.，& Sousa-Poza，A.S.(2017).Cyberspace Situational Awareness Framework.Strategic Cyber Defense:A Multidisciplinary Perspective Edited by Tatar，U.,Gokce，Y.，Gheorghe，A.V.Amsterdam，Netherlands:IOS Press.
Cassenti，D.N.& Veksler，V.D.(2018).Using Cognitive Modeling for Adaptive Automation Triggering.In D.N.Cassenti (ed.)，Advances in Human Factors in Simulation and Modeling，Springer International Publishing AG:378-390.DOI 10.1007/978-3-319-60591-3_34，
Dávid，P.(2018) AI UX:7 Principles of Designing Good AI Products.Retrieved November 16，2018，from UXStudio:https://uxstudioteam.com/ux-blog/ai-ux/
Debruyne，M.(2014).Customer Innovation:Customer-centric Strategy for Enduring Growth.Kogan Page.
Deng，S.(2018).Multimodal Interactions in Virtual Environments using Eye Tracking and Gesture Control.Dissertation，Bournemouth University，UK.Available from:eprints.bournemouth.ac.uk.
Donahoe，E.(2018).Human-Centered AI:Building Trust，Democracy and Human Rights by?Design.An overview of Stanford’s Global Digital Policy Incubator and the XPRIZE Foundation’s June 11th event.Stanford GDPi.
Endsley，M.R.& Jones，D.G.(2012).Designing for situation awareness:An approach to user-centered design (2nd edition).London:CRC Press.
Farooq，U.，& Grudin，J.(2016).Humancomputerintegration.Interactions，23，27-32.
Foyle，D.C.，& Hooey，B.L.(2007).Human performance modeling in aviation.London:CRC Press.
Holbrook，J.(2017).Human-Centered Machine Learning.Retrieved November 16，2018，from https://medium.com/google-design/human-centered-machine-learning-a770d10562cd
Hollnagel，E.，& Woods，D.D.(2005).Joint cognitive systems:Foundations of cognitive systems engineering.London:CRC Press.
ISO.(2010).Ergonomics of human-system interaction -Part 210:Human-centred design for interactive systems.ISO 9241-210．
ISO.(2018).Ergonomics of human-system interaction-Part 220:Processes for enabling，executing and assessing human-centred design within organizations.ISO 9241-220.
Jack，W.(2017).Self-Driving Cars Must Earn Our Trust.Retrieved November 16，2018，from Robot Revolution:https://www.fastcompany.com/40441162/self-driving-cars-must-earn-our-trust-says-intels-autonomous-chief
Jerald,J.(2017).The VR Book:Human-Centered Design for Virtual Reality.Association for Computing Machinery and Morgan & Claypool Publishers
Kant，V.(2018).Varieties of being “social”:Cognitive work analysis，symbolic interactionism，and sociotechnical systems.HumanFactorsandErgonomicsinManufacturing&ServiceIndustries.28(6):309-326.
Kitson，L.(2011).User-led does not equal user-centered.UX Magazine，17.Retrieved November 16，2018，from https://uxmag.com/articles/user-led-does-not-equal-user-centered
Kleppe，M.& Otte，M.(2017).Analysing and understanding news consumption patterns by tracking online user behaviour with a multimodal research design.DigitalScholarshipintheHumanities，32，Supplement 2，Koene，A.，Dowthwaite，L.，Seth，S.(2018).IEEE P7003TM Standard for Algorithmic Bias Considerations.2018 ACM/IEEE
International Workshop on Software Fairness，FairWare’18，May 2018，Gothenburg，Sweden.38 -41.
Lee，J.(2018).How We Are Getting 150k People to Use Our Chatbot.Retrieved November 18，2018，from Growthbot，https://blog.growthbot.org/how-we-are-getting-105k-people-to-use-our-chatbot
Lyons，J.B.，Wynne，K.T.，Roebke，M.A.，& Mahoney，S.(2018).Viewing machines as teammates:A qualitative study.Proceedingsofthe2018AAAISpringSymposium.166-170.
Martelaro，N.，Ju，W.(2017).WoZ Way:Enabling Real-Time Remote Interaction Prototyping & Observation in On-Road Vehicles.ACM Conference on Computer-Supported Cooperative Work and Social Computing.February 25-March 1，2017，Portland，OR，USA.
Mead，P.，Keller，D.，Kozub，M.(2016).Point with your eyes not with your hands:Using eye-tracking to enhance performance of gross-motor gestural controls.ProceedingsoftheHumanFactorsandErgonomicsSociety2016AnnualMeeting，835-839.
Nielsen，J.(1993).Usability Engineering.New York:Academic Press.
Norman，D.(1986).Cognitive engineering.In D.A.Norman & S.W.Draper (Eds.)，User centered system design.Mahwah，NJ:Erlbaum.
Pásztor，D (2018) AI UX:7 Principles of Designing Good AI Products，UX Studio:https://uxstudioteam.com/ux-blog/ai-ux/
Parasuraman，R.& Rizzo，M.(2006).Neuroergonomics:The brain at work.Oxford:Oxford University Press.
Pragya，P.& Wong，B.L.W.(2018).Algorithmic opacity:Making algorithmic processes transparent through abstraction hierarchy.ProceedingsoftheHumanFactorsandErgonomicsSociety2018AnnualMeeting，192-196.
Pearl，C.(2016).Designing Voice User Interfaces:Principles of Conversational Experiences.Sebastopol，CA:O’Reilly Media.
Peppanen，J.，Reno，M.J.，Thakkar，Grijalva，M.S.& Harley，R.G.(2015).Leveraging AMI Data for Distribution System Model Calibration and Situational Awareness.IEEETransactionsonSmartGrid，6(4)，2050-2059.
Preece，J.，Rogers，Y.，& Sharp，H.(2015).Interaction Design (4th edition)，U.K.:John Wiley & Sons Ltd.
Reason，B.，L?vlie，L.，Flu，M.B.(2015).Service Design for Business:A Practical Guide to Optimizing the Customer Experience.Hoboken，NJ:Wiley.
Rouse，W.B.，Pennock，P.J.，Oghbaie，M.，& Liu，C.(2017).Interactive visualizations for decision support:Application of Rasmussen’s abstraction-aggregation hierarchy.AppliedErgonomics，59，541-553.
Saffer，D.(2013).Microinteractions:Full Color Edition:Designing with Details.O’Reilly Media.
Sheridan，T.B.(2016).Human-robot interaction:status and challenges.HumanFactors，58(4)，525-532.
Shneiderman，B.，Plaisant，C.，Cohen，M.，Jacobs，S.，& Elmqvist，N.(2018).Design the User Interface (6th edition).England:Pearson.
Sirkin，D.，Martelaro，K.，Johns，M.，Ju，M.(2017).Toward Measurement of Situation Awareness in Autonomous Vehicles.CHI 2017，May 06-11，2017，Denver，CO，USA.
Stedmon，A.，Richards，D.，Frumkin，L.，& Fussey，P.(2016).Human factors in security:user-centred and socio-technical perspectives.SecurityJournal，29，1-4.
Skibsted，J.M.，& Hansen，R.B.(2011).User-led innovation can’t create breakthroughs.Retrieved November 16，2018，from Harvard Business Review.http://www.hbrchina.org/2014-05-08/2052.html，2014-05-08.
Stedmon，A.，Richards，D.，Frumkin，L.，& Fussey，P.(2016).Human factors insecurity:User-centred and socio-technical perspectives.SecurityJournal，29，1-4.
Sun，Z.，Ji，Z.，Zhang，P.，Chen，C.，Qian，X.，Du，X.，Wan，Q.(2018).Automatic Labeling of Mobile Apps by the Type of Psychological Needs They Satisfy.TelematicsandInformatics，34(5).DOI:10.1016/j.tele.2017.03.001.
Vicente，K.J.(1999).Cognitive work analysis:Toward safe，productive，and healthy computer-based work.Hillsdale，NJ:Erlbaum.
Vinodhini，M.A.& Vanitha，R.(2016).A Knowledge Discovery Based Big Data for Context aware Monitoring Model for Assisted Healthcare.International Journal of Applied Engineering Research，11(5)，3241-3246.
Wei，L.(2017).Tracking User Behavior with Big Data:A Model for Detecting Pain Points in the User Experience.UserExperienceMagazine，17(3).
Wynne，k.，& Lyons，J.B.(2018).An integrative model of autonomous agent teammate-likeness.TheoreticalIssuesinErgonomicsScience，19(3):353-374.
Xu，W.(2007).Identifying problems and generating recommendations for enhancing complex systems:Applying the abstraction hierarchy framework as an analytical tool.HumanFactors，49(6)，975-994.
Xu，W.(2014).Enhanced ergonomics approaches for product design:A user experience ecosystem perspective and case studies.Ergonomics，57(1)，34-51.
Zhou，J.& Chen，F.(2018).Human and machine learning:Visible，explainable，trustworthy and transparent.(Edited).Switzerland:Springer.
User-CenteredDesign(III):MethodsforUserExperienceandInnovativeDesignintheIntelligentEra
XUWei
(Center for Psychological Sciences,Zhejiang University,Hangzhou 310058,China)
Abstract
After more than 20 years,with the advent of the intelligent era,the practices of user-centered design (UCD) have begun to enter the third stage focusing on the UX and innovative design of intelligent systems.The practices of UCD in China have also begun to enter the deep water area.Current UCD methods were mainly developed based on the needs of non-intelligent systems,and there is a lack of systematic and effective methods for UCD practices in delivering UX and innovative design for intelligent systems.Human factors related disciplines should take the responsibility to provide academic support in the aspects of theory and method.This study suggests 11 enhanced UCD methods,a UX-driven innovative design conceptual model,and 9 UX-driven innovative design methods.In addition,in support of designing complex intelligent systems,this study proposes to adopt 6 new methods from the human factors related disciplines.Finally,suggestions are proposed for improving human factors theories to support the design work of complex intelligent systems,transferring human factors theories from mature domains to the intelligent systems domain,developing more experimental evidence-based human factors design theories.This study shows that human factors related disciplines can help enhance UCD methods for the UX and innovative design of intelligent systems.
Keywords：intelligent systems,user-centered design,user experience,innovative design,human factors,engineering psychology
中图分类号：B849
文献标识码：A
文章编号：1006-6020(2019)-01-0003-15
通信作者：许为，男，心理学博士、计算机科学和工程心理学硕士,研究员;e-mail:weixu6@yahoo.com。
标签：智能论文; 用户论文; 系统论文; 人机论文; 方法论文; 哲学论文; 宗教论文; 心理学论文; 心理过程与心理状态论文; 《应用心理学》2019年第1期论文; 浙江大学心理科学研究中心论文;