湘潭大学人机交互复习
老师没给题型也没划重点,随便看看复习了
什么是人机交互
人机交互(Human-Computer Interaction,HCI)是关于设计、评价和实现供人们使用的交互式计算机系统,并围绕相关的主要现象进行研究的学科。
人机交互研究内容
人机交互界面表示模型与设计方法
可用性分析与评估
多通道交互技术
认知与智能用户界面
群件
Web设计
移动界面设计
易学性是用户在短时间内掌握系统并执行任务的能力。
易学性是提高用户体验的关键,系统应当为用户提供轻松学习和使用的界面。
提高系统的易记性是确保用户持续使用和提高工作效率的重要因素。
可用性目标
可用性目标:易学性 使用效率 易记性 低错误率 主观满意度
用户体验目标
情感连接:
• 目标:在用户与系统之间建立情感连接,创造 愉悦 的交互过程。
可用性原则
可用性原则:可学习性 灵活性 健壮性
交互的主要性
1. 提升用户体验(UX)
重要性:良好的交互设计能够使用户轻松、高效地完成任务,从而提升用户体验。
关键点:
直观的操作流程。
减少用户的学习成本。
提供及时的反馈和引导。
2. 提高效率
重要性:高效的交互设计能够帮助用户快速完成任务,节省时间和精力。
关键点:
简化操作步骤。
提供快捷键或自动化功能。
优化信息架构,使用户能够快速找到所需内容。
3. 增强用户满意度
重要性:良好的交互设计能够使用户感到愉悦和满足,从而增加用户对产品的忠诚度。
关键点:
设计符合用户期望的界面。
提供个性化的交互体验。
及时响应用户需求。
4. 减少错误
重要性:合理的交互设计能够减少用户操作中的错误,提高系统的可靠性。
关键点:
提供清晰的错误提示和解决方案。
设计防错机制(如确认对话框)。
优化输入验证和反馈。
5. 促进用户参与
重要性:良好的交互设计能够吸引用户积极参与,增加用户粘性。
关键点:
设计有趣的交互元素(如动画、游戏化设计)。
提供社交互动功能。
鼓励用户反馈和贡献。
生命周期
交互设计生命周期(Interaction Design Lifecycle)是指在设计和开发交互系统时,从概念到最终产品的完整过程。它强调以用户为中心的设计方法,确保交互系统能够满足用户需求并提供良好的用户体验。
阶段: 需求分析 用户研究 概念设计 原型设计 评估与测试 迭代设计 实现与开发 发布与维护
交互设计的关键特征
用户研究
人物建模
需求定义
– 基于视觉的指导原则 : 这类指导原则关注如何利用颜色、布局、图标和其他视觉元素来提升界面的可视吸引力和易用性 。– 基于非视觉感知的指导原则 : 这类指导原则关注如何利用听觉、触觉和运动感知等其他感知方式来增强界面的多样性和丰富性 。– 基于 费茨定律 的指导原则 : 这类指导原则关注如何利用费茨定律来 优化界面中交互元素的位置和大小 。– 简约的设计策略 : 这类设计策略关注如何创造 简洁、直观 的界面 。
简约的设计策略
一般性设计原则
费茨定律
脑机接口
- 脑机接口是一种先进的交互技术,它允许直接从大脑中获取信号,并将这些信号转化为计算机可以理解的指令,从而实现人与计算机之间的无需经过传统输入设备的交流。
原型
原型是一种初步的设计模型,用于展示用户界面的外观和功能
概念设计 具体设计
- 概念设计
- 至关重要阶段
- 深入理解用户需求、明确设计目标和生成初步的设计方案
- 为后续的原型开发和细化提供基础
- 建立起一个可行的设计框架
- 为软件建立起初步框架
- 具体设计
- 在创建交互原型时进行具体设计的过程
- 关注界面的外观、布局、交互细节和视觉效果
- 实现良好的用户体验和界面可用性
- 面向需求的设计原则
个性化与通用性 本地化与全球化 无障碍设计 易学性和帮助性
评估
- 评估的目标是为了提供准确、客观和全面的信息
- 评估的原则是评估过程中应遵守的一些基本原则。
GOMS
- Goal-目标
- 用户要达到什么目的
- Operator-操作
- 任务执行的底层行为,不能分解
- 为达到目标而使用的认知过程和物理行为
- 如点击鼠标
- Method-方法
- 如何完成目标的过程,即对应目标的子目标序列和所需操作
- 如移动鼠标,输入关键字,点击Go按钮
- Selection-选择规则
- 确定当有多种方法时选择和方法
- GOMS认为方法的选择不是随机的
专家评估
- 用户评估的难点
- 难找到合适的用户
- 在整个过程中维持用户测试十分消耗资金问题严重性评估
- 专家评估的重要性
- 控制了成本
- 获得系统对一部分特定用户的影响
- 专家评估不能评估系统的实际应用
人机交互界面设计模型
行为模型
结构模型
事件-对象模型
交互任务类型的基本对象类型
MVC 模型层次
Web 网站设计的 3C 原则
Web 网站设计的 3C 原则 concise ( 简洁 ) Consistent( 一致性 ) contrast ( 对比度)
错觉物体的组合方式将影响观察者的感知方式 : 人们总会夸大水平线 而缩短垂直线
确定 Web 站点的用户群体 ,从用户的角度去思考。
以用户为中心的设计,为用户的共性设计,同时考虑差异。
对目标用户群的构成进行分析: Web 网站是以提供的信息内容来分类的。
新一代的人机交互技术发展方向和趋势
目前常见的鼠标接口有串口, PS/2 和 USB 三种类型
桌面隐喻 (desktop metaphor) 是指在用户界面中用人们熟悉的桌面上的图例清楚地表示计算机可以处理的能力。图形具有一定的文化和语言独立性,可以提高搜索目标的效率。图形用户界面中的图例可以代表对象、动作、属性 或其他概念。 隐喻的表现方法 : 静态图标、 动画、视频。 隐喻的分类 : 直接隐喻: 隐喻本身就带有操纵的对象。 如 Word 绘图工具中的图标, 每种图标分别代表不同的图 形绘制操作。 工具隐喻 :代表所使用的工具 如用磁盘图标隐喻存盘操作、用打印机图标 隐喻打印操作 等,这种隐喻设计简单、形象直观,应用也最为普遍。 过程隐喻: 其通过描述操作的 过程来暗示该操作 如 Word中的撤销和恢复图标。
相关文章:

湘潭大学人机交互复习
老师没给题型也没划重点,随便看看复习了 什么是人机交互 人机交互(Human-Computer Interaction,HCI)是关于设计、评价和实现供人们使用的交互式计算机系统,并围绕相关的主要现象进行研究的学科。 人机交互研究内容 …...

基于ADAS 与关键点特征金字塔网络融合的3D LiDAR目标检测原理与算法实现
一、概述 3D LiDAR目标检测是一种在三维空间中识别和定位感兴趣目标的技术。在自动驾驶系统和先进的空间分析中,目标检测方法的不断演进至关重要。3D LiDAR目标检测作为一种变革性的技术,在环境感知方面提供了前所未有的准确性和深度信息. 在这里&…...
Kivy App开发之UX控件DropDown下拉列表
怎样在kivy中实现下拉列表的功能? 在kivy中,下拉列表的定位是自动的,即列表展开的位置根据上下方是否有控件自动调整,且可以包含其他控件,如按钮,图片等。 在应用中,需要使用base包下的runTouchApp类,用于触发下拉框。 DropDown控件常见的属性如下 属性相关说明auto_…...

机器学习模型评估指标
模型的评估指标是衡量一个模型应用于对应任务的契合程度,常见的指标有: 准确率(Accuracy): 正确预测的样本数占总样本数的比例。适用于类别分布均衡的数据集。 精确率(Precision): 在所有被预测为正类的样…...
C# 特性
总目录 C# 语法总目录 C# 特性 特性1. 特性类自定义格式2. 特性的位置参数和命名参数3. 特性的目标4. 指定多个特性5. 调用者信息特性 特性 1. 特性类自定义格式 自定义特性类需要继承自Attribute类,特性使用通常都会省略名字后面的Attribute,会自动识…...
Reactor测试框架之StepVerifier
Reactor测试框架之StepVerifier 测试步骤1、创建StepVerifier实例2、添加断言3、执行验证 代码实例 在响应式编程中,Reactor框架提供了StepVerifier测试类,用于对响应式序列进行断言和验证。StepVerifier主要用于对Publisher发出的元素序列进行逐步的、精…...
k8s helm部署kafka集群(KRaft模式)——筑梦之路
添加helm仓库 helm repo add bitnami "https://helm-charts.itboon.top/bitnami" --force-update helm repo add grafana "https://helm-charts.itboon.top/grafana" --force-update helm repo add prometheus-community "https://helm-charts.itboo…...
unity action委托举例
using System; using UnityEngine; public class DelegateExample : MonoBehaviour { void Start() { // 创建委托实例并添加方法 Action myAction Method1; myAction Method2; myAction Method3; // 调用委托,会依次执…...

conda 批量安装requirements.txt文件
conda 批量安装requirements.txt文件中包含的组件依赖 conda install --yes --file requirements.txt #这种执行方式,一遇到安装不上就整体停止不会继续下面的包安装。 下面这条命令能解决上面出现的不执行后续包的问题,需要在CMD窗口执行: 点…...

Flutter:封装一个自用的bottom_picker选择器
效果图:单列选择器 使用bottom_picker: ^2.9.0实现,单列选择器,官方文档 pubspec.yaml # 底部选择 bottom_picker: ^2.9.0picker_utils.dart AppTheme:自定义的颜色 TextWidget.body Text() <Widget>[].toRow Row()下边代…...

Group3r:一款针对活动目录组策略安全的漏洞检测工具
关于Group3r Group3r是一款针对活动目录组策略安全的漏洞检测工具,可以帮助广大安全研究人员迅速枚举目标AD组策略中的相关配置,并识别其中的潜在安全威胁。 Group3r专为红蓝队研究人员和渗透测试人员设计,该工具可以通过将 LDAP 与域控制器…...

支持向量机算法(一):像讲故事一样讲明白它的原理及实现奥秘
1、支持向量机算法介绍 支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的模式识别方法, 属于有监督学习模型,主要用于解决数据分类问题。SVM将每个样本数据表示为空间中的点,使不同类别的…...
力扣-数组-35 搜索插入位置
解析 时间复杂度要求,所以使用二分的思想,漏掉了很多问题,这里记录 在left-right1时,已经找到了插入位置,但是没有赋值,然后break,所以导致一直死循环。 if(right - left 1){result right;b…...

List ---- 模拟实现LIST功能的发现
目录 listlist概念 list 中的迭代器list迭代器知识const迭代器写法list访问自定义类型 附录代码 list list概念 list是可以在常数范围内在任意位置进行插入和删除的序列式容器,并且该容器可以前后双向迭代。list的底层是双向链表结构,双向链表中每个元素…...
HashMap和HashTable区别问题
并发:hashMap线程不安全,hashTable线程安全,底层在put操作的方法上加了synchronized 初始化:hashTable初始容量为11,hashmap初始容量为16 阔容因子:阔容因子都是0.75 扩容比例: 补充 hashMap…...

mysql -> 达梦数据迁移(mbp大小写问题兼容)
安装 注意后面初始化需要忽略大小写 初始化程序启动路径 F:\dmdbms\tool dbca.exe 创建表空间,用户,模式 管理工具启动路径 F:\dmdbms\tool manager.exe 创建表空间 创建用户 创建同名模式,指定模式拥有者TEST dts 工具数据迁移 mysql -&g…...
leetcode热门100题1-4
第一天 两数之和 //暴力枚举 class Solution { public:vector<int> twoSum(vector<int>& nums, int target) {int n nums.size();for (int i 0; i < n; i) {for (int j i 1; j < n; j) {if (nums[i] nums[j] target) {return {i, j};}}}return {…...

作业:IO:day2
题目一 第一步:创建一个 struct Student 类型的数组 arr[3],初始化该数组中3个学生的属性 第二步:编写一个叫做save的函数,功能为 将数组arr中的3个学生的所有信息,保存到文件中去,使用fread实现fwrite 第三步…...

UVM: TLM机制
topic overview 不建议的方法:假如没有TLM TLM TLM 1.0 整个TLM机制下,底层逻辑离不开动作发起者和被动接受者这个底层的模型基础,但实际上,在验证环境中,任何一个组件,都有可能成为动作的发起者࿰…...

flink的EventTime和Watermark
时间机制 Flink中的时间机制主要用在判断是否触发时间窗口window的计算。 在Flink中有三种时间概念:ProcessTime、IngestionTime、EventTime。 ProcessTime:是在数据抵达算子产生的时间(Flink默认使用ProcessTime) IngestionT…...

深入剖析AI大模型:大模型时代的 Prompt 工程全解析
今天聊的内容,我认为是AI开发里面非常重要的内容。它在AI开发里无处不在,当你对 AI 助手说 "用李白的风格写一首关于人工智能的诗",或者让翻译模型 "将这段合同翻译成商务日语" 时,输入的这句话就是 Prompt。…...
SkyWalking 10.2.0 SWCK 配置过程
SkyWalking 10.2.0 & SWCK 配置过程 skywalking oap-server & ui 使用Docker安装在K8S集群以外,K8S集群中的微服务使用initContainer按命名空间将skywalking-java-agent注入到业务容器中。 SWCK有整套的解决方案,全安装在K8S群集中。 具体可参…...
线程与协程
1. 线程与协程 1.1. “函数调用级别”的切换、上下文切换 1. 函数调用级别的切换 “函数调用级别的切换”是指:像函数调用/返回一样轻量地完成任务切换。 举例说明: 当你在程序中写一个函数调用: funcA() 然后 funcA 执行完后返回&…...
【AI学习】三、AI算法中的向量
在人工智能(AI)算法中,向量(Vector)是一种将现实世界中的数据(如图像、文本、音频等)转化为计算机可处理的数值型特征表示的工具。它是连接人类认知(如语义、视觉特征)与…...

2025盘古石杯决赛【手机取证】
前言 第三届盘古石杯国际电子数据取证大赛决赛 最后一题没有解出来,实在找不到,希望有大佬教一下我。 还有就会议时间,我感觉不是图片时间,因为在电脑看到是其他时间用老会议系统开的会。 手机取证 1、分析鸿蒙手机检材&#x…...
大模型多显卡多服务器并行计算方法与实践指南
一、分布式训练概述 大规模语言模型的训练通常需要分布式计算技术,以解决单机资源不足的问题。分布式训练主要分为两种模式: 数据并行:将数据分片到不同设备,每个设备拥有完整的模型副本 模型并行:将模型分割到不同设备,每个设备处理部分模型计算 现代大模型训练通常结合…...
关于 WASM:1. WASM 基础原理
一、WASM 简介 1.1 WebAssembly 是什么? WebAssembly(WASM) 是一种能在现代浏览器中高效运行的二进制指令格式,它不是传统的编程语言,而是一种 低级字节码格式,可由高级语言(如 C、C、Rust&am…...

华为云Flexus+DeepSeek征文|DeepSeek-V3/R1 商用服务开通全流程与本地部署搭建
华为云FlexusDeepSeek征文|DeepSeek-V3/R1 商用服务开通全流程与本地部署搭建 前言 如今大模型其性能出色,华为云 ModelArts Studio_MaaS大模型即服务平台华为云内置了大模型,能助力我们轻松驾驭 DeepSeek-V3/R1,本文中将分享如何…...
怎么让Comfyui导出的图像不包含工作流信息,
为了数据安全,让Comfyui导出的图像不包含工作流信息,导出的图像就不会拖到comfyui中加载出来工作流。 ComfyUI的目录下node.py 直接移除 pnginfo(推荐) 在 save_images 方法中,删除或注释掉所有与 metadata …...

Scrapy-Redis分布式爬虫架构的可扩展性与容错性增强:基于微服务与容器化的解决方案
在大数据时代,海量数据的采集与处理成为企业和研究机构获取信息的关键环节。Scrapy-Redis作为一种经典的分布式爬虫架构,在处理大规模数据抓取任务时展现出强大的能力。然而,随着业务规模的不断扩大和数据抓取需求的日益复杂,传统…...