[格式]
原文摘錄
除了視覺,我們的目標還過濾其他感官的感知。壹個熟悉的例子是 “雞尾酒會”效應 。如果妳在壹個擁擠的酒會上與某人談話,妳能把大部分註意力放在他說的話上,即使身邊還有許多人在對話。妳對談話的興趣越大就越能 過濾 掉周圍的對話。如果妳對談話內容感到乏味了多半就會越來越多地聽到周圍的談話。
目標對感知的過濾在成年人身上特別可靠,他們比 兒童 對目標更專註。兒童更容易被刺激驅使,目標較少地過濾他們的感知。這種特點使得他們 比成年人更容易分心 ,但也使得他們觀察時更不容易被影響。
相反,寫作與閱讀直到公元前幾千年前才出現,而且到了四五百年前才普及起來,遠遠遲於人腦達到現代進化水平。在孩童時期,我們的大腦沒有顯示出任何特殊的天生的閱讀能力。閱讀其實是壹種人造的、通過系統的指導和訓練獲得的能力,就像拉小提琴、玩雜耍或者讀樂譜壹樣(Sousa,2005)。
換句話說,最有效的閱讀方式是 無語境 的、自下而上 特征驅動 的方式,這需要熟練掌握到無意識的程度。盡管與特征閱讀是兩個並行的閱讀方式,但語境驅動閱讀在如今主要被視為種候補的方法,只有在特征驅動閱讀存在困難或者不能達到足夠無意識的時候才起作用。
為什麽無語境(自下而上)的閱讀在某些成年人中無法無意識呢?有些人在兒童期沒能獲得足夠的閱讀經驗,讓特征驅動的識別過程變成無意識的,他們長大後就覺得閱讀在精神上是費勁和壓力重重的,因此也就避免閱讀,這持續加劇了他們在閱讀能力上的不足。
例如:“妳的會話己經過期。請重新認證。”。大部分非技術用戶並不理解“重新認證”的意思,於是就退出無意識閱讀狀態。
略。
如果妳在學校上過心理學或者神經生理學的課程,或許妳已經知道了眼睛內的視網膜(也就是眼球裏聚焦成像的表面)有兩類感光細胞: 視杄細胞 和 視椎細胞 。妳或許也了解了視桿細胞察覺 光線強度 但感覺不到顏色,而視椎細胞能察覺 顏色 。最後,妳或許還知道有三類視椎細胞,分別對 紅色、綠色和藍色 光敏感,這意味著我們的色覺與攝影機和計算機顯示器類似,通過紅色、綠色和藍色像素的組合來探測形成多種顏色。
首先,處於工業化社會中的我們幾乎用不到視桿細胞,它們只在低亮度下工作。在光線很暗的環境中,如 19 世紀前我們祖先所生活的環境中,它們才起作用。今天,我們只有在燭光晚餐、夜裏在黑暗屋子周圍摸索、夜晚在外宿營等情況下才用到視桿細胞。 在明亮的白天和人工照明環境(我們在此打發的時間最多)下,視桿細胞則完全過曝了 ,不能提供任何有用信息。 大部分時間裏,我們的視覺完全基於視椎細胞所提供的信息 。
(下面單獨介紹)視椎細胞:
如下圖所示:
我們的視覺是為 檢測反差(邊緣) 優化的,而不是絕對亮度。
對對比度敏感而不是對絕對亮度敏感 是人類的壹個優勢,這樣我們原始社會的祖先無論是在陽光普照的午,還是在陰雲密布的清晨,都能分出躲在附近灌木從中的豹以及其他類似的危險動物。
同樣,對顏色對比度而不是對絕對色彩敏感,會讓我們覺得陽光下和陰影裏的玫瑰花都壹樣紅。
中央凹僅占 視網膜面積的 1% (將妳的手臂伸直並著妳的大拇指。妳的拇指指甲蓋,從壹只手臂之外看去,大約與中央凹的大小相當),而 大腦的視覺皮層卻有 50% 的區域用於接受中央凹的輸入 。進步說,中央凹的視椎細胞與視覺信息處理和傳導的起點壹神經節細胞的連接比是 1:1, 而在視網膜其余地方,多個光感受細胞(視椎細胞和視桿細胞)才與壹個神經節細胞相連。
正常人的中央凹的 分辨率 非常高:他們能在那個區域裏分出好幾千個點,比現在許多口袋數碼相機更高。 而我們的邊界視覺分辨率如此之差。
那麽壹定有人要問為什麽我們看到的世界不是壹個隧道”,即除了直接註視的東西,其他所有東西都是失焦的。相反,我們看周圍的東西也都是清晰的。我們能有這樣的感覺是因為 眼睛以大約每秒三次的速度不斷快速移動 ,選擇性地將焦點投射在周圍的環境物體上。大腦則用粗曠的、印象派的方式,基於我們所知和所期待的,填充視野的其他部分。大腦無需為我們四周的環境保持壹個高分辨率的心理模型,因為它能夠命令眼睛在需要的時候去采樣和重新采樣具體細節。
邊界視覺的存在主要是為了 提供低分辨率的線索,以引導眼球運動 ,使得中央能夠看到視野裏所有有趣和重要的東西,或者察覺運動。
關於我們視野的另壹個有趣的事實是它有壹個缺口,壹個我們什麽也看不到的小區域。這個缺口對應於視網膜上視覺神經和 血管 在眼球後的出口。那裏沒有視桿細胞和視椎細胞,因此我們視野中的某個物體的成像如果恰好落在這個缺口上,我們就看不到它。我們通常註意不到它是因為大腦用其四周的景象填補了它。
視野的其他部分不能用於閱讀。這真正意味的是從中央凹開始的神經網絡,從視覺神經到視覺皮層,並擴展到大腦其他部位,被訓練成能夠閱讀,但從視網膜其他區域開始的神經網絡無法用於閱讀。我們讀到的所有文字是被這個中央區域掃描過才進入視覺系統的。這意味著閱讀要求大量的眼球運動。
短期記憶不是存儲壹壹它不是記憶和感黨被處理的地方。更準確地說,它 不是感覺系統獲得的信息或者從長期記憶中取出的信息的臨時存放處。短期記憶是感覺和註意現象的組合 。
1、介紹
例如:在許多數碼相機裏,按下快門可以是拍照片或者拍攝視頻錄像,這取決於當前選擇了哪個拍攝模式。
2、優缺點
帶模式的用戶界面有其優勢,這是為什麽很多交互系統提供模式。 模式允許壹個設備具有比控件還多的功能:同樣的控件在不同模式下提供不同的功能 。模式讓交互式系統分配不同的意義給同樣的操作從而減少用戶必須學習的操作的數量。
然而,模式有壹個為人熟知的缺點,就是人們經常犯模式錯誤:他們 會忘記系統當前所處的模式而導致誤操作 。尤其是在對當前處於哪個模式提供糟糕的反饋的系統中,這個缺點尤其明顯。因為模式錯誤的問題,很多用戶界面設計準則說要麽避免模式,要麽提供強烈的反饋告知當前所在的模式。 人類短期記憶太不可靠 ,以致設計者不能假設用戶在沒有清晰、連續的反饋時,能夠記住當前系統處於何種模式,即使系統的模式切換是由用戶決定的。
雖然 Landauer (1986) 使用人的平均學習速度來計算壹個人壹生能夠學習到的信息量,但還沒有人測量過或者預測過人腦的最大信息存儲量。
長期記憶特點的主要啟示在於,人們需要 工具 去加強它。從史前時期開始,人們發明了各種幫助自己長期記住事物的技術:刻了槽的木棍、打了結的繩索、記憶術、口述的故事和爐邊口耳相傳的歷史、文字、經卷、書本、數字系統、購物單、檢査表、電話本、日記本、記賬本烤箱計時器、計算機、移動數字助手(PDA)、在線***享日歷等。
經過上百萬年的進化,人腦已經被“設計”得能夠很快地識別出物體。相反,在沒有感覺的支持下找回記憶,對生存來說壹定是不重要的,因為我們的大腦壹點也不善於回憶。
看到和選擇比回憶和輸入要容易 對用戶顯示可選項並讓他們從中選擇,而不是強迫用戶回憶出他們的選項再告訴電腦。
例子:
1、介紹
從經驗中學習的能力有著漫長的進化史。要做到這點,壹個生物並不需要有大腦皮層(即新腦)。舊腦和中腦就能從經驗中學習。即使是昆蟲、軟體動物和蠕蟲,連舊腦都沒有,僅靠幾個神經元簇就能從經驗中學習。然而,只有擁有了大腦皮層或者具備類似功能的大腦的生物才能夠從其他生物的經驗中學習。要想意識到自己是從經驗中學習,大腦皮層就肯定是必需的。
2、缺陷
然而,我們從經驗中學習的能力並不完美,這有幾個原因:
第壹,對復雜的情況,比如那些涉及了很多可變因素或者受許多難以預料的外界因素影響的情況,人們很難做出預測,或者從中學習並概括。例如:
第二, 從自己生活中或者親人好友們那裏獲得的經驗要比那些讀到的或者聽到的經驗對我們更有影響力 。例如,我們可能讀到或者聽過報道、消費者的評價以及統計數據指出豐田 Prius 是壹款好車,但如果姐姐或者叔叔曾經有過關於它的不好的經驗,我們對這種車或許就有了負面的評價。我們這麽做是因為我們的中腦認為家庭成員與自己更相似,也就比其他成千上百不知名的消費者更可信, 雖然從理性的角度看,統計數據要可靠得多 。
第三,當人們犯了錯後,並不總能學到正確的教訓。當發現自己處於壹個糟糕的處境時,他們並不能很好地記起最近的行為從而將自己當前的處境與真正的原因聯系起來。
第四,人們從經驗中學習的第四個問題是他們經常過度概括,即 片面地總結 。例如,許多人因為見過的烏鴉都是黑的就想當然地認為烏鴉都是黑的。實際上存在不是黑色的烏鴉。
1、解決問題
擁有大腦皮層能夠讓生物脫離對本能的、被動反應的、無意識的和熟練行為的完全依賴。大腦皮層是有意識地進行 推理 的地方(Monti, Osheron, Martinez, & Parsons,2007)。
不過解決技術問題需要對技術 感興趣 並經受 訓練 。
2、計算
現代人是從 20 萬 50 萬年前的原始人類進化來的,但直到公元前 3400 年左右,人們才在美索不達米亞(現今的伊拉克)發明了數字與數值計算,並開始在交易中使用。那時候,人類大腦基本與今天人類的大腦壹樣了。既然 人類大腦在數值計算出現之前就已完成進化,也就不可能是為計算而優化的了 。
3、解決問題和計算都需要短期記憶的幫助
相對地,受控的處理,包括解決問題與計算,需要專註的註意力和不間斷的有意識地監控,並且相對較慢和順序地進行(Schneider& Shiffrin,1977)。這就拉緊了我們短期記憶的限制,因為執行指定步驟所需的所有信息塊為了爭奪稀少的註意力資源而相互竟爭。這就要求有意識的心智上的努力,就如妳被要求從 M 到 A 倒序背通字母表。
略
讓用戶使用感覺(經驗)而不是計算 。
認知心理學家把用戶 想要的工具和工具所能提供的操作之間的差距 稱為“ 執行的鴻溝 (Norman& Draper,1986)。使用工具的人必須耗用認知力量將他想要做的轉換成該工具能夠提供的操作,反之亦然。這種認知努力將人的註意力從任務上拽走,放到了對工具的要求上。個工具提供的操作與用戶想要做的之間的 鴻溝越小,用戶就越不需要去考慮工具本身,而能更專註於他們的任務 。因此,這個工具也就能更快地自動化了。
構造 對象壹操作矩陣 能夠為妳在視覺上展示出交互系統概念模型的 復雜度 。矩陣越大,就意味著越多概念需要學習。
軟件開發團隊應從概念模型中創造壹個 產品詞典 。在這個詞典裏,該產品(包括它的文檔)中用戶能接觸到的每個對象、動作和屬性都有壹個名字和定義。詞條和概念在詞典中應 壹壹對應 ,而不該出現多個詞匯對應到壹個概念或者壹個詞匯對應多個概念的情況。
感知的響應度可能看起來不如有效性重要,但實際上相反。
但高響應度的交互系統並不壹定是高性能的。
我們只考慮到 10 倍的級別。類似地,我們可以得到 10ms 左右、100ms、1s、10s 和 100s 級的分組。100s 以上就超過了大多數交互設計者需要考慮的範圍。
具體參考如下圖。
不使用忙碌標識的常見的借口是操作很快就會結束,因此不需要顯示忙碌標識。但多快才是“快”?萬壹操作不是每次都很快執行完呢?如果用戶的電腦比開發者的電腦慢很多或者沒有優化呢?如果操作要讀取的數據壹時被鎖住了呢?再如果操作需要訪問網絡服務而網絡此時擁堵或者斷線了呢?
軟件應為任何在運行時會阻止用戶繼續下壹步的操作顯示壹個忙碌標識, 即使這個操作通常能夠很快執行完 (比如在 0.1s 內)。萬壹操作堵塞或者死機,這個標識對用戶可能是非常有用。
動態 的等待標識比靜態的對用戶更友好,因為它們顯示系統正在工作,而不是崩潰或者掛起以等待網絡連接或數據解鎖。當然,忙碌的動態標識應與其代表的實際的計算相同步。
顯示壹個操作已經完成了的百分比時, 從 1%開始,而不是 0% 。
進度的顯示應是平緩的、線性的而不是不穩定爆發式的。