交互设计8 原型构建与设计评估.pptVIP

模糊评价矩阵与评价模型 A·R——矩阵A和B的合成运算，其运算法分为三种： 主因素决定型模型 该模型采用了扎德算子，称为主因素决定型模型，记为：M（∧,∨）。按照主因素决定型模型，评价结果B中元素之值按下式计算： bi=(a1∧ri1)∨(a2∧ri2) ∨ … ∨ (an∧rmn) 其中∧表示取小，∨表示取大。计算过程为：先分别对各对括号中两两比较取小值，然后再取大值。 界面评价因素“美学性、易用性、趣味性、互动性、一致性”的权重分配矩阵A = (0.25， 0.15， 0.18,，0.22， 0.2)，模糊评价矩阵R的第1例，即对评价等级5的用户评价结果r1= (0.35， 0.25， 0.10,，0.05， 0.01)（表示用户对美学性、易用性、趣味性、互动性和一致性5项评价因素达到5级用户比例分别为35%、25%、10%、5%和1%）。 数值0.25是对5项评价因素用户认为达到5级的量化。 家庭影音娱乐平台界面原型——主因素决定型模型 b1=(0.25∧0.35)∨(0.15∧0.25) ∨(0.18∧0.10) ∨(0.22∧0.05) ∨(0.22∧0.01) =0.25 ∨0.15∨0.10∨0.05∨0.01=0.25 模糊评价矩阵与评价模型 主因素突出型模型 记为M（·,∨)，其模糊算子采用“实数乘法”与“取大”运算，算法为： bi=(a1×ri1)∨(a2×ri2) ∨ … ∨ (an×rmn) 加权平均型模型 记为M（·, ），算法为： bi=(a1×ri1) (a2×ri2) … (an×rmn) 其中x y表示取(x+y,1)中的最小值，计算结果表明，对于5项评价因素，认为达到5级的数值b1= 0.2992。 加权平均型模型的算法示意图 模糊评价矩阵与评价模型 不同的模型，最后的计算结果会有所不同。采用M（∧,∨）和M（·,∨)模型适用于突出权重最大的评价因素，而M(·, )模型适用于兼顾所有评价因素的全部信息。 模糊评价结果│案例：家庭影音娱乐平台界面原型 利用评价模型，得到数据也是一种集合的表现形式。 如上所述，b1= 0.25（主因素决定型模型）和b1= 0.2992（加权平均型模型），是针对5级的评价。同理，可以分别求出针对4级、3级、2级和1级的b2、b3、b4、b5之值，如按主因素决定型模型求出b1、b2、b3、b4、b5之值分别为0.25、0.35、0.28、0.15、0.10，写成集合的形式为： B=A·R=（b1,b2,b3,,…,bn）= (0.25, 0.35, 0.28, 0.15, 0.10)　 （例中n=5） 由于0.25+0.35+0.28+ 0.15+0.10＝1.13，为了便于用百分比的形式表示，将其作归一化处理，即各项除以1.13，使和为1，结果为： B=(0.22, 0.31, 0.25, 0.13, 0.09) 界面按5个评价因素进行评价的结果为： 认为该界面为5级、4级、3级、2级和１级的评估者占总人数百分比分别为22%，31%，15%，13%，9%。用规范的术语表示为评价结果为： 隶属于5级（好）的程度为0.25； 隶属于4级（较好）的程度为0.31； 隶属于3级（一般）的程度为0.15； 隶属于2级（较差）的程度为0.13； 隶属于1级（差）的程度为0.09； 按最大隶属度原则，综合评价结果为4级（较好），但隶属度只有0.31，有改进的必要。 取录属度集为{1.0，0.8，0.6，0.4，0.2}[10]，得到综合评价分数=(1.0×0.25+0.8×0.31+0.6×0.15+0.4×0.13+0.2×0.09) ×100=65.8 * 交互设计过程中的模糊综合评价 确定评价指标 根据被评价对象的特点，从可用性和用户体验目标两个层面的物质、行为和精神三个维度上制定评价指标（评价因素）。 确定评价等级（评语）集 评价等级可以用等级的形式表示，可分成3、5级或7级，或用语意差异表示，可分为3~7种语意差异。 确定评价指标的权重 权重表示了每个评价指标的重要程度，评价指标的权重分配可采用二元择优比较法确定。二元择优比较法也可称为01法，即将评价指标两两比较，重要者计为１,不重要者计为0,统计比较结果可得到权重值。 设有5项指标，由8位参评者对评价指标进行比较，得到参评者比较的汇总与权重计算 二元择优比较结果与权重计算 确定模糊评价矩阵 首先由评估者根据评价指标选择评价等级，然后汇总，并表示为矩阵的形式。 综合评价的计算与结果分析 模糊综合评价结果由评价模型B=A·R确定，通常可以用计算机程序来完成。 最后的结果可以用上述的评价分数形式表示。按录属度集中确定的各级系数，不仅可以计算综合评价分，还可以计算单项评价指标