一种基于眼动追踪的界面可用性评估方法和系统与流程

1.本发明涉及界面设计技术领域，尤其涉及一种基于眼动追踪的界面可用性评估方法和系统。


背景技术：

2.可用性测试作为一种用户研究方法，可以帮助识别人机交互界面中潜在的设计问题，并可以进一步量化用户在使用产品过程中的用户体验分数。传统的可用性测试基于预先设定好的任务场景，要求被访用户按照指示语完成对应操作任务，并在相关体验量表上对任务过程中的细节进行打分。用户研究员会根据受访用户在完成任务过程中的行为绩效数据，以及受访用户在测试前、测试中或者测试后填写的体验量表数据，从可靠性、易理解性、人机交互效率等方面对产品界面进行评估。然而，基于行为绩效数据与体验量表数据的可用性测试无法获得认知层面的客观数据，更无法快速定位产品设计问题产生的原因。
3.如今，眼动追踪技术已经广泛应用于广告营销、教育学、婴幼儿研究、产品设计等领域。通过记录视线的变化轨迹，眼动追踪技术可以帮助我们了解注意力的分布情况。将眼动追踪技术与传统可用性测试方法相结合，既能够补充更多来自认知层面的客观数据，也能够使用眼动指标对已经发现的产品设计问题进行深入的解释。然而，如何高效地将眼动追踪技术与可用性测试相结合，目前研究仍缺少相应实践。


技术实现要素：

4.本发明的目的在于提供一种基于眼动追踪的界面可用性评估方法和系统。
5.为了实现上述目的，本发明的技术方案是：一种基于眼动追踪的界面可用性评估方法，包括以下步骤：s1、根据产品的可用性测试任务清单，收集专家用户组参与可用性测试的第一眼动测试数据集和第一行为绩效数据集；s2、根据产品的可用性测试任务清单，收集测试用户组参与可用性测试的第二眼动测试数据集、第二行为绩效数据集和体验量表数据集；s3、基于所述第一眼动测试数据集、所述第二眼动测试数据集、所述第一行为绩效数据集和所述第二行为绩效数据集，计算每项界面体验维度的量化得分；s4、根据每项界面体验维度的量化得分和体验量表数据集，得到界面测试的评价结果。
6.在本发明提供的方法中，所述界面体验维度包括规律性、复杂度、搜索效率、逻辑性、搜索准确性、信息密度和信息引导性，所述步骤s3包括：s31、对于专家用户组和测试用户组中的每位用户，根据所述第一眼动测试数据集和所述第二眼动测试数据集，获取该用户在完成任务过程中所有注视点的坐标信息作为空间源数据；s32、对于每项界面体验维度，基于所述空间源数据、所述第一行为绩效数据集和
所述第二行为绩效数据集，获取多个表示参数；s33、对于每项界面体验维度，对所述多个表示参数进行标准化处理；s34、对于每项界面体验维度，以标准化后的多个表示参数作为数据表，采用夹角余弦的绝对值测定测试用户组的每位用户与专家用户组的每位用户在完成任务过程中的相似性，将所有夹角余弦绝对值的均值作为该界面体验维度的得分。
7.在本发明提供的方法中，所述界面体验维度为规律性时，所述多个表示参数包括最近邻指数、泰森多边形变异系数、加权椭圆标准差的扁率、注视熵和注视熵率，所述步骤s32包括：统计代表所有注视点空间分布的最近邻指数和泰森多边形变异系数；以注视点的持续时间作为权重，拟合加权标准差椭圆，计算加权标准差椭圆的扁率；计算用户在完成任务过程中注视点分布于各个兴趣区的熵值作为注视熵；统计用户在完成任务过程中各个兴趣区的平均注视时长，根据注视熵、各个兴趣区的平均注视时长、兴趣区的数量来计算注视熵率。
8.在本发明提供的方法中，所述界面体验维度为复杂度时，所述多个表示参数包括扫描路径复杂度、拐角平均余弦值、lempel-ziv复杂度、转移熵和综合熵，所述步骤s32包括：统计用户在完成任务过程中扫描路径的分形维数作为扫描路径复杂度；计算用户在完成任务过程中扫描路径的拐角平均余弦值；统计用户在完成任务过程中视线依次经过的兴趣区，生成兴趣区序列，基于lempel-ziv复杂度算法，计算兴趣区序列的序列复杂度；计算用户在完成任务过程中注视点分布于各个兴趣区的熵值作为注视熵，计算用户在完成任务过程中任意两个兴趣区之间的注视转移次数，基于注视转移次数计算转移熵，将注视熵与转移熵之和作为综合熵。
9.在本发明提供的方法中，所述界面体验维度为搜索效率时，所述多个表示参数包括扫描路径深度、扫描路径长度、扫描路径总时长、外接凸多边形面积、眼跳/注视比率；所述步骤s32包括：统计用户在完成任务过程中扫描路径上的注视点总数作为扫描路径深度；计算用户在完成任务过程中扫描路径上相邻注视点的欧几里得距离之和作为扫描路径长度；计算用户在完成任务过程中，扫描路径上最后一个注视点的消失时间与首个注视点的出现时间之差作为扫描路径总时长；计算用户在完成任务过程中所有注视点的外接凸多边形的面积；计算用户在完成任务过程中眼跳时间与注视时间的比率作为眼跳/注视比率。
10.在本发明提供的方法中，所述界面体验维度为逻辑性时，所述多个表示参数包括回视型眼跳次数和方向改变型眼跳次数；所述步骤s32包括：获取用户在完成任务过程中注视点返回至上一个兴趣区的次数，作为回视型眼跳次数；获取用户在完成任务过程中连续眼跳之间方向夹角大于90度的次数，作为方向改
变型眼跳次数。
11.在本发明提供的方法中，所述界面体验维度为搜索准确性时，所述多个表示参数包括目标集中度和目标击中率；所述步骤s32包括：获取用户在完成任务过程中各个兴趣区的访问时长与注视时长比率，将所有兴趣区的访问时长与注视时长比率相加，获得目标集中度；获取用户在完成任务过程中落在兴趣区的注视点数、回视型注视的次数和注视点总数，计算落在兴趣区的注视点数/注视点总数的比率与回视型注视的次数/注视点总数的比率，将两个比率之差作为目标击中率。
12.在本发明提供的方法中，所述界面体验维度为信息密度时，所述多个表示参数包括眼跳频率和兴趣区平均注视时长；所述步骤s32包括：获取用户在完成任务过程中的眼跳频率；获取用户在完成任务过程中所有兴趣区的平均注视时长。
13.在本发明提供的方法中，所述界面体验维度为信息引导性时，所述多个表示参数包括平均眼跳幅度、扫描路径速率、眼跳时间占比、转移速率、注视空间密度，所述步骤s32包括：获取用户在完成任务过程中的平均眼跳幅度；获取用户在完成任务过程中的扫描路径长度与任务耗时，将扫描路径长度与任务耗时之比作为扫描路径速率；获取用户在完成任务过程中的眼跳时间占比；使用多条垂直方向的直线与多条水平方向的直线，将界面区域划分为面积相等的网格，统计用于在完成任务过程中，注视点在各个网格之间的转移次数以及任务耗时，将转移次数与任务耗时之比作为转移速率；获取用户在完成任务过程中包含注视点的网格数量，将包含注视点的网格数量与网格总数之比作为注视空间密度；获取用户在完成任务过程中的迷失度。
14.根据本发明的另一方面，还提供一种基于眼动追踪的界面可用性评估系统，包括：数据收集模块，用于根据产品的可用性测试任务清单，收集专家用户组参与可用性测试的第一眼动测试数据集和第一行为绩效数据集，还用于根据产品的可用性测试任务清单，收集测试用户组参与可用性测试的第二眼动测试数据集、第二行为绩效数据集和体验量表数据集；数据计算模块，用于基于所述第一眼动测试数据集、所述第二眼动测试数据集、所述第一行为绩效数据集和所述第二行为绩效数据集，计算每项界面体验维度的量化得分；结果生成模块，用于根据每项界面体验维度的量化得分和体验量表数据集，得到界面测试的评价结果。
15.本发明提出的基于眼动追踪的界面可用性评估方法，系统性地建立起眼动指标与界面体验维度之间的匹配关系，量化用户在操作产品界面过程中的认知体验，并利用眼动指标帮助解释产品设计问题背后的认知层面原因。
附图说明
16.图1是本发明的基于眼动追踪的界面可用性评估方法的流程示意图。
具体实施方式
17.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
19.以下结合说明书附图对本发明做出进一步的说明，如图1所示：本发明提供的基于眼动追踪的界面可用性评估方法，包括以下步骤：s1、根据产品的可用性测试任务清单，收集专家用户组参与可用性测试的第一眼动测试数据集和第一行为绩效数据集；具体地，在本发明一实施例中，对于某一人机交互产品，根据业务情况编写可用性测试的任务清单；然后，选择熟悉该产品界面的用户组成专家用户组参与可用性测试，并收集每位用户在测试过程中的眼动测试数据和行为绩效数据，作为第一眼动测试数据集和第一行为绩效数据集，其中，眼动测试数据包括用户在测试过程中所有注视点的坐标和每个注视点的持续时间，行为绩效包括任务完成时长和迷失度。
20.s2、根据产品的可用性测试任务清单，收集测试用户组参与可用性测试的第二眼动测试数据集、第二行为绩效数据集和体验量表数据集；具体地，在本发明一实施例中，选择不少于8名的真实用户组成测试用户组分别参与可用性测试，并收集每位用户在测试过程中的眼动测试数据、行为绩效数据和体验量表数据，组成第二眼动测试数据集、第二行为绩效数据集和体验量表数据集。其中，其中，眼动测试数据包括用户在测试过程中所有注视点的坐标和每个注视点的持续时间，行为绩效包括任务完成时长和迷失度，体验量表数据为用户根据自身体验对各个界面体验维度的打分。
21.s3、基于所述第一眼动测试数据集、所述第二眼动测试数据集、所述第一行为绩效数据集和所述第二行为绩效数据集，计算每项界面体验维度的量化得分；具体地，在本发明一实施例中，界面体验维度包括规律性、复杂度、搜索效率、逻辑性、搜索准确性、信息密度和信息引导性，每个界面体验维度可以通过不同的参数来表示。对于每一项界面体验维度，以专家用户的眼动指标数值和行为绩效为参照，计算专家用户的眼动指标数值和行为绩效与测试用户的眼动指标数值和行为绩效之间的相似度作为该体验维度的量化分数。因此，步骤s3包括：s31、对于专家用户组和测试用户组中的每位用户，根据所述第一眼动测试数据集和所述第二眼动测试数据集，获取该用户在完成任务过程中所有注视点的坐标信息作为空间源数据；s32、对于每项界面体验维度，基于所述空间源数据、所述第一行为绩效数据集和所述第二行为绩效数据集，获取该维度的多个表示参数；
s33、对于每项界面体验维度，对所述多个表示参数进行标准化处理；s34、对于每项界面体验维度，以标准化后的多个表示参数作为数据表，采用夹角余弦的绝对值测定测试用户组的每位用户与专家用户组的每位用户在完成任务过程中的相似性，将所有夹角余弦绝对值的均值作为该界面体验维度的得分；s4、根据每项界面体验维度的量化得分和体验量表数据集，得到界面测试的评价结果。
22.具体地，在本发明一实施例中，对于每项界面体验维度，对量化得分和测试用的体验量表数据进行平均，结果作为界面测试的评价结果。
23.进一步地，在本发明一实施例中，所述界面体验维度为规律性时，所述多个表示参数包括最近邻指数、泰森多边形变异系数、加权椭圆标准差的扁率、注视熵和注视熵率。通过以下方法获取这些表示参数：统计代表所有注视点空间分布的最近邻指数和泰森多边形变异系数；以注视点的持续时间作为权重，拟合加权标准差椭圆，计算加权标准差椭圆的扁率；计算用户在完成任务过程中注视点分布于各个兴趣区的熵值作为注视熵；统计用户在完成任务过程中各个兴趣区的平均注视时长，根据注视熵、各个兴趣区的平均注视时长、兴趣区的数量来计算注视熵率。
24.本实施例中，对眼动测试数据进行分析处理，得到“规律性”维度的得分a，具体包括如下步骤：基于第k位测试用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“规律性”维度上的几个参数：最近邻指数 a
k,1
、泰森多边形变异系数 a
k,2
、加权标准差椭圆的扁率 a
k,3
、注视熵 a
k,4
和注视熵率 a
k,5
，其中，k为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“规律性”维度上的几个参数：最近邻指数 a
0,1
、泰森多边形变异系数 a
0,2
、加权标准差椭圆的扁率 a
0,3
、注视熵 a
0,4
和注视熵率 a
0,5
；对步骤1) 与步骤2) 中的所有最近邻指数数据a
0,1
与a
k,1
() 进行标准化处理，获得标准化后的最近邻指数数据a’0,1
与 a’k,1
()；对步骤1) 与步骤2) 中的所有泰森多边形变异系数数据 a
0,2
与a
k,2
()进行标准化处理，获得标准化后的泰森多边形变异系数数据 a’0,2
与 a’k,2
()；对步骤1) 与步骤2) 中的所有加权标准差椭圆的扁率数据 a
0,3
与 a
k,3
()进行标准化处理，获得标准化后的加权标准差椭圆的扁率数据 a’0,3
与 a’k,3
()；对步骤1) 与步骤2) 中的所有注视熵数据 a
0,4
与 a
k,4
()进行标准化处理，获得标准化后的注视熵数据 a’0,4
与 a’k,4
()；对步骤1) 与步骤2) 中的所有注视熵率数据 a
0,5
与 a
k,5
()进行标准化处理，获得标准化后的注视熵率数据 a’0,5
与 a’k,5
()；基于标准化的最近邻指数数据 a’0,1
与 a’k,1
()、标准化的泰森多边形变异系数数据a’0,2
与 a’k,2
()、标准化的加权标准差椭圆的扁率数据 a’0,3
与 a’k,3
()、标准化的注视熵数据 a’0,4
与 a’k,4
()和标准化的注视熵率数据 a’0,5
与 a’k,5
()，采用夹角余弦的绝对值测定第k位测试用户与专家用户在完成任务过程中的相似性，作为第k位测试用户的任务表现在“规律性”维度上的得分ak()：
进一步计算“规律性”维度的得分其中，计算最近邻指数 nni的方法如下：记界面区域内的注视点数为 n，对于每一个注视点i，计算该注视点与其他注视点之间的距离d
ij
；计算注视点之间的观测平均距离；计算界面区域的面积值a，以及预期平均距离计算最近邻指数其中，计算泰森多边形变异系数cv的方法如下：以界面区域为空间平面，以全部注视点作为空间平面内的点集，使用泰森多边形对该空间平面进行剖分；计算泰森多边形面积的面积的均值与标准差其中 n 为泰森多边形的数量， si为第 i个泰森多边形的面积；计算泰森多边形变异系数其中，计算加权标准差椭圆的扁率的方法如下：以全部注视点为空间平面点集，以注视点的持续时长为标准差椭圆的权重，计算加权标准差椭圆的旋转角；计算加权标准差椭圆的长轴半径与短轴半径；计算加权标准差椭圆的扁率：长轴半径与短轴半径之差与长轴半径的比值；其中，计算注视熵 e
fixation
与注视熵率er的方法如下：统计每个兴趣区的注视总时长，统计任务总时长t，计算每个兴趣区的注视概率，其中n为兴趣区的总数;根据每个兴趣区的注视概率计算注视熵。
25.统计每个兴趣区的平均注视时长；基于每个兴趣区的平均注视时长、注视熵 e
fixation
和兴趣区总数n，计算注视熵率；进一步地，在本发明一实施例中，所述界面体验维度为复杂度时，所述多个表示参数包括扫描路径复杂度、拐角平均余弦值、lempel-ziv复杂度、转移熵和综合熵。通过以下方式获取多个表示参数：统计用户在完成任务过程中扫描路径的分形维数作为扫描路径复杂度；计算用户在完成任务过程中扫描路径的拐角平均余弦值；统计用户在完成任务过程中视线依次经过的兴趣区，生成兴趣区序列，基于lempel-ziv复杂度算法，计算兴趣区序列
的序列复杂度；计算用户在完成任务过程中注视点分布于各个兴趣区的熵值作为注视熵，计算用户在完成任务过程中任意两个兴趣区之间的注视转移次数，基于注视转移次数计算转移熵，将注视熵与转移熵之和作为综合熵。
26.本实施例中，对眼动测试数据进行分析处理，得到“复杂度”维度的得分b，具体包括如下步骤：基于第k位测试用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“复杂度”维度上的几个参数：扫描路径复杂度b
k,1
、拐角平均余弦值b
k,2
、复杂度b
k,3
、转移熵 b
k,4
和综合熵b
k,5
，其中，k为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“复杂度”维度上的几个参数：扫描路径复杂度b
0,1
、拐角平均余弦值b
0,2
、lempel-ziv复杂度b
0,3
、转移熵 b
0,4
和综合熵b
0,5
；对步骤1) 与步骤2) 中的所有扫描路径复杂度数据 b
0,1
与 b
k,1
()进行标准化处理，获得标准化后的扫描路径复杂度数据b’0,1
与 b’k,1
()；对步骤1) 与步骤2) 中的所有拐角平均余弦值数据 b
0,2
与 b
k,2
()进行标准化处理，获得标准化后的拐角平均余弦值数据b’0,2
与 b’k,2
()；对步骤1) 与步骤2) 中的所有lempel-ziv复杂度数据 b
0,3
与 b
k,3
()进行标准化处理，获得标准化后的lempel-ziv复杂度数据 b’0,3
与 b’k,3
()；对步骤1) 与步骤2) 中的所有转移熵数据 b
0,4
与 b
k,4
()进行标准化处理，获得标准化后的转移熵数据b’0,4
与 b’k,4
()；对步骤1) 与步骤2) 中的所有综合熵数据 b
0,5
与 b
k,5
()进行标准化处理，获得标准化后的综合熵数据b’0,5
与 b’k,5
()；基于标准化的扫描路径复杂度数据b’0,1
与 b’k,1
()、标准化的拐角平均余弦值数据 b’0,2
与 b’k,2
()、标准化的lempel-ziv复杂度数据 b’0,3
与 b’k,3
()、标准化的转移熵数据b’0,4
与 b’k,4
()和标准化的综合熵数据b’0,5
与 b’k,5
()，采用夹角余弦的绝对值测定第k位测试用户与专家用户在完成任务过程中的相似性，作为第k位测试用户的任务表现在“复杂度”维度上的得分bk()：进一步计算“复杂度”维度的得分；其中，计算扫描路径复杂度d的方法如下：以界面区域为底图，确定多种不同尺度(共k种)的正方形网格，正方形网格的边长记为，将边长为rk的正方形网格构成网格平面图去覆盖底图，对于行号i、列号j的网格，统计网格内的注视点数量，计算该网格的注视概率，其中为覆盖底图的正方形网格数量，基于注视概率，进一步计算第k种尺度对应的信息量；获得k种尺度下的信息量后，用正方形网格半径与信息量组成k组数据拟合如下关系，其中c为常数，d为分形维数 ，将分形维数值d作为扫描路径复杂度；
其中，计算拐角平均余弦值的方法如下：统计扫描路径上每一个拐角的角度，其中n为扫描路径上的拐角数量；计算拐角的平均余弦值；其中，计算 lempel-ziv复杂度complexity的方法如下：统计其在完成任务过程中视线依次经过的兴趣区，生成兴趣区注视行为序列，其中l为注视行为序列的长度，符号代表第i个经过的兴趣区;b. 使用lempel-ziv复杂度计算序列series
aoi
中的子串数量 n
sub
；c. 统计兴趣区数量n，计算lempel-ziv复杂度为：。
27.其中，计算转移熵e
transition
与综合熵e
composite
的方法如下：a. 统计每个兴趣区的注视总时长，统计任务总时长t，计算每个兴趣区的注视概率，其中n为兴趣区的总数;统计注视点从兴趣区i转移到兴趣区的频数，以及兴趣区之间转移的总次数，计算从兴趣区转移到兴趣区j的概率；计算转移熵；计算综合熵；进一步地，在本发明一实施例中，所述界面体验维度为搜索效率时，所述多个表示参数包括扫描路径深度、扫描路径长度、扫描路径总时长、外接凸多边形面积、眼跳/注视比率。通过以下方式获取多个表示参数：统计用户在完成任务过程中扫描路径上的注视点总数作为扫描路径深度；计算用户在完成任务过程中扫描路径上相邻注视点的欧几里得距离之和作为扫描路径长度；计算用户在完成任务过程中，扫描路径上最后一个注视点的消失时间与首个注视点的出现时间之差作为扫描路径总时长；计算用户在完成任务过程中所有注视点的外接凸多边形的面积；计算用户在完成任务过程中眼跳时间与注视时间的比率作为眼跳/注视比率。
28.本实施例中，对眼动测试数据/行为绩效进行分析处理，得到“搜索效率”维度的得分c，具体包括如下步骤：基于第位测试用户在完成任务过程中的眼动测试数据/行为绩效，计算其任务完成表现在“搜索效率”维度上的几个参数：扫描路径深度、扫描路径长度、扫描路径总时长、外接凸多边形面积、眼跳/注视比率和任务完成时长，其中，为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据/行为绩效，计算其任务完成表现在“搜索效率”维度上的几个参数：扫描路径深度、扫描路径长度、扫描路径总时长、外接凸多边形面积、眼跳/注视比率和任务完成时长；对步骤1) 与步骤2) 中的所有扫描路径深度数据与进行标准化
处理，获得标准化后的扫描路径深度数据与；对步骤1) 与步骤2) 中的所有扫描路径长度数据与进行标准化处理，获得标准化后的扫描路径长度数据与；对步骤1) 与步骤2) 中的所有扫描路径总时长数据与进行标准化处理，获得标准化后的扫描路径总时长数据与；对步骤1) 与步骤2) 中的所有外接凸多边形面积数据与进行标准化处理，获得标准化后的外接凸多边形面积数据与；对步骤1) 与步骤2) 中的所有眼跳/注视比率数据与进行标准化处理，获得标准化后的眼跳/注视比率数据与；对步骤1) 与步骤2) 中的所有任务完成时长数据与进行标准化处理，获得标准化后的任务完成时长数据与；基于标准化的扫描路径深度数据与、标准化的扫描路径长度数据与、标准化的扫描路径总时长数据与、标准化的外接凸多边形面积数据与、标准化的眼跳/注视比率数据与和标准化的任务完成时长数据与，采用夹角余弦的绝对值测定第位测试用户与专家用户在完成任务过程中的相似性，作为第位测试用户的任务表现在“搜索效率”维度上的得分：进一步计算“搜索效率”维度的得分；其中，计算扫描路径深度、扫描路径长度和扫描路径总时长的方法如下：a. 统计位于扫描路径上的注视点数量，扫描路径深度；b. 将扫描路径记为，计算扫描路径上相邻注视点与之间的欧几里得距离；对进行求和获得扫描路径长度；对于扫描路径上的首个注视点，记的出现时刻为，对于扫描路径上最后一个注视点，记的消失时刻为；计算，获得扫描路径总时长；其中，计算外接凸多边形面积的方法如下：以全部注视点作为点集，使用步进法、扫描法、算法等凸包求解算法寻找点集的凸包；b. 计算凸包的几何面积；其中，计算眼跳/注视比率的方法如下：
a. 统计任务完成过程中的眼跳总时长和注视总时长；b. 计算眼跳/注视比率；进一步地，在本发明一实施例中，所述界面体验维度为逻辑性时，所述多个表示参数包括回视型眼跳次数和方向改变型眼跳次数。通过以下方式获取多个表示参数：获取用户在完成任务过程中注视点返回至上一个兴趣区的次数，作为回视型眼跳次数；获取用户在完成任务过程中连续眼跳之间方向夹角大于90度的次数，作为方向改变型眼跳次数。
29.本实施例中，对眼动测试数据进行分析处理，得到“逻辑性”维度的得分，具体包括如下步骤：基于第位测试用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“逻辑性”维度上的几个参数：回视型眼跳次数和方向改变型眼跳次数，其中，为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“逻辑性”维度上的几个参数：回视型眼跳次数和方向改变型眼跳次数；对步骤1) 与步骤2) 中的所有回视型眼跳次数数据与进行标准化处理，获得标准化后的回视型眼跳次数数据与；对步骤1) 与步骤2) 中的所有方向改变型眼跳次数数据与进行标准化处理，获得标准化后的方向改变型眼跳次数数据与；基于标准化的回视型眼跳次数数据与和标准化的方向改变型眼跳次数数据与，采用夹角余弦的绝对值测定第位测试用户与专家用户在完成任务过程中的相似性，作为第位测试用户的任务表现在“逻辑性”维度上的得分：进一步计算“逻辑性”维度的得分；其中，计算回视型眼跳次数的方式如下：统计每一个兴趣区的访问次数，计算每一个兴趣区的回视次数，其中为兴趣区的总数；对所有兴趣区的回视次数进行求和，获得回视型眼跳次数。
30.其中，计算方向改变型眼跳次数的方法如下：记眼跳序列为，其中为眼跳的总数目，如果某一步的眼跳的方向向量与其下一步眼跳的方向向量之间的夹角大于90度，则判定为一次方向改变型眼跳；遍历全部眼跳，统计眼跳序列上的方向改变型眼跳的总次数；进一步地，在本发明一实施例中，所述界面体验维度为搜索准确性时，所述多个表
示参数包括目标集中度和目标击中率。通过以下方式获取多个表示参数：获取用户在完成任务过程中各个兴趣区的访问时长与注视时长比率，将所有兴趣区的访问时长与注视时长比率相加，获得目标集中度；获取用户在完成任务过程中落在兴趣区的注视点数、回视型注视的次数和注视点总数，计算落在兴趣区的注视点数/注视点总数的比率与回视型注视的次数/注视点总数的比率，将两个比率之差作为目标击中率。
31.本实施例中，对眼动测试数据进行分析处理，得到“搜索准确性”维度的得分，具体包括如下步骤：基于第位测试用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“搜索准确性”维度上的几个参数：目标集中度和目标击中率，其中，为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“搜索准确性”维度上的几个参数：目标集中度和目标击中率；对步骤1) 与步骤2) 中的所有目标集中度数据与进行标准化处理，获得标准化后的目标集中度数据与；对步骤1) 与步骤2) 中的所有目标击中率数据与进行标准化处理，获得标准化后的目标击中率数据与；基于标准化的目标集中度数据与和标准化的目标集中度数据与，采用夹角余弦的绝对值测定第位测试用户与专家用户在完成任务过程中的相似性，作为第位测试用户的任务表现在“搜索准确性”维度上的得分：进一步计算“搜索准确性”维度的得分；其中，计算目标集中度的方法如下：a. 统计各个兴趣区的访问总时长与注视时长，计算比率；b. 将所有兴趣区的比率进行求和，获得目标集中度；其中，计算目标击中率的方法如下：a. 统计每个兴趣区的注视点数，统计每一个兴趣区的访问次数，计算每一个兴趣区的回视次数，其中为兴趣区的总数；b. 计算目标击中率，其中为注视点总数；进一步地，在本发明一实施例中，所述界面体验维度为信息密度时，所述多个表示参数包括眼跳频率和兴趣区平均注视时长。通过以下方式获取多个表示参数：获取用户在完成任务过程中的眼跳频率；获取用户在完成任务过程中所有兴趣区的平均注视时长。
32.本实施例中，对眼动测试数据进行分析处理，得到“信息密度”维度的得分，具体包括如下步骤：基于第位测试用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“信息密度”维度上的几个参数：眼跳频率和兴趣区平均注视时长，其中，为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据，计算其任务完成表现在“信息密度”维度上的几个参数：眼跳频率和兴趣区平均注视时长；对步骤1) 与步骤2) 中的所有眼跳频率数据与进行标准化处理，获得标准化后的眼跳频率数据与；对步骤1) 与步骤2) 中的所有兴趣区平均注视时长数据与进行标准化处理，获得标准化后的兴趣区平均注视时长数据与；基于标准化的眼跳频率数据与和标准化的兴趣区平均注视时长数据与，采用夹角余弦的绝对值测定第位测试用户与专家用户在完成任务过程中的相似性，作为第位测试用户的任务表现在“信息密度”维度上的得分：进一步计算“信息密度”维度的得分；其中，计算眼跳频率的方式如下：a. 统计在完成任务过程中的眼跳次数，以及完成任务的耗时；b. 计算眼跳频率；其中，计算兴趣区平均注视时长的方式如下：a. 统计每个兴趣区的总注视时长；b. 计算所有兴趣区的平均注视时长；进一步地，在本发明一实施例中，所述界面体验维度为信息引导性时，所述多个表示参数包括平均眼跳幅度、扫描路径速率、眼跳时间占比、转移速率、注视空间密度。通过以下方式得到多个表示参数：获取用户在完成任务过程中的平均眼跳幅度；获取用户在完成任务过程中的扫描路径长度与任务耗时，将扫描路径长度与任务耗时之比作为扫描路径速率；获取用户在完成任务过程中的眼跳时间占比；使用多条垂直方向的直线与多条水平方向的直线，将界面区域划分为面积相等的网格，统计用于在完成任务过程中，注视点在各个网格之间的转移次数以及任务耗时，将转移次数与任务耗时之比作为转移速率；获取用户在完成任务过程中包含注视点的网格数量，将包含注视点的网格数量与网格总数之比作为注视空间密度；获取用户在完成任务过程中的迷失度。
33.本实施例中，对眼动测试数据/行为绩效进行分析处理，得到“信息引导性”维度的得分，具体包括如下步骤：基于第位测试用户在完成任务过程中的眼动测试数据/行为绩效，计算其任务完
成表现在“信息引导性”维度上的几个参数：平均眼跳幅度、扫描路径速率、眼跳时间占比、转移速率、注视空间密度和迷失度，其中，为测试用户数量；基于专家用户在完成任务过程中的眼动测试数据/行为绩效，计算其任务完成表现在“信息引导性”维度上的几个参数：平均眼跳幅度、扫描路径速率、眼跳时间占比、转移速率、注视空间密度和迷失度；对步骤1) 与步骤2) 中的所有平均眼跳幅度数据与进行标准化处理，获得标准化后的平均眼跳幅度数据与；对步骤1) 与步骤2) 中的所有扫描路径速率数据与进行标准化处理，获得标准化后的扫描路径速率数据与；对步骤1) 与步骤2) 中的所有眼跳时间占比数据与进行标准化处理，获得标准化后的眼跳时间占比数据与；对步骤1) 与步骤2) 中的所有转移速率数据与进行标准化处理，获得标准化后的转移速率数据与；对步骤1) 与步骤2) 中的所有注视空间密度数据与进行标准化处理，获得标准化后的注视空间密度数据与；对步骤1) 与步骤2) 中的所有迷失度数据与进行标准化处理，获得标准化后的迷失度数据与；基于标准化的平均眼跳幅度数据与、标准化的扫描路径速率数据与、标准化的眼跳时间占比数据与、标准化的转移速率数据与、标准化的注视空间密度数据与和标准化后的迷失度数据与，采用夹角余弦的绝对值测定第位测试用户与专家用户在完成任务过程中的相似性，作为第位测试用户的任务表现在“信息引导性”维度上的得分：进一步计算“信息引导性”维度的得分；其中，计算扫描路径速率的方式如下：统计其在完成任务过程中的扫描路径长度与任务耗时；将扫描路径长度与任务耗时之比作为扫描路径速率；其中，计算转移速率和注视空间密度的方式如下：使用若干条垂直方向的直线与若干条水平方向的直线，将界面区域划分为面积相等的网格，网格总数记为；统计注视点在各个网格之间的转移次数，统计包含注视点的网格数量；
计算转移速率，其中为完成任务的耗时；计算注视空间密度。
34.本发明还提供一种基于眼动追踪的界面可用性评估系统，包括：数据收集模块，用于根据产品的可用性测试任务清单，收集专家用户组参与可用性测试的第一眼动测试数据集和第一行为绩效数据集，还用于根据产品的可用性测试任务清单，收集测试用户组参与可用性测试的第二眼动测试数据集、第二行为绩效数据集和体验量表数据集；数据计算模块，用于基于所述第一眼动测试数据集、所述第二眼动测试数据集、所述第一行为绩效数据集和所述第二行为绩效数据集，计算每项界面体验维度的量化得分；结果生成模块，用于根据每项界面体验维度的量化得分和体验量表数据集，得到界面测试的评价结果。
35.本领域技术人员可以理解的是，以上是本发明实施例提供的基于眼动追踪的界面可用性评估系统的实施例，该系统和装置与上述的基于眼动追踪的界面可用性评估方法属于同一个发明构思，在基于眼动追踪的界面可用性评估系统的实施例中未详尽描述的细节内容，可以参考上述基于眼动追踪的界面可用性评估方法的实施例。
36.本发明实施例还提供了一种基于眼动追踪的界面可用性评估设备，可以包括：存储器，用于存储计算机程序；处理器，用于执行上述存储器存储的计算机程序时可实现如上所述的基于眼动追踪的界面可用性评估方法。
37.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时可实现如上所述的基于眼动追踪的界面可用性评估方法。
38.该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。
39.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
40.类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
41.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或
子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
42.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
43.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（dsp）来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
44.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。