資料驅動互動式回饋以輔助高易用性圖標設計

Abstract

"圖標在應用軟體、網頁、和各式各樣的使用者介面上是重要的元素之一，並且經常以整組的圖標一起設計、使用。然而，設計師通常僅僅通過公司、團隊內部非正式的測試來評估新設計的圖標、圖標組的易用性。即便有些較常見的功能已有具代表性的圖標樣式（例如：搜尋、下一步），但是在不同案例中仍然有許多尚未建立代表性圖標的功能的設計需求（例如：封存）。不僅如此，因為介面設計在時間和預算上的限制，設計師鮮少針對每個圖標去做正式的（具有足夠受測者的）易用性測試。因此，我們提出EvIcon，一個互動式設計評估工具來提升圖標設計反覆修改和評估階段的效率，並且針對新設計的圖標提供兩種即時資料驅動回饋。 首先，我們透過群眾外包收集大量群眾對於不同圖標的感知程度（包含語義相關性和熟悉程度）評分（共收集到62, 649 筆評分資料）並用以訓練深度學習模型來針對使用者上傳的圖標提供即時的易用性回饋。接著，我們利用收集到的圖標資料庫（n = 2, 000）以及孿生神經網路（Siamese Neural Network）來輔助圖標組的設計能達到足夠的視覺區分程度。我們透過新手及專業介面設計師的使用者試驗及訪談，展示EvIcon 對於圖標設計反覆修改和評估階段的幫助和成效。在後續的群眾外包實驗中，可以看到在EvIcon 輔助下設計的圖標對比沒有EvIcon 輔助的圖標在語意相關性和熟悉程度上均達到較佳的成效。"