基于模糊语言模式的图形用户界面(GUI)设计验证与优化研究

本文创新性地运用模糊语言模式（Fuzzy Linguistic Patterns）构建GUI评估框架，通过心理实验确定6种非线性隶属函数，结合任务完成时间、正确率、眼动指标（注视频率/时长）及主观可用性评分，验证了加权回归模型较传统均权法更能精准预测界面可用性（p<0.01），为无用户测试的GUI量化评估提供了实证方案。

　　

Highlight

相关研究

Naz等人[15]提出采用模糊多属性边界近似区域比较（MABAC）框架评估区块链交易系统的安全性。Tan与Chen[23]及Grabish[7]则开发了基于模糊积分的决策评估方法，为复杂系统评估提供了新范式。

基于模糊语言模式的GUI评估方法

本研究采用Grobelny等人[10]提出的模糊语言模式（I-IV），通过0-1评分体系量化GUI可用性。结果显示，界面密度（Display Density）、信息分组（Grouping）等要素与经典可用性原则高度吻合，验证了该框架的理论合理性。

方法

通过16名21-23岁男性受试者的心理实验（附录Q1-Q10），确定了语言模式（I-IV）所需的隶属函数。实验采用严格的双盲设计，所有视觉刺激均在标准色度（CIE Lab）下呈现，确保数据可靠性。

参与者

11名21-23岁男性本科生（视力20/20以上）参与验证实验。经伦理审查批准后，所有受试者签署知情同意书。实验排除了骨科/神经系统疾病患者，PC使用经验5-10年。

正确率

单因素方差分析（ANOVA）显示，四种不同评分的GUI在任务正确率上无显著差异（p>0.05），表明评估分数不影响基础操作准确性。

任务完成时间

ANOVA揭示不同评分GUI存在极显著差异（F(1,30)=119.436, p<0.01）。如图3(a)所示，高评分界面的操作时间缩短23.7%，证实评估分数与操作效率呈强相关性。

讨论

眼动数据显示，高评分GUI的注视频率降低31.2%（p<0.01），注视时长缩短19.8%，印证了"评估分数越高-视觉搜索效率越优"的假设。主观评分与评估分数相关系数达0.82，凸显模糊语言模式对用户体验的预测力。

结论

通过调整语言模式权重（多元回归分析），新框架将可用性预测准确率提升28.4%。该成果为复杂界面（如医疗HIS系统）的快速评估提供了可扩展方法论。