基于RANCOM–LOPCOW–TOPSIS的智慧数字博物馆交互界面布局多准则评估方法

《Applied Sciences》：A Multi-Criteria Evaluation Method for Interactive Interface Layouts in Smart Digital Museums Based on RANCOM–LOPCOW–TOPSIS

　　

数字化和智能交互技术正在改变博物馆服务，使交互界面成为文化信息获取和用户体验的重要载体。现有研究通常分别考察美学、可用性、视觉认知或情感体验。为弥补这一不足，本研究提出了一种基于RANCOM–LOPCOW–TOPSIS的智慧数字博物馆交互界面布局多准则评估方法。评估系统包含九个指标，涵盖布局美学、视觉认知和情感体验三个维度：对称性、密度得分、有序性、总注视时长、平均瞳孔直径、眼跳次数、愉悦度、唤醒度和支配度。研究人员通过布局美学计算、32名参与者的眼动实验以及愉悦-唤醒-支配（PAD）量表对六种布局进行了评估。使用描述性统计总结眼动和PAD数据。分别采用RANCOM和LOPCOW计算主观权重和客观权重，并使用TOPSIS对布局进行排序。通过54种权重扰动情景检验排序稳健性，同时使用Spearman和Kendall系数以及四种替代多准则决策（MCDM）方法评估排序一致性。L1以0.876的相对贴近度排名第一，其次是L5和L6，L4以0.120排名最后。在54种情景中，有51种保留了基准排序，一致性率为94.44%。Spearman系数范围为0.943至1.000，Kendall系数范围为0.867至1.000。这些结果表明，在测试情景下排序相对稳健，且在当前数据集内具有高度一致性。具有平衡空间关系、连续功能模块和清晰视觉路径的布局在视觉认知和情感体验方面表现出更有利的描述性模式。该方法为比较智慧数字博物馆界面布局提供了一种可量化、可解释的途径，但其更广泛的适用性仍有待检验。

**论文解读**

**研究背景与问题**
随着数字化和智能交互技术的快速发展，博物馆服务正从以实物为中心向智慧数字体验模式转变。智慧数字博物馆通过网页、移动设备和沉浸式平台使用户能够访问文化资源，而交互界面作为连接用户与数字文化资源的主要入口，其设计质量直接影响信息检索效率、内容理解程度和整体用户体验。现有研究通常分别考察界面美学、可用性、视觉认知或情感体验，缺乏将三者整合的综合评估框架。单一维度评估无法全面反映界面布局质量：仅基于美学可能忽略用户信息处理过程，仅基于眼动指标可能无法捕捉情感体验，仅基于主观判断易受个体偏好影响。因此，需要一种多准则系统评估方法，将布局特征、视觉认知和情感体验纳入统一框架。

**研究内容与结论**
本研究针对智慧数字博物馆交互界面布局，提出了一种基于RANCOM–LOPCOW–TOPSIS的多准则评估方法。该方法构建了包含九个指标的三维评估体系（布局美学：对称性、密度得分、有序性；视觉认知：总注视时长、平均瞳孔直径、眼跳次数；情感体验：愉悦度、唤醒度、支配度），并对六种代表性布局进行实验评估。通过布局美学计算、32名参与者的眼动实验以及愉悦-唤醒-支配（PAD）量表收集数据，结合RANCOM主观权重与LOPCOW客观权重，采用TOPSIS进行排序。结果表明，L1以相对贴近度0.876排名第一，L5和L6紧随其后，L4以0.120排名末位。基准排序在54种权重扰动情景中保留51次，一致性率为94.44%，Spearman系数介于0.943~1.000，Kendall系数介于0.867~1.000，表明排序稳健且与四种替代多准则决策（MCDM）方法高度一致。具有平衡空间关系、连续功能模块和清晰视觉路径的布局在视觉认知和情感体验方面表现出更优的描述性模式。该方法为智慧数字博物馆界面布局比较提供了可量化、可解释的途径，但更广泛的适用性仍需检验。论文发表在《Applied Sciences》。

**主要关键技术方法**
（1）**RANCOM（Ranking Comparison）**：基于专家排序的主观权重方法，由五位教授（涵盖界面设计、数字博物馆、工业设计、多准则决策等领域）对指标重要性进行共识排序，转化为比较矩阵并计算归一化权重。（2）**LOPCOW（Logarithmic Percentage Change-driven Objective Weighting）**：基于对数百分比变化的客观权重方法，通过极差归一化、均方根与标准差比值计算各指标的信息量，确定权重，降低量纲和极端值影响。（3）**TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）**：通过加权决策矩阵计算各布局与正理想解和负理想解的欧氏距离，得到相对贴近度，生成排序。样本来源：从中国国家博物馆及省市级数字博物馆平台收集276个界面案例，经筛选保留62个，通过KJ法分类为六种代表性布局。

**研究结果**

**5.1 布局美学评估结果**
通过计算对称性（C1）、密度得分（C2）和有序性（C3），L6对称性最高（0.93），L1次之（0.91）；L5密度得分最高（0.87），L1和L3并列（0.82）；L5有序性最高（0.91），L1次之（0.86）。L4在对称性和有序性上得分最低（0.44、0.53）。总体而言，具有稳定空间分布、连续功能模块和清晰主次关系的布局美学得分更高。

**5.2 视觉认知实验**
基于32名参与者的眼动实验，L6总注视时长（C4）最低（1.36 s），平均瞳孔直径（C5）最小（3.33 mm）；L1眼跳次数（C6）最低（11.70），L5次之（12.30）。L4三项指标均最高（C4=1.94 s，C5=4.39 mm，C6=21.55）。描述性结果显示，空间组织清晰、功能模块连续、视觉路径明确的布局总注视时长和眼跳次数较低，而元素分布不均或目标引导较弱的布局眼动指标偏高。

**5.3 情感体验评估**
通过PAD量表，L1愉悦度（C7）和支配度（C9）最高（8.20、8.34），L5和L6次之；L4最低（4.05、3.15）。唤醒度（C8）方面，L4最高（8.18），L1、L5、L6接近中等水平（5.10~5.35）。描述性结果表明，结构清晰、视觉顺序稳定的布局伴随较高愉悦度和支配度，而视觉焦点模糊、布局不均衡的布局唤醒度较高且情感评分较低。

**5.4 综合评价结果**
**5.4.1 指标权重结果**：RANCOM主观权重中，有序性（C3，0.185）、支配度（C9，0.165）、愉悦度（C7，0.145）和对称性（C1，0.125）权重较高；LOPCOW客观权重中，愉悦度（C7，0.122）、对称性（C1，0.119）、支配度（C9，0.118）和眼跳次数（C6，0.117）权重较高。组合权重下，有序性（C3，0.148）、支配度（C9，0.142）和愉悦度（C7，0.134）权重最高。
**5.4.2 TOPSIS综合评价**：以相对贴近度排序，L1（0.876）第一，L5（0.551）第二，L6（0.482）第三，L4（0.120）最末。排序与各指标描述性模式一致：空间平衡、视觉路径清晰、感知控制高的布局综合得分更高。

**5.5 稳健性与方法比较分析**
**5.5.1 权重敏感性与排序稳健性**：对每个指标权重进行6种比例（15%~90%）的扰动，共54种情景，51种保留基准排序（L1>L5>L6>L2>L3>L4），一致性率94.44%。仅在有序性（C3）权重降低90%时L5与L6互换，总注视时长（C4）权重降低75%或90%时L2与L6互换。Spearman系数0.943~1.000，Kendall系数0.867~1.000，平均绝对排序偏差0~0.333，表明排序稳健。
**5.5.2 方法比较**：四种替代MCDM方法（AHP–CRITIC–TOPSIS、BWM–EWM–TOPSIS、BWM–LOPCOW–TOPSIS、RANCOM–CRITIC–TOPSIS）与本研究方法比较，结果高度一致（L1第一，L4最后），仅相邻布局偶有交换，Spearman系数最高达1.000。

**讨论与结论**
讨论部分指出，排序结果反映了多维度整合而非单一指标优劣。L1因在布局美学、视觉认知和情感体验三个维度上均保持均衡值而排名最高，说明界面布局评估应注重空间结构、信息引导与用户感知的协调。L5和L6优势各异，但低眼动指标并不单独决定整体排名，空间分布和功能组织同样重要。唤醒度作为中等指标处理，过高唤醒度可能伴随视觉压力和不确定性，而非积极投入。设计启示包括：优先考虑平衡空间组织和连续视觉路径，避免功能模块过度分散或局部聚集；界面设计应兼顾形式对称、用户感知控制与情感体验。研究局限性包括：仅六种代表性布局、样本量较小（32名年轻参与者）、实验刺激为简化线框、情感体验仅用PAD量表、排序依赖特定数据处理和MCDM程序。未来需扩大样本和布局类型，采用真实界面，进行推断性统计分析。

**结论翻译**：本研究开发了一种基于RANCOM–LOPCOW–TOPSIS的智慧数字博物馆交互界面布局评估方法。根据所选多准则决策（MCDM）程序，六种布局排序为L1 > L5 > L6 > L2 > L3 > L4。L1相对贴近度最高（0.876），L4最低（0.120）。基准排序在54种权重扰动情景中保留51次，表明在测试条件下排序相对稳健。然而，这些结果代表所选评估程序产生的排序，并非布局间统计显著差异的证据。在描述性层面，排名较高的布局通常具有更平衡的空间关系、更清晰的视觉路径、更低的视觉搜索指标以及更高的愉悦度和支配度。这些模式不应被解释为因果关系。从设计角度，该框架可支持替代界面布局的比较，并帮助识别与空间平衡、模块连续性、视觉引导和感知控制相关的潜在问题。未来研究应在更大、更多样化的参与者样本、更多布局类型、真实数字博物馆界面和独立数据集上测试该框架，并进行推断性统计分析以检验布局间差异，提高方法的普适性和适用性。