视力正常者与视力障碍用户日常家庭使用亚马逊 Echo 的可及性、挑战与机遇

《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Accessibility, Challenges, and Opportunities in Daily In-Home Amazon Echo Use by Sighted and Visually Impaired Users

　　

摘要

智能音箱可能支持视障人士的独立生活，但关于其日常使用的证据仍然有限。本研究考察了 79 名参与者（41 名视力受损者，38 名视力正常者）在 7 天内自然居家使用 Amazon Echo 的用户体验。通过对访谈进行内容分析，得出了五个主题：无障碍性、有效性、趣味性、效率和隐私。视力受损参与者重视基于语音的自主性和情感互动，将 Alexa 描述为“电子朋友”，但遇到了语音识别错误。视力正常参与者质疑与生成式人工智能系统相比的信息准确性，并报告了设置困难，情感互动有限。视力受损参与者的隐私担忧更为明显。研究结果表明，智能音箱设计应平衡这五个维度，并对语音识别稳健性、入门设置和对话个性化产生影响。

引言

智能技术日益融入日常生活，包括对视力受损人士而言，语音交互可能减少无障碍障碍并支持独立生活。然而，关于该人群日常使用智能音箱的实证证据仍然有限。本研究考察了日常智能音箱交互中的用户体验，重点关注使用模式、无障碍挑战以及改进交互设计的机会。先前的工作报道了视力受损人士对智能技术的大量采用（Kim, 2023, 2024; Kim & Oumarou, 2020），将智能音箱定位为无障碍交互的相关模式。

方法

本研究涉及 79 名便利样本参与者（41 名视力受损者和 38 名视力正常者），分类标准为最佳矫正视力阈值为 20/70 或更低。在视力受损参与者中，7 人患中度视力障碍（20/70–20/200），14 人患重度视力障碍（20/200–20/400），20 人失明（<20>

结果

两名研究人员使用迭代内容分析独立编码访谈数据，通过讨论解决分歧直至达成共识。此过程得出了五个主题：无障碍性、有效性、趣味性、效率和隐私。无障碍性反映在视力受损参与者的体验中，他们重视基于语音的交互以实现自主性。视力正常参与者质疑所提供信息的准确性和完整性，期望性能与新兴技术（如 ChatGPT）相当；这种感知上的不足限制了他们获取所需信息。

有效性体现在视力受损参与者身上，他们重视多功能、一体化的系统以减少管理多个设备的需要，并报告 Alexa 易于使用，特别是听觉交互方面。然而，他们指出语音识别错误阻碍了任务完成。视力正常参与者重视敏感语音检测，这支持了在安静和对噪音敏感的环境中使用，但他们报告了智能音箱与智能手机之间的设置和同步困难。

趣味性、效率和隐私反映了组间差异。视力受损参与者报告了趣味性，表现为陪伴并将 Alexa 特征化为“电子朋友”，表明情感投入。他们还强调了效率，涉及快速响应和无视操作，减少了对视觉菜单的依赖，但表达了隐私担忧，质疑智能音箱是否监听和录制私人对话。相比之下，视力正常参与者没有报告类似的情感投入。他们表示系统在初步熟悉后变得可管理，尽管高级功能仍然困难，并且他们没有报告可比的隐私担忧。

结论

在视力正常用户和视力受损用户中，智能音箱交互在上述五个主题上显示出独特但部分重叠的局限性。无障碍性和有效性失效最具功能后果，直接阻碍任务完成，而趣味性、效率和隐私调节了体验但未阻止核心交互。这些失效对应相应的设计建议。两组都显示了无障碍相关的失效模式。视力受损用户由于依赖纯语音交互和反复出现的语音识别错误，可靠性降低，限制了自主任务完成。视力正常用户报告了关于信息完整性和可靠性的未满足期望，在某些情况下引用了生成式人工智能系统如 ChatGPT，尽管这些未在本研究中直接评估。

改进的语音识别稳健性和扩展的命令覆盖范围，包括开发更全面的命令库，可能减少纯语音交互中的故障并提高系统准确性。集成生成式人工智能系统可能减少感知到的信息不足，尽管这未在本研究中评估。先前的工作表明在无障碍环境中将 ChatGPT 与语音界面集成具有可行性（Kuzdeuov et al., 2024），尽管针对辅助智能音箱环境需要额外的验证。

识别出跨用户组的有效性相关失效模式，源于（i）视力受损参与者中的语音误识别和反复任务尝试以及（ii）视力正常参与者中的智能音箱与智能手机之间的入门设置复杂性和同步故障。语音检测灵敏度的变化表明在不同环境条件（包括噪音和空间配置）下性能不一致。视力受损参与者未报告可比的设置困难，尽管研究人员协助对此观察的影响程度尚不清楚。

受限自然语言设计（简短、标准化、低歧义命令）和明确确认可能减少误解并提高任务成功率。改进的入门设置，包括结构化教程和上下文敏感引导，可能减少早期可用性故障，这与先前关于可用性和可学习性挑战的工作一致（Doi & Nishikawa, 2024）。鉴于语音识别性能在真实声学条件下变化的证据，也应解决环境稳健性问题（Vacher et al., 2015）。

趣味性相关的差异反映了组间情感投入的分歧。视力受损参与者报告了强烈的情感依恋和陪伴，将 Alexa 描述为“电子朋友”，而视力正常参与者没有。这种差异可能反映了视力受损参与者对基于语音交互的更大依赖，增加了感知社会存在感，尽管此机制未直接测试。

可定制的对话人格可能允许用户调整系统语气和交互风格以增强情感投入。这些自适应控制可能支持以陪伴为导向的用户的社会存在感，同时为优先考虑任务效率的用户保留中性模式，这与先前关于盲人用户情感投入的证据一致（Abdolrahmani et al., 2018）。

效率相关的失效模式与对响应延迟的敏感性和学习曲线效应有关，特别是在视力正常参与者中。超出可接受阈值的延迟减少了流畅交互和感知响应性。因此，减少响应延迟和处理时间是必要的；先前的工作表明超过 3 秒的延迟会对用户体验产生负面影响（Mun et al., 2020）。额外的入门设置增强，包括交互式教程、上下文帮助系统和一致的界面行为，可能减少认知负荷并提高任务效率，因为证据表明用户性能随系统熟悉度提高（Doi & Nishikawa, 2024）。

隐私相关的失效模式揭示了参与者隐私感知的不对称性。视力受损参与者报告了对被动音频录制、窃听和数据处理的担忧加剧，而视力正常参与者没有。明确的物理和数字控制机制（例如硬件静音功能、清晰的系统状态指示器）可能减少不确定性，数据捕获和处理中的更大透明度可能改善信任校准，这与先前关于智能环境隐私悖论行为的研究一致（Brause & Blank, 2020）。

总体而言，这些研究结果表明，智能音箱设计应平衡无障碍性、有效性、趣味性、效率和隐私，以服务于多样化的用户群体。未来工作应评估这些建议的现实世界实施和性能。

利益冲突声明

作者声明，就本文章的研究、著述和/或出版而言，不存在潜在的利益冲突。

资金资助

作者披露了以下对本文章的研究、著作者和/或出版提供财务支持的资助：本材料部分基于美国国家科学基金会资助（项目编号 1831969 和 2315735）的工作。

ORCID 标识

Hyung Nam Kim https://orcid.org/0000-0003-1443-2122