Max–Min Kano框架：一种考虑环境的办公室设计特征评估方法

《Applied Ergonomics》：The Max–Min Kano framework: A context-sensitive method for evaluating office design features

　　摘要
产品与建筑相关特征在研究中的感知有时会有所不同，因为它们在不同的环境背景下被体验。本文提出的Max–Min Kano方法在两种对比鲜明的环境中评估了办公设计特征：一种是具有少数正面评价属性的极简环境，另一种是具有众多正面评价属性的极致环境。通过参与式访谈确定了与办公相关的属性，然后使用Kano问卷进行了评估（N = 32）。感知稳定性被定义为在两种环境背景下Kano分类的保持情况，而基于参与者的自助法评估了样本的稳定性。与视野相关的变量（如窗戶大小、生物亲和性视野、较少的立面障碍物以及与窗戶的接近程度）在两种环境下都保持稳定。这些变量具有吸引力，即使在没有严格预期时也能增加满意度。相比之下，隔板提供的隐私被视为一项必不可少的质量，而窗戶的存在和天花板高度与满意度之间呈现出一维关系。其他属性（如坐姿工作区的视野、密度、隔板高度、焦点、颜色和材质）对基线环境的敏感度较高。适应水平理论、压力恢复理论、注意力恢复理论以及前景-避难所理论有助于解释这些结果。总体而言，Max-Min Kano方法有助于识别在各种环境中都保持感知稳定性的特征，使其在现实世界的设计优先级排序中非常有用。研究表明，Kano分类是情境性的，而不是特征的固有属性。因此，在评估不同空间条件下的用户偏好时，应报告基线环境。

引言
众所周知，办公环境会影响员工的幸福感、注意力容量和表现（世界绿色建筑委员会，2017；Colenberg等人，2021；Kazlauskait?等人，2023；Latini等人，2024）。纵向研究表明，室内环境质量不佳可能是工作压力源，温度、照明和噪音带来的不适与办公人员的较差表现和降低的幸福感有关（Lamb和Kwok，2016）。一项为期14个月的开放式办公空间纵向研究发现，幸福感、沟通能力和感知表现取决于人体工程学设计质量、任务契合度以及隐私和分心的管理（Morrison和Smollan，2020）。最近的研究将这一证据扩展到了自我报告之外。虚拟办公环境中的绿化与较低的认知负荷、高效的视觉搜索和改善的任务表现有关（Latini等人，2024）。动态温度调节通过冷却的时间动态而非仅仅是温度设定值来影响感知到的认知负荷和表现（Reitmayer等人，2025）。这些研究表明，办公特征不仅影响舒适度和满意度，还影响情感体验、集中力和人们有效工作的条件（Rohles Jr和Wells，1976）。这突显了在评估办公特性时需要一种能够区分基本期望、表现驱动因素和愉悦因素的方法，Kano模型正好提供了这种区分。在产品开发到环境设计等多种情况下，优先排序和分类设计变量有助于设计师有效分配资源并改善结果（Haines-Gadd等人，2015）。虽然有很多方法可以实现这一目的，但例如层次分析法（AHP）按加权重要性对特征进行排序，但它假设因素之间存在线性关系（Saaty，1987）。尽管AHP对于结构化决策很有用，但其假设和缺乏情境细微差别使其不太适合用户感知动态且相互依赖的环境，如办公设计。质量功能展开（QFD）有助于将用户需求转化为设计规范，但它没有考虑情感因素，也没有根据特征的经验影响来优先排序，因此在主观舒适度重要的环境中效果较差（Akao，1994；Erder和Pureur，2003）。Kano模型（Kano等人，1984）通过根据用户在线性特征存在（功能形式）和缺失（功能失调形式）时的反应对其进行分类，提供了一种细致的方法，特征被分为五类需求类别和一类可疑反应类别（表1，图1）。研究人员已在参与式和建筑设计情境中展示了其应用（Ek和??k??，2015；Juan等人，2019）。单一的重要性或偏好评分无法区分一个缺失会导致显著不满的特征和一个即使存在也只是预期中的特征，因为后者即使不是必需的也能增加满意度。这在办公设计中非常有用，因为基本需求、与表现相关的质量和理想添加物都在竞争有限的空间和资源。因此，Kano方法比单一的线性重要性得分更适合用于检查办公特征的作用是否会随环境变化而变化。Kano提问本质上是主观的，因为参与者会报告当某个属性存在和缺失时的感受。这使得该方法能够区分预期需求和提升满意度的属性。但是，一个总的Kano类别可能会掩盖满意度和不满反应强度的差异。因此，Berger等人（1993）提出了“更好”和“更差”系数，用来估计当某个属性提供时满意度增加的程度以及当它缺失时不满增加的程度。在本研究中，这些系数与分类一起使用众数及其变体进行分析，因为一个特征在不同环境中可能保持相同的Kano类别，但其满意度-不满度特征可能会发生变化。已经提出了许多扩展方法来解决传统Kano方法的局限性（表2）。分析型Kano模型量化了属性表现与满意度之间的关系强度（Xu等人，2009），而模糊型变体允许将受访者的判断表示为隶属度而不是单一的离散类别（Lee和Huang，2009）。其他方法将Kano分类与重要性评分、质量功能展开、竞争比较、人口统计细分、在线评论数据或多标准优化相结合（Chen等人，2010；Matzler和Hinterhuber，1998；Kuo等人，2012），以及基于细分的方法来识别不同用户群体的不同需求结构（Atlason等人，2018）。这些发展提高了需求分类的精度、权重或可扩展性，但大多数方法仍然在单一的产品、服务或环境基线内估计属性的类别。因此，它们并未直接测试同一设计特征的分类在周围空间组成发生显著变化时是否仍然稳定。Max-Min Kano方法不是修改响应尺度或根据属性表现预测满意度，而是在两种刻意对比的复合环境中重复Kano评估。因此，其主要输出不仅是分配给特征的类别，还包括该类别在不同环境基线下的稳定性或变化。Max–Min Kano应被理解为一种可以与传统Kano分类结合使用的情境比较层，而不是替代现有的分析型或模糊型Kano方法（表2）。办公环境为Max–Min Kano框架提供了适当的测试平台，因为员工在这些环境中停留时间较长，其设计会影响舒适度、分心、幸福感和表现（Lamb和Kwok，2016；Morrison和Smollan，2020）。因此，在办公环境中，必须根据环境特征对工作效果和用户体验的影响来优先排序。传统设计方法往往产生视觉上吸引人或成本效益高的空间，但忽视了居住者体验的心理和感知维度（Fathi和O'Brien，2024；Hui，2022；Manahasa和?zsoy，2016；Schweiker等人，2020；Tao等人，2018；Zagumny，2013）。材料、颜色、空间布局、窗戶大小和接近程度、生物亲和性元素以及居住者密度等情境变量在塑造用户体验中起着关键作用（Atmaca等人，2023；Blankenberger等人，2019；Brennan等人，2002；Chinazzo等人，2021；Emamjomeh等人，2020；Frontczak等人，2012；Kim和de Dear，2013；Leder等人，2016；Monfared和Sharples，2011；Moore等人，2004；Yildirim等人，2007；Mangone等人，2014；Rasheed等人，2019；Ravindu等人，2015；Sakellaris等人，2016；Veitch等人，2007；Watchman等人，2017；Yin等人，2020）。因此，一个特征的重要性可能取决于已经存在的其他质量。因此，以下研究问题探讨哪些办公特征表现为稳健的设计需求，哪些是情境敏感的，以及提出的Max–Min Kano框架是否可以帮助识别和优先排序办公设计需求：
RQ1：哪些办公环境特征在极简和极致环境中保持相同的Kano类别，这些分类的稳定性如何？
RQ2：哪些办公环境特征在两种复合办公环境中显示Kano类别的情境敏感变化，这些变化在自助法重采样下的稳定性如何？
RQ3：与单一情境Kano分类相比，Max–Min Kano框架在早期办公需求优先排序中提供了哪些额外信息？
这些问题将办公设计视为一个情境性能问题，而不是孤立的偏好问题。与其假设办公特征具有独立于环境的固定价值，本研究探讨它们的感知重要性是否在环境特征变化时保持稳定或发生变化。这种视角在办公环境中尤为重要，因为窗戶、视野、密度、隔板、天花板高度、颜色和材质并不是独立作用的，而是共同影响舒适度、分心、隐私、注意力恢复和感知的工作效果。因此，这些研究问题将办公环境视为一个情境系统，并促使使用比较方法来区分稳健的设计需求和那些价值取决于更广泛环境组成的特征。

适应水平理论、压力恢复理论、注意力恢复理论和前景-避难所理论被用作解释性视角，并独立验证了该框架。通过解决这些研究问题，本文从三个方面促进了办公人体工程学、环境感知和设计决策。概念上，它将感知稳定性定义为在不同环境基线下Kano分类的稳定性，并将受支持的分类与方法敏感或不确定的发现区分开来。方法上，它引入了Max–Min Kano框架作为一种结构化的手段来评估办公（及其他）设计需求。实际上，它为在早期设计中优先排序办公特征提供了基础，通过区分稳定需求和可能以不同方式支持舒适度、集中力和感知工作效果的情境敏感属性。

Max-Min Kano框架
提出的Max-Min Kano框架在传统Kano分析中增加了情境比较阶段。在极致环境中，空间具有多种情境特征、最优的空间布局和旨在最大化舒适度和参与度的视觉刺激。在极简环境中，大多数内部元素被消除，强调简洁性、中立性和空间效率。例如，一个大的窗戶在极简空间中可能被归类为“吸引人的”，但在第一阶段：参与式办公属性访谈中可能变为“中立的”。

共同设计结合了设计师和最终用户的特征输入，已被证明可以提升满意度和可用性（Camargo等人，2021；Dubois等人，2024；L?hteenoja等人，2023；Sanders和Stappers，2014；Steen，2013）。在预算和可行性限制下，优先考虑这些特征并在Kano框架内对其进行分类是很重要的。在本研究中，“共同设计”指的是对情境变量的沉浸式参与式访谈。

实验中使用了极简和极致办公环境来表征情境特征。极简环境没有窗戶，墙壁采用石膏（非木质）材料，并且缺乏室内外生物亲和性（图3a）。极致环境具有许多正面评价的情境特征，包括60%的窗戶面积占比（WWR）、室内外的生物亲和性（由桌旁的四株或更多植物代表）、室外树木景观以及对木质材料的运用。

讨论
该研究使用众数、修改后的众数、“更好/更差”系数和基于参与者的自助法重采样，在极简和极致复合环境中评估了15个办公特征。研究结果反映了两种复合环境基线之间的差异，而不是个别背景特征之间相互作用的因果估计。目标特征分类的变化表明，在极简和极致组成之间的反应存在差异。但这并不确定具体是哪些特征导致了这种变化。

局限性
该研究存在一些局限性。在工具层面，调查涉及的15个变量需要在两种环境中进行评估，共需要60个Kano条目（功能/功能失调配对），这增加了受访者的时间成本，导致完成率仅为68%。此外，为了实现视觉控制，这些变量被建模为3D形式并以2D静态图像呈现，同时允许移动设备进行响应。屏幕大小和设备渲染可能影响了人们对颜色、材料和视野的判断。

结论
本研究使用Max–Min Kano方法比较了15个办公特征在极简和极致复合环境中的分类。Kano分类是情境性的，而不是属性的固有属性。环境质量被明确地界定在最小和最大条件之间，其结果通过修正的众数统计方法和黑白图像分析来进行解读。在所有参数中，当窗口大小、内部立面遮挡、天花板高度以及与CRediT作者贡献声明的接近程度等因素达到特定值时，修正的众数统计稳定性最强。
Ravindra S. Goonetilleke 的贡献包括：撰写与审稿编辑、监督工作、项目管理工作、方法论设计、资金筹集、正式数据分析以及概念构思；Hessa H. Aljarwan 的贡献包括：撰写原始稿件、数据可视化及调查处理；Emily Y.L. Au 的贡献包括：撰写与审稿编辑；Herbert F. Jelinek 的贡献包括：撰写与审稿编辑以及监督工作。

**数据可用性**
本研究中使用和分析的所有数据均可从相应作者处获取。作者声明不存在需要披露的竞争利益。

**关于生成式AI和AI辅助技术的说明**
在准备本研究的过程中，作者使用了CHATGPT来检查和提升文章的可读性。之后，作者根据需要对内容进行了审查和修改，并对文章中的所有内容承担全部责任。

**关于竞争利益的声明**
作者声明他们没有任何已知的竞争性财务利益或个人关系可能影响本文所述的研究结果。

**致谢**
作者感谢阿联酋阿布扎比哈利法大学医疗工程创新中心（HEIC）的支持。

作者名单：Ravindra S. Goonetilleke | Hessa H. Aljarwan | Emily Y.L. Au | Herbert F. Jelinek
所属机构：阿联酋哈利法大学管理科学与工程学院