AI文本生成图像中的用户体验：探索不同用户群体的可用性挑战、图像质量感知与提示词使用

《International Journal of Industrial Ergonomics》：User experience in AI text-to-image generation: Exploring usability challenges, image quality perceptions, and prompting across different user groups

　　

# AI图像工具对不同用户群体的可用性研究

• AI图像工具对于不同背景用户的可用性尚未被充分探索。
• 一项混合方法研究评估了40名背景各异的用户的体验。
• 用户画像可能影响可用性感知和提示行为。
• 常见的挑战涉及AI理解与执行以及AI生成瑕疵。
• 针对未来的文本生成图像工具提出了三个关键的设计启示。

## 引言

近年来，人工智能在创意领域展现了巨大潜力，这从其跨多种媒介生成逼真且具有想象力的内容的强大能力中可见一斑，包括文本（de Oliveira & dos Santos, 2025）、音乐（Wei et al., 2025）和视觉艺术（Liu et al., 2022）。在众多AI生成应用中，AI文生图平台——如Midjourney（Lu et al., 2024）、Stable Diffusion（Rombach et al., 2022）、OpenAI的DALL·E（Ramesh et al., 2022）、Google的Imagen（Saharia et al., 2022）以及Disco Diffusion（Alembics, 2023）——因其能够将用户提供的文本输入转化为视觉吸引力强的图像而备受瞩目。这些系统由自然语言处理（NLP）和计算机视觉（CV）等技术（Cetinic and She, 2022）驱动，基于文本提示在潜在空间中生成图像。这一能力开启了"创意可及性"的新时代，使非专业用户仅凭文本即可表达创意并生成图像。

AI文生图技术日益增长的创意表达可及性凸显了用户体验的关键作用。作为文生图人机交互的核心接口，提示词促进了创意的表达并直接影响图像生成。然而，先前的研究发现，用户往往难以仅用文本准确表达有效的提示，导致输出结果令人不满意或不符合预期（Epstein et al., 2022）。创建提示词具有挑战性，因为用户必须学习如何与模型沟通，通常依赖基于系统反馈的反复试验和提示优化过程（Brade et al., 2023）。这一差距引发了对提示工程——一套用于组织和优化提示以提升控制力、表现力和输出对齐度的策略——日益增长的关注（Reynolds and McDonell, 2021）。因此，提示工程已成为提升文生图系统中用户交互和拓展创意自主权的重要研究领域，越来越多的研究聚焦于提示构建和优化的自动化方法。例如，Gao等（2021）提出了LM-BFF，一种通过有效利用提示和演示来增强小语言模型性能的少样本微调方法。另一个类似工具是CLIP Interrogator（Jagtap et al., 2025），一个开源工具，通过生成可能对应图像的候选文本提示来对图像进行逆向工程。

虽然提示工程在一定程度上降低了技术准入门槛，但并未充分考虑用户的多样化需求（Federiakin et al., 2024）。用户在与文生图系统交互时仍面临各种挑战。因此，从人机交互（HCI）角度研究用户如何直觉地与AI文生图系统进行交互仍然具有重要意义。现有的关于AI文生图系统用户体验的研究主要聚焦于设计领域内的用户及其对AI生成艺术的认知。例如，在设计相关场景中，研究者探讨了具有设计背景的用户如何将AI工具融入创意工作流并将AI视为协作创作伙伴。Paananen等（2023）对建筑学设计学生的研究，利用AI文生图进行设计，揭示这些工具能够支持设计过程中意外的创意发现和想象性思考。同样，Kim等（2024）探索了与AI协作的时尚创意构思，发现其通过视觉扩展增强了图像思维并培育了原创性、流畅性和灵活性的创造力。此外，Chang和Kuo（2024）研究了设计师在使用文生图工具进行创意构思时的元认知过程，发现AI辅助的工作流鼓励用户参与监控和评估等元认知活动，暗示了AI对设计认知的潜在影响。

除了将AI整合到设计工作流外，其他研究还考察了用户对AI生成艺术的认知。具体来说，这些研究探讨人们如何评价AI生成图像的创造力、作者身份和美学价值。例如，Hong和Curran（2019）研究了用户对AI生成图像创造力和美学价值的评价，强调了意外感和新奇性在塑造用户判断中的作用。另一项研究发现，虽然人们在艺术价值方面对机器人和人类绘画的评价相似，但他们显著不太可能将机器人视为艺术家，这主要是由于人们不愿将艺术意图归于非人类代理（Mikalonyt? and Kneer, 2022）。Lyu等（2022）考察了艺术家与非艺术家在与文生图系统交互时的协作创作和认知差异，强调了在艺术创作语境下人机协作的复杂性。

总之，现有文献为技术层面的提示优化和专业设计师的工作流提供了有价值的洞见，但对更广泛的用户体验呈现出不完整的图景。由于主要聚焦于这些专业场景，当前研究未能捕捉不同学术背景和先前经验如何塑造生成过程。这一疏漏是关键的，因为这些个体差异可能显著影响用户在与AI文生图系统交互时的目标、交互方式和偏好。此外，尽管对创意AI的兴趣日益增长，仍缺乏专门的针对用户如何直觉地在真实场景中使用这些工具的研究。深入了解用户在现实世界中的体验和挑战，对于降低准入门槛并实现更自然、无缝和包容的生成式系统交互至关重要。

在本研究之前的一项初步探索性研究（Cai et al., 2025）基础上，本工作通过大规模的研究、独特的实验设计、新理论框架的引入、高级推论统计分析以及基于NLP的新型用户提示行为分析流程，对该初步探索进行了实质性扩展。重要的是，本研究明确考察了用户画像的调节效应，包括学术背景和先前经验，而这是早期研究未考虑的因素。

为弥补这些研究空白，本研究旨在探讨不同用户画像如何与AI文生图工具进行交互，构建基于实证数据的使用性挑战理解。我们的综合用户研究纳入了40名大学生，有意选择以代表广泛的设计和非设计学术背景，以及从新手到熟练的不同先前使用水平。这一广泛的参与者群体使我们不仅能够考察用户交互，更关键的是能够分析这些特定群体差异如何影响交互过程。在评估方面，选择了三个具有代表性的先进平台：DALL·E 3、Midjourney和Stable Diffusion。

为了从理论上框架化这些交互障碍，我们采用了Norman的执行鸿沟和评估鸿沟模型（Norman, 2013）。在生成式AI的语境中，当用户难以将抽象的创意意图转化为系统所需的具体文本提示时，会遇到执行鸿沟；反之，当用户无法解读系统为何生成特定结果或忽略了某些指令时，则面临评估鸿沟，这通常归因于AI的"黑箱"特性。为经验性地评估用户如何跨越这些鸿沟，我们依据ISO 9241-11标准操作化定义可用性，将有效性定义为感知图像质量，效率定义为提示行为，满意度则通过系统可用性量表（SUS）（Brooke, 2013）来衡量。

本研究的新颖性体现在三个关键方面：（1）方法论整合：我们将定量的提示日志分析与定性探究相结合，提供生成过程的全景视角；（2）实证范围：我们在三个主要平台范式之间进行对照比较，采用设计/非设计和新手/有经验的用户分组；（3）概念贡献：我们深化了对人机协作创作的理解，提供了关于不同用户群体如何与生成式代理协作的深入洞见。因此，本研究由以下三个研究问题引导。

- **RQ1：** 不同平台如何影响文生图生成中的可用性、感知图像质量和提示行为？
- **RQ2：** 学术背景（设计 vs. 非设计）和先前经验（有经验 vs. 新手）如何调节用户的交互策略和满意度水平？
- **RQ3：** 由"评估鸿沟"和系统不透明性产生的关键可用性挑战是什么，以及哪些设计干预措施能有效应对它们？

## 参与者

40名参与者（性别：21名男性，19名女性；年龄：23.6 ± 1.5岁）参与了本研究。他们全部为中国籍。这些参与者通过社交媒体招募和滚雪球抽样相结合的方式招募而来。他们代表了多样化的学术背景，包括工业设计、计算机科学、媒体研究、机械工程、法律等专业（每位参与者的详细档案见附录表A1）。为探索潜在……

## 结果

为完整性和透明度考虑，按用户组和平台汇总的所有因变量描述性统计（均值 ± 标准差）的汇总摘要见附录D（表D1）。此外，除另有说明外，结果部分中报告的方括号区间表示95%置信区间。

## 讨论

本文呈现了一项综合用户研究，探讨了当代AI文生图工具在不同用户群体中的可用性。研究招募了40名大学生，涵盖了不同的学科背景和不同水平的先前经验。评估选择了三个具有代表性的先进平台：DALL·E 3、Midjourney和Stable Diffusion。我们的研究全面考察了关键的可用性挑战、感知图像质量和……

## 结论

在本研究中，我们开展了一项综合的混合方法用户研究，以探讨当前AI文生图工具在不同用户群体中的可用性。评估纳入了40名具有不同设计/非设计背景和新手/有经验水平的大学生，使用三个代表性平台（DALL-E 3、Midjourney和Stable Diffusion）进行复制和创作任务。定量结果表明，DALL-E 3提供了最高的可用性，而……

## CRediT作者贡献声明

余青菜：撰写——初稿、方法论、形式分析。
周怡然：可视化、形式分析。
闫婧妮：可视化、形式分析。
于晓群：撰写——审阅与编辑、监督、资源、项目管理、概念构思。
Woojoo Kim：撰写——审阅与编辑、监督、资源、项目管理、概念构思。

## 利益冲突声明

作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

## 致谢

本研究由东南大学启动基金（RF1028623338）、韩国国家研究基金会（NRF，由韩国政府MSIT资助）（RS-2024-00343882, RS-2023-00242528）以及江原大学2024年度研究基金提供资助。

余青菜 | 周怡然 | 闫婧妮 | 于晓群 | Woojoo Kim