编辑推荐：
当前公共导航界面存在引导不足、可用性低等问题。研究人员围绕智能医疗引导系统，构建双维分析框架，提出 BBWM-M-CRITIC-RP 混合模型。结果显示该模型量化关系性能优越，为界面设计提供新方法与标准，助力提升用户体验。
在数字化浪潮下，公共服务与信息技术深度融合，公共引导界面成为人们获取服务的重要窗口。然而，这些界面却存在着诸多令人头疼的问题。就好比在医院里，患者着急就医时，却常常被复杂难懂的导航指示弄得晕头转向，找不到挂号处、诊室的情况屡见不鲜；在交通枢纽，旅客面对眼花缭乱的信息，难以快速找到自己需要的乘车、换乘信息。这些现象背后，反映出公共引导界面存在导航线索不足、服务效率低下以及操作过于复杂等弊端，严重影响了用户体验，尤其是在医疗场景中，这些问题可能会延误患者的救治时间。
为了解决这些难题，陕西科技大学设计与艺术学院等机构的研究人员展开了深入研究。他们聚焦于智能医疗引导系统，旨在构建一种科学有效的评估方法，提升公共引导服务界面的设计水平。最终，研究成果发表在《Scientific Reports》上。
研究人员构建了一个包含布局美学（基于空间构成原则）和视觉认知（基于信息处理模式）的双维度分析框架，并提出了一种融合贝叶斯最佳最差方法（BBWM）和改进的带参考点的 CRITIC 方法（M-CRITIC-RP）的增强灰色 H-Convex 关联模型，以此来解决现有模型在权重确定方面的局限。
在研究过程中，研究人员运用了多种关键技术方法。通过情感意象分析和文献回顾，建立人机界面布局评估标准体系；利用眼动追踪技术获取用户视觉认知特征数据；采用 BBWM 确定主观权重、M-CRITIC-RP 确定客观权重，并借助博弈论模型实现两者动态平衡，进而构建改进的灰色 H-Convex 关联模型进行量化分析。
下面来看具体的研究结果：
- 相关性分析：通过对平均瞳孔直径、注视持续时间、注视次数、注视转移频率和注视时间百分比等眼动指标与布局美学指标进行相关性分析发现，不同眼动指标与布局美学各指标之间存在显著相关性。例如，平均瞳孔直径与界面元素布局的有序性（Orderliness）相关性最强，这表明界面元素布局的逻辑层次对用户认知负荷影响显著，有序的布局能降低认知负荷；注视持续时间也与有序性相关性较高，说明有序的布局更能吸引用户注意力，减少注视时间。
- 模型有效性和性能评估：将改进模型与原始灰色关联、新灰色绝对关联、原始灰色 H-Convex 模型和随机森林等模型进行对比。结果显示，改进模型在多个关键性能指标上表现优异，其平均绝对误差（MAE）、均方根误差（RMSE）更低，相关性更强。在准确性方面，基于 BBWM-M-CRITIC-RP 方法的灰色 H-Convex 关联模型总体平均准确率达到 88%，远超其他对比模型。不过，该模型计算过程较为复杂，计算时间较长。
在研究结论和讨论部分，此次研究意义重大。一方面，在视觉显示设计理论领域，该研究将数学建模与眼动生理实验相结合，揭示了界面布局与人类视觉认知之间的耦合关系，为视觉显示设计提供了科学的评估方法和参考依据。研究发现，对于公共引导服务界面，有序性对用户视觉认知影响最大，其次是平衡性；密度是影响注视次数的重要指标，而均匀性和简洁性对视觉认知的影响相对较小。另一方面，改进的灰色 H-Convex 关联模型有效量化了用户视觉认知与布局美学之间的映射关系，其准确性优于现有方法，为智能医疗系统中自适应界面设计奠定了理论基础，有助于提升界面的可用性和用户体验。
当然，该研究也存在一些局限性。比如权重获取方法较为复杂，增加了计算时间；研究未充分考虑界面风格、颜色等因素对认知效率的影响；仅关注了部分眼动指标，其他指标的影响还有待探索；此外，环境动态、文化象征等维度对界面设计的影响也未涉及。但这些不足也为后续研究指明了方向，相信未来的研究能进一步完善公共引导服务界面设计的评估方法，为用户带来更加便捷、高效的体验。
