眼动结合用户集群的苗族文化感性工学模型构建研究.pdf

Design 设计设计,2023,8(2),710-724 Published Online June 2023 in Hans.https:/www.hanspub.org/journal/design https:/doi.org/10.12677/design.2023.82091 文章引用文章引用:常开心,林丽,周铃.眼动结合用户集群的苗族文化感性工学模型构建研究J.设计,2023,8(2):710-724.DOI:10.12677/design.2023.82091 眼动结合用户集群的苗族文化感性工学模型眼动结合用户集群的苗族文化感性工学模型 构建研究构建研究 常开心常开心1，林林 丽丽1*，周周 铃铃2 1贵州大学机械工程学院，贵州 贵阳 2贵州大学工程训练中心，贵州 贵阳 收稿日期：2023年5月5日；录用日期：2023年6月22日；发布日期：2023年6月29日 摘摘 要要 为解决传统用户感性需求映射存在模糊性和不确定性的问题，对此提出了一种眼动结合用户集群的苗族为解决传统用户感性需求映射存在模糊性和不确定性的问题，对此提出了一种眼动结合用户集群的苗族文化感性工文化感性工学模型构建方法。首先，获取苗族纹样和文化意象，运用造型分析法解构纹样形态，基于学模型构建方法。首先，获取苗族纹样和文化意象，运用造型分析法解构纹样形态，基于K-modes建立用户集群；其次，开展面向集群用户意象建立用户集群；其次，开展面向集群用户意象纹样认知眼动实验；再者，基于纹样认知眼动实验；再者，基于KNN算法识别算法识别被试所属集群，基于集群眼动数据遴选苗族文化符码样本关键造型类目；最后，引入被试所属集群，基于集群眼动数据遴选苗族文化符码样本关键造型类目；最后，引入PLS多元回归分析，多元回归分析，获得集群意象和苗族文化符码的相关性回归系数，实现集群用户文化意象获得集群意象和苗族文化符码的相关性回归系数，实现集群用户文化意象符码映射模型构建。基于此符码映射模型构建。基于此模型能够快速获取用户偏好的苗族符码造型，有效地促进苗族文创产品的创新设计与开发。模型能够快速获取用户偏好的苗族符码造型，有效地促进苗族文创产品的创新设计与开发。关键词关键词 用户集群，感性工学，苗族文化，眼动技术用户集群，感性工学，苗族文化，眼动技术 Study on Eye-Movement Combined with User Clusters for Miao Cultural Kansei Engineering Model Construction Kaixin Chang1,Li Lin1*,Ling Zhou2 1School of Mechanical Engineering,Guizhou University,Guiyang Guizhou 2Engineering Training Center,Guizhou University,Guiyang Guizhou Received:May 5th,2023;accepted:Jun.22nd,2023;published:Jun.29th,2023 *通讯作者。常开心 等 DOI:10.12677/design.2023.82091 711 设计 Abstract In order to solve the problem of ambiguity and uncertainty of traditional user perceptual demand mapping,an eye-movement combined with user clusters is proposed to build a Kansei engineering model of Miao culture.First,we obtain Miao motifs and cultural imagery,deconstruct the motif morphology using modeling analysis,and establish user clusters based on K-modes;second,we conduct eye-movement experiments on image-motion perception for cluster users;further,we identify the clusters to which the subjects belong based on KNN algorithm,and select the key mod-eling categories of Miao cultural symbols samples based on cluster eye-movement data;finally,PLS multiple regression analysis was applied to obtain the cluster image and the correlation re-gression coefficients of Miao cultural codes to realize the construction of the cluster user cultural image-code mapping model.Based on this model,we can quickly obtain the users preferred Miao symbolic shapes and effectively promote the innovative design and development of Miao cultural and creative products.Keywords User Clusters,Kansei Engineering,Miao Culture,Eye-Tracking Technology Copyright 2023 by author(s)and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License(CC BY 4.0).http:/creativecommons.org/licenses/by/4.0/1.引言引言 随着民族旅游经济的兴起，苗族文化逐渐进入大众视野。肇始悠远的苗族文化孕育了枝脉繁蔚、造诣卓越的纹样体系。这些纹样凝聚着苗族人民的文化认知以及情感希冀，具有较高的艺术价值和研究价值。在苗族文化的设计研究中多以纹样形态为研究对象，对苗族蜡染纹样收集建库以便设计开发时便于图案组合1，或对纹样进行简化获取纹样因子2，重构设计新图案应用于日常生活用具3、家具设计4等。苗族文化内涵在产品中的表层体现使得市场上的文化产品粗制滥造、符号化、同质化等问题饱受诟病。新产品成功上市的关键在于迎合消费者的需求5。对于苗族文化产品，消费者更注重产品蕴含的文化内涵和情感诉求6。以用户需求出发的设计往往更能吸引消费者7。感性工学作为一门强而有力的以用户为导向的产品开发技术，能将用户的情感需求与产品设计要素进行匹配，与用户心理诉求耦合，提高用户对于产品的使用体验8。万露等9运用前向式感性工学、因子分析等方法分析苗族文化，建立叙事要素关联性评判指标。王美超10等人基于感性模糊因子评价结合聚类分析的方法以意象反推设计图案。通过满足用户的感性需求，感性工学将人类主观体验和情感反应纳入设计考虑中，能够增加产品的文化价值与吸引力。在传统的感性意象映射过程中，用户的感性意象认知映射通过问卷调查、访谈等手段获取，此类方法简单高效，但往往会忽略用户的真实需求，造成用户数据精度低、有效性差的问题。为避免用户在认知感性意象时产生的模糊性，需要运用更客观的科学方法和数理模型进行研究。眼动追踪测量技术作为可靠的生理测量技术，基于用户眼动数据分析可以建立产品美学评估相关性机制11、用户偏好产品配色决策12等，也可用于评估产品设计的可用性和效率13。故此，本研究应用眼动实验获取用户的视觉认知数据和主观意象评价数据，提高研究过程中用户信息的客观性。Open AccessOpen Access常开心 等 DOI:10.12677/design.2023.82091 712 设计 此外，随着知识与经济的迅猛发展，消费者感性需求呈现差异化，他们更青睐于个性化表达的苗族文化产品。然而，企业在用户需求的定位上存在模糊性和不确定性，限制了产品设计的多样化14。因此，更精准的用户定位成为产品设计开发重要环节。为更好地定位用户细分需求，用户集群理论应运而生。用户集群指由具有相同或相似属性的用户集合而成15。苏建宁等14针对用户需求差异，构建基于用户集群的产品设计策略，将集群属性加入细分用户需求考虑范畴；Lin 等16对汽车论坛用户根据创新特征和用户特征进行划分集群，提出指向性的共创模式。融合用户集群理论针对苗族文化产品进行意象设计定位，能够更精准地满足消费者需求。综上所述，本研究在眼动技术、用户集群和感性工学理论的支持下，在集群用户意象认知的眼动实验分析基础上，以苗族符码设计要素作为自变量，集群被试意象评价数据为因变量，运用偏最小二乘法多元回归分析，实现苗族文化感性工学模型的构建，协助设计专家进行设计创作工作，提高用户的苗族文化需求与设计要素的感性匹配度，为苗族文创产品设计提供方案上的定位与指导。2.集群用户意象集群用户意象符码的眼动认知实验设计符码的眼动认知实验设计 2.1.筛选和建立样本集和意象集筛选和建立样本集和意象集 蜡染是苗族纹样体系重要一环，其中，丹寨蜡染作为贵州蜡染发展过程中极具代表性的一个支系，故此，将丹寨蜡染作为主要研究对象。收集大量蜡染纹样样本，成立专家小组，建立样本相似性矩阵，基于 SPSS 聚类收敛样本，实现样本集的构建。在此基础上，专家小组基于造型分析法解构纹样，归纳纹样的造型要素及类目。通过网络爬虫收集网络文化赛事文本，通过 TF-IDF 算法筛选感性意象，建立文化意象集。2.2.建立基础用户集群建立基础用户集群 用户类型可以通过人口属性和情感倾向等方面进行划分17。其中，以性别、年龄等用户基础信息描述人口属性；以用户对产品的精神诉求指代情感倾向。另外，林丽等18为进一步研究集群用户需求，加入性格特点、态度倾向等指标。参酌上述研究，本文整合影响用户认知偏好的用户属性，基于用户问卷调研和分析用户对苗族文化纹样的需求特征类目，实现用户特征元的获取，用户特征类目见表 1。Table 1.User characteristics category 表表 1.用户特征类目 特征类目 特征元 性别 男、女 年龄 18 岁以下、1828、2940、4159、60 以上 性格特点 内向、外向 生活偏好 简约、时尚、文艺 态度倾向 感性、理性 学历 低学历、中学历、高学历 预算 500 以下，5001000，10002500，2500 以上 地域 东部、中部、西部、北部 其次，将用户特征转换为编码以便后续聚类分析。将第 i 个目标用户ix的特征元编码为123,iiiinxxxx，形成用户特征矩阵运用 K-modes 聚类分析，得到若干个由 n 个用户构成的用户集123,gnkx xxx=。基础用户集群为眼动实验被试集群划分的测试基础。常开心 等 DOI:10.12677/design.2023.82091 713 设计 2.3.基于苗族符码集和文化意象集的眼动实验基于苗族符码集和文化意象集的眼动实验 1)实验被试与实验流程 计划招募 40 名以上被试，要求被试填写用户属性调查问卷，便于后续识别被试集群。基于文化意象和文化符码开展眼动实验，实验之前，被试需要完成用户信息问卷填写，应用于后续用户集群辨别。在实验过程中，被试将会根据所展示的纹样样本判断意象词的符合程度打分。实验分为预实验和正式实验，两者流程一致。流程如图 1(d)所示。2)实验环境与实验设备 实验场地位于光线柔和且静谧的封闭房间内，如图 1(a)所示。SMI 显示屏是实验样本和意象的呈现载体，并用于连接眼动，如图 1(b)所示；实验室配备 Dell 笔记本电脑一台，安装 iView 软件以采集眼动数据，如图 1(c)所示。Figure 1.Eye movement experiment(a)Eye movement experiment environment;(b)SMI eye movement instrument and display;(c)iView software recording interface;(d)Eye movement experiment core process 图图 1.眼动实验。(a)眼动实验环境；(b)SMI 眼动仪及显示屏；(c)iView 软件记录界面；(d)眼动实验核心流程 常开心 等 DOI:10.12677/design.2023.82091 714 设计 3.被试集群认知数据提取与处理被试集群认知数据提取与处理 3.1.基于基于 KNN 的被试集群辨别的被试集群辨别 K 近邻算法(K-Nearest Neighbor,KNN)可以通过比较训练集和测试集的特征元数据之间的距离将未标记的观察值分类至最相似的标记示例的类。以基础用户集群作为训练集，实验被试的特征元信息则作为测试集，避免因为身份相近或者被试数量不足等原因造成无法细分实验被试的所属集群的情况。定义有 c 个被试组成的集合为123,cb b bb，其中第 r 个被试的特征元编码为123,nnnrmbbbb。基于 4.2.3 中所获用户集群数据作为训练集，将被试数据进行测试，集群 K 中用户ix与被试rb特征向量间距为：()()21,knririfcdb zb z=(1)将欧氏距离识别标准设为()kndx()(),knrikndb zdx (2)如 f 个用户中的大多数用户满足上式，则将其归为一类，否则为其他类。3.2.基于眼动数据的符码关键造型设计类目遴选基于眼动数据的符码关键造型设计类目遴选 眼动实验结束后，导出被试的视觉认知数据。Guo 等19通过实验指出与产品意象决策相关的眼动指标包括：用户对样本的感兴趣的区域、注视次数、注视时间等；苏建宁等20通过被试者的首次注视时间、回视时间、回视次数等眼动数据，建立了设计要素评价模型。参酌上述研究，依据苗族符码设计要素及类目，基于眼动数据和多因素多元方差分析的设计要素遴选方法21对符码造型类目进行分析，确认苗族文化符码的关键造型类目。3.3.集群被试意象评价数据提取集群被试意象评价数据提取 被试的意象评价数据可以通过计算被试的主观意象选择率反映苗族符码样本所对应不同意象的等级。将符合结果定义为 1，不符合结果定义为 0。定义符苗族码样本集为123,mw w ww，m 表示样本个数，第 j 个样本表示为jw第 r 个被试对所有样本的意象评选为 p，在所有被试 c 中，共有 R 个被试对样本 j在意象 t 下选择了符合，则样本 j 的主观选择率为：()()()110,10,10,1mbbbpppp=(3)11Rjrppc=(4)4.基于偏最小二乘法的集群意象基于偏最小二乘法的集群意象苗族符码映射模型构建苗族符码映射模型构建 偏最小二乘法(Partial Least Squares Regression，简称 PLS)属于线性回归分析方法，旨在通过同时对自变量和因变量进行降维处理，建立一个最佳的线性模型，用于预测因变量的取值。PLS 将多个自变量通过线性组合转化为少数几个新的综合变量，这些新的综合变量可以反映原始自变量的主要信息，然后再将这些综合变量作为自变量与因变量进行回归分析。传统的多元线性回归方法要求用户数据高度独立，对于同一集群内用户相近的意象数据并不适用。PLS 可以有效地解决多重共线性和高维问题，并且可以提高预测的准确性。根据用户集群，基于偏最小二乘法原理构建集群意象符码映射模型，以纹样设计要素作为自变量X0，被试数据综合值为因变量 Y0，进行 PLS 多元回归分析，获得集群用户的文化意象和苗族文化符码的常开心 等 DOI:10.12677/design.2023.82091 715 设计 相关性回归系数。具体的表达式为：01012020krrYXXX=+(5)其中，0kY是纹样样本在文化意象词 k 的评价数据，r是自变量设计要素 X0对意象评价数据的影响权重。基于相关性回归系数构建集群意象苗族符码映射模型。5.实例研究实例研究 5.1.集群用户意象集群用户意象符码的眼动认知实验实施符码的眼动认知实验实施 5.1.1.建立样本集以及意象集建立样本集以及意象集 1)筛选并建立样本集 以丹寨地区苗族蜡染作为研究对象，通过实地调查、查阅文献、网络平台收集和筛选了市面上的丹寨蜡染纹样，收集蜡染纹样共 378 张。其中包括鸟纹、鱼纹、植物纹、蝴蝶纹、抽象几何纹、铜鼓纹、神话动物纹等纹样。随后成立专家小组对样本的综合相似度进行评分，获得相似性矩阵，基于数理统计软件聚类分析矩阵。根据聚类样本距离的远近程度，选取 26 个纹样样本，见图 2 所示。Figure 2.Miao pattern sample collection 图图 2.苗族纹样样本集 对样本进行图片处理，统一图片尺寸和黑白色调。专家小组对样本集所含的纹样基于形态分析法进行解构分析，得到每类纹样的设计要素及其类目，如表 2 所示。Table 2.Miao runic code design elements and classes 表表 2.苗族符码设计要素及类目 设计要素 类目 禽类纹样 Q 禽首 QS 无冠 QS1、曲线冠 QS2、扇形冠 QS3、蝴蝶冠 QS4、花冠 QS5 禽腹 QF 单一纹样填充 QF1、多种纹样填充 QF2 禽翼 QY 展开 QY1、收拢 QY2 禽尾 QW 长单尾 QW1、长多尾 QW2、短单尾 QW3、短多尾 QW4 鱼类纹样 Y 鱼须 YX 无须 YX1、曲线 YX2 鱼姿态 YZ 直立 YZ1、弯曲 YZ2 鱼腹 YF 单一纹样填充 YF1、多种纹样填充 YF2 鱼鳍 YQ 排线 YQ1、线面结合 YQ2、色块 YQ3 鱼尾 YW 扇形 YW1、分叉 YW2 常开心 等 DOI:10.12677/design.2023.82091 716 设计 Continued 蝴蝶纹样 H 触须 HX 单对 HX1、多对 HX2 翅膀 HC 单 HC1、双 HC2 植物纹样 Z 花瓣 ZB 单层花瓣 ZB1、多层花瓣 ZB2 花束 ZS 单支 ZS1、多支 ZS2 人纹 R 首 RS 正脸 RS1、侧脸 RS2 姿态 RZ 直立 RZ1、坐 RZ2、干活 RZ3 铜鼓纹 T 太阳纹 TT 窝妥纹 TT1、马蹄纹 TT2、鱼纹 TT3 纹样层数 TC 5 层以下 TC1，510 层 TC2，10 层以上 TC3 光芒纹 TM 尖刺 TM1、花瓣 TM2、圆点 TM3、曲线 TM4 奇异动物 QY 首 QYT 人首 QYT1、动物首 QYT2、龙首 QYT3、虫首 QYT4 躯体 QYQ 弯曲 QYQ1、螺旋 QYQ2 抽象 C 线型 X 纹样构成 CG 几何 CG1、螺旋 CG2、组合 CG3 线型疏密 X 稀疏 X1、密集 X2 2)筛选并建立意象集 基于 Python 3，以“文创比赛”作为搜索关键词，精准采集近 5 年各大文创比赛主流网站的数据信息，共搜集 132 篇相关新闻、通告及文章(约 30 万余字)。最终将采集的文化赛事文本以 csv 格式保存。运用 TF-IDF 算法将清洗完毕的赛事文本文档转换为 TF-IDF 矩阵，选取形容词词性的关键词作为感性意象词，对排名前 15 的意象词进行问卷调查，发放问卷 30 份，回收问卷 26 份，筛选出符合用户需求的意象，见表 3。Table 3.Sample Cultural Imagery 表表 3.文化意象样本 文化意象词刺激 精致感 亲切感 舒适感 仪式感 5.1.2.用户集群建立用户集群建立 根据特征类目设计并发放用户属性问卷，从而获得用户特征属性信息，实现构建苗族文化产品用户集群构建。共发放问卷 57 份，其中回收有效问卷 54 份。因为用户特征类目为定性变量，将在同一层级下比较所有类目。需要在 SPSS 中对用户数据进一步标准化处理，结果见表 4。Table 4.Base user feature meta-coding 表表 4.基础用户特征元编码 用户 编号 基础用户特征元编码 1 2 3 4 5 6 7 8 1 0.95466 2.22740 0.85334 1.02810 1.02517 0.69439 0.44305 0.49523 2 1.02810 0.33174 1.15016 0.95466 0.65238 0.74781 1.15194 0.66749 3 0.95466 2.22740 0.85334 1.02810 1.02517 0.69439 0.44305 0.66749 常开心 等 DOI:10.12677/design.2023.82091 717 设计 Continued 4 0.95466 0.33174 1.15016 1.02810 0.65238 0.69439 2.74693 1.83020 5 0.95466 0.33174 0.85334 0.95466 1.02517 0.69439 0.44305 0.49523 52 1.02810 0.33174 0.85334 0.95466 1.02517 0.74781 0.44305 0.49523 53 0.95466 0.33174 1.15016 0.95466 0.65238 0.74781 0.44305 0.49523 54 1.02810 2.22740 1.15016 1.02810 1.02517 0.74781 0.44305 0.49523 将用户数据输入至软件 MatLab，通过 K-modes 算法分类用户集群，归类类似用户。上述用户被分为4 个集群，对用户进行特征分析，归纳属性标签，见表 5。Table 5.Basic user cluster classification and labeling 表表 5.基础用户集群分类及标签 集群 集群人数 用户标签 用户编号 k1 17 青春时尚 1、5、6、9、10、11、13、14、18、19、21、27、31、36、38、39、51 k2 10 成熟理性 12、16、17、25、28、37、40、44、49、53 k3 14 感性文艺 3、7、23、26、32、34、35、41、43、47、48、50、52、54 k4 13 沉稳现代 2、4、8、15、20、22、24、29、30、33、42、45、46 5.1.3.眼动认知实验实施眼动认知实验实施 1)实验被试 45 名右利手被试被招募，(男 24 名，女 21 名，年龄 1835 岁，平均年龄 24.71 岁，SD=3.15 岁)。被试来自不同群体，包括大学生、研究生、教职工和教师。所有参与者视力正常或矫正至正常。所有被试在实验前签署知情同意书并填写用户属性问卷，并在试验结束后获得参与费用和小礼品。2)实验流程 实验内容通过 E-Prime 2 程序软件呈现在屏幕上，实验开始时屏幕中央呈现“+”注视点 1000 ms，随后出现苗族文化符码样本，3000 ms 后出现文化意象词汇，被试通过数字按键为意象词汇和纹样样本的匹配度进行打分，此为一个循环流程。循环至所有纹样样本和词汇判断完毕，实验结束。5.2.被试集群认知数据提取与处理被试集群认知数据提取与处理 5.2.1.基于基于 KNN 的被试集群识别的被试集群识别 将基础用户特征元编码作为训练区。实验前，对被试基于问卷进行用户属性调查，提取被试特征元，标准化处理后编码作为测试区，见表 6。因实验存在被试数量较少，被试信息类目差异较小等不足，为避免和降低上述问题造成的影响，应用 KNN 算法识别被试集群。运用公式(1)至(2)识别集群训练区，划分被试集群，结果见表 7。5.2.2.基于被试集群视觉认知数据基于被试集群视觉认知数据遴选符码设计要素遴选符码设计要素 在眼动生理测量实验中，集群被试的数据记录、分析及导出工作由 SMI 眼动仪配套软件 iView 和BeGaze 软件完成。但 BeGaze 中仅能对眼动数据进行初步分析，需要将各指标数据导入 SPSS 软件中进一步分析，以筛选与意象认知相关的苗族符码造型设计类目。部分眼动指标图如图 3 所示。常开心 等 DOI:10.12677/design.2023.82091 718 设计 Table 6.Meta-coding of experimental subjects characteristics 表表 6.实验被试特征元编码 被试编号 实验被试特征元编码 1 2 3 4 5 6 7 8 55 1.03458 0.2511 1.13397 0.94461 0.68545 0.59013 0.40668 0.37176 56 1.03458 0.2511 1.13397 1.03458 0.68545 0.59013 0.40668 0.37176 57 1.03458 0.2511 0.86182 1.03458 0.68545 0.59013 0.40668 0.37176 58 1.03458 0.2511 1.13397 0.94461 0.82254 0.59013 0.40668 0.37176 59 1.03458 0.2511 1.13397 0.94461 0.82254 2.46465 0.40668 0.88651 60 1.03458 0.2511 1.13397 0.94461 0.68545 0.59013 0.40668 0.37176 61 1.03458 0.2511 0.86182 0.94461 0.68545 0.59013 0.40668 0.88651 96 0.94461 2.51097 1.13397 1.03458 0.82254 2.46465 1.22003 1.63004 97 1.03458 0.2511 0.86182 0.94461 0.82254 0.59013 0.40668 0.37176 98 0.94461 0.2511 1.13397 0.94461 0.82254 0.59013 0.40668 0.37176 Table 7.Clusters to which the experimental subjects belonged 表表 7.实验被试所属集群 集群 集群人数 用户编号 k1 28 55、56、57、58、59、60、61、64、66、67、68、70、71、73、74、76、77、78、82、84、85、87、88、90、93、94、97、98 k2 4 62、86、91、96 k3 5 65、72、81、89、95 k4 8 63、69、75、79、80、83、92 Figure 3.Partial eye movement index chart 图图 3.部分眼动指标图 以 k1集群的被试数据为例，将集群内被试的眼动认知指标数据通过多因素多元方差分析对纹样造型类目进行分析，选择对眼动数据影响较大的造型类目作为关键纹样形态设计要素。抽象纹样与线型类目因在眼动实验中难以区分并考量，故不进行类目筛选。首先，检验眼动指标数据是否符合方差齐性，检验某一设计要素下不同类目的 7 项眼动指标(指标 1-进入时间；指标 2-首次注视持续时间；指标 3-注视持续时间；指标 4-总固定时间；指标 5-总固定计数；指标 6-平均固定次数；指标 7-平均注视时间。)的总体方差是否一致，结果见表 8。以禽类纹样禽首部件常开心 等 DOI:10.12677/design.2023.82091 719 设计 为例，指标 2 和指标 3 显著性水平 0.01，说明其符合方差齐性。Table 8.Results of chi-square test for design elements of the pattern 表表 8.纹样设计要素方差齐性检验结果 纹样种类 设计要素 指标 1 指标 2 指标 3 指标 4 指标 5 指标 6 指标 7 禽类纹样 Q 禽首 QS-0.606 0.011-0.000 0.000-禽腹 QF-0.000 0.003-0.000 0.000-禽翼 QY-0.014-0.279-0.000 禽尾 QW-0.002-0.0301 0.000 0.000-鱼类纹样 Y 鱼须 YX-0.008 0.000 0.000-鱼腹 YF 0.000 0.000-0.149 0.000 0.000-鱼鳍 YQ 0.001 0.000-0.328 0.000 0.000-鱼尾 YW-0.000 0.000 0.000 0.079 0.000-蝴蝶纹样 H 触须 HX-0.001 0.000 0.000-0.000 翅膀 HC-0.000 0.000 0.020 0.000-0.000 植物纹样 Z 花瓣 ZB-0.000 0.001 0.000 0.000 0.004 0.000 花束 ZS-0.000 0.024 0.000 0.035 0.000 0.000 人纹 R 首 RS 0.009 0.000 0.002 0.000 0.001 0.000-身体 RZ-0.000 0.036 0.000 0.000-铜鼓纹 T 太阳纹 TT 0.000 0.000 0.000 0.472 0.000-中间纹样 TC-0.000 0.026 0.000 0.003-0.000 光芒纹 TM-0.000 0.486 0.000 0.000-奇异动物 QY 首 QYT 0.000 0.000-0.000 0.000 0.002-躯体 QYQ-0.030-0.000 其次，以 7 项眼动指标作为因变量，以苗族符码的设计要素水平为固定因子进行方差分析。此过程进行次数由每类纹样下设计要素水平数决定。以禽类纹样为例，其设计要素水平有 5 项，则共需进行 5次统计分析，结果如表 9 所示。该环节控制单一因素，分析设计要素水平下眼动指标数据，忽略 Wilks 0.01 的设计要素。根据表 9，禽类纹样的禽首构件的眼动指标 1、眼动指标 3 的显著性 0.01，说明禽类纹样首部构件与这 2 个眼动数据无关，与其他指标相关。Table 9.Results of chi-square test for design elements of the pattern 表表 9.纹样设计要素方差齐性检验结果 纹样种类 设计要素 指标 1 指标 2 指标 3 指标 4 指标 5 指标 6 指标 7 禽类纹样 Q 禽首 QS 0.021 0.003 0.053 0.005 0.000 0.009 0.003 禽腹 QF 0.000 0.028 0.032 0.025 0.000 0.000 0.000 禽翼 QY 0.016 0.020 0.024 0.021 0.000 0.011 0.028 禽尾 QW 0.011 0.025 0.022 0.016 0.000 0.005 0.030 常开心 等 DOI:10.12677/design.2023.82091 720 设计 Continued 鱼类纹样 Y 鱼须 YX 0.028 0.000 0.000 0.000 0.000 0.000 0.029 鱼腹 YF 0.015 0.000 0.032 0.005 0.000 0.005 0.014 鱼鳍 YQ 0.008 0.009 0.006 0.000 0.000 0.008 0.000 鱼尾 YW 0.006 0.000 0.001 0.001 0.013 0.009 0.009 蝴蝶纹样 H 触须 HX 0.000 0.033 0.008 0.033 0.019 0.014 0.015 翅膀 HC 0.000 0.000 0.004 0.001 0.007 0.011 0.015 植物纹样 Z 花瓣 ZB 0.025 0.029 0.029 0.026 0.030 0.011 0.031 花束 ZS 0.004 0.000 0.006 0.002 0.000 0.000 0.000 人纹 R 首 RS 0.009 0.011 0.000 0.013 0.010 0.031 0.021 身体 RZ 0.016 0.005 0.000 0.008 0.019 0.001 0.007 铜鼓纹 T 太阳纹 TT 0.014 0.008 0.002 0.010 0.016 0.028 0.002 中间纹样 TC 0.004 0.000 0.006 0.012 0.006 0.023 0.003 光芒纹 TM 0.009 0.011 0.000 0.013 0.010 0.031 0.021 奇异动物 QY 首 QYT 0.016 0.125 0.000 0.028 0.019 0.021 0.017 躯体 QYQ 0.004 0.008 0.002 0.010 0.016 0.028 0.002 根据上述检验结果，最终对每类纹样造型设计要素进行筛选。禽类纹样为禽首、禽尾和禽翼；鱼类纹样为鱼腹、鱼鳍及鱼尾；蝴蝶纹样以翅膀；植物纹样以花束；人纹以身体；奇异动物为首及躯体；铜鼓纹为光芒、太阳纹及中间纹。5.2.3.苗族苗族纹样纹样被试集群意象评价数据提取被试集群意象评价数据提取 以 k1类集群为例，基于公式(3)至(4)计算被试对苗族纹样的意象评价数据，意象词的主观选择率如表10 所示。Table 10.Subjective selection rate of subjects imagery 表表 10.被试意象主观选择率 样本 精致感 亲近感 舒适感 仪式感 样本 精致感 亲近感 舒适感 仪式感 01 0.84 0.60 0.88 0.68 14 0.76 0.72 0.84 0.84 02 0.16 0.48 0.56 0.32 15 0.32 0.68 0.48 0.40 03 0.16 0.64 0.52 0.16 16 0.48 0.64 0.80 0.32 04 0.72 0.48 0.64 0.64 17 0.72 0.40 0.56 0.60 05 0.32 0.40 0.80 0.52 18 0.76 0.56 0.64 0.56 06 0.28 0.40 0.64 0.60 19 1.00 0.80 0.76 0.92 07 0.40 0.60 0.60 0.48 20 0.96 0.68 0.76 0.96 08 0.96 0.60 0.80 0.80 21 0.84 0.60 0.72 0.84 09 1.00 0.40 0.88 0.88 22 0.56 0.92 0.68 0.68 10 1.00 0.32 0.48 0.96 23 0.64 1.00 0.80 0.68 11 1.00 0.84 0.92 0.88 24 0.84 0.60 0.92 0.64 12 0.72 0.88 0.64 0.48 25 0.56 0.44 0.40 0.44 13 0.96 0.52 0.52 0.72 26 0.64 0.60 0.80 0.64 常开心 等 DOI:10.12677/design.2023.82091 721 设计 5.3.集群意象集群意象符码符码映射模型构建映射模型构建 苗族符码的设计要素属于定性变量，根据偏最小二乘法回归分析的要求，首先需要对定性变量进行赋值。将实验样本图片依据筛选的各类纹样造型设计要素整理实验样本所