宋嘉文 吳群

關(guān)鍵詞：人機(jī)交互 知識(shí)圖譜 可視化 CiteSpace 前沿趨勢(shì)

引言

人機(jī)交互（“HCI”）是多個(gè)學(xué)科交叉的研究領(lǐng)域，包括計(jì)算機(jī)科學(xué)、設(shè)計(jì)學(xué)、行為學(xué)等其他學(xué)科。其由約瑟夫·利克萊德（J. C.Licklider）于1960年在“人機(jī)共生”（Man-Computer Symbiosis）文章[1]中首次提出，在工業(yè)設(shè)計(jì)領(lǐng)域被稱為“人因工程學(xué)（HumanFactor Engineering）”[2]。近年來，隨著自然人機(jī)交互（NUI）概念的提出，其相關(guān)文獻(xiàn)的出版速度迅猛增長，但對(duì)于人機(jī)交互發(fā)展的階段、學(xué)科研究方向、研究主題、趨勢(shì)等熱點(diǎn)問題總結(jié)得不夠全面。因此，文章在廣泛征引人機(jī)交互相關(guān)研究的基礎(chǔ)上，利用可視化分析軟件，對(duì)人機(jī)交互的前沿發(fā)展與熱點(diǎn)問題進(jìn)行研究與分析。

一、數(shù)據(jù)來源與研究方法

本文選用的數(shù)據(jù)來源于科學(xué)核心數(shù)據(jù)庫——Web of Science核心合集數(shù)據(jù)庫。以“Human–Computer Interaction”為關(guān)鍵詞進(jìn)行主題檢索，檢索年份為2015-2020年，檢索時(shí)間為2020年5月7日，共得到原始樣本數(shù)據(jù)文獻(xiàn)4727篇。

本文利用CiteSpaceV軟件。通過研究數(shù)據(jù)庫的文獻(xiàn)相關(guān)信息：作者單位、關(guān)鍵詞共現(xiàn)、合作網(wǎng)絡(luò)、共被引等內(nèi)容，以了解現(xiàn)有研究現(xiàn)狀與知識(shí)結(jié)構(gòu)，從而幫助研究人員找到該領(lǐng)域內(nèi)的關(guān)鍵文獻(xiàn)和主要研究學(xué)者團(tuán)隊(duì)，清晰地展示出該領(lǐng)域的研究前沿和發(fā)展趨勢(shì)[3]。

二、人機(jī)交互研究時(shí)空特征分析

（一）時(shí)間分布特征

時(shí)序的變化在一定程度上反映了該研究領(lǐng)域的發(fā)展速度與發(fā)展的階段性變化，同時(shí)也預(yù)測(cè)了未來發(fā)展的趨勢(shì)與研究領(lǐng)域動(dòng)態(tài)[4]。通過觀察近五年內(nèi)論文發(fā)表數(shù)量的變化趨勢(shì)，可以直觀且明顯地發(fā)現(xiàn)近五年人機(jī)交互研究領(lǐng)域的整體發(fā)展?fàn)顩r及熱度。其趨勢(shì)圖如圖表1所示。

從表1可以看出，自2015始，發(fā)文數(shù)量整體呈現(xiàn)逐漸遞增的趨勢(shì)，說明該領(lǐng)域研究的態(tài)勢(shì)一直比較良好，熱度不減。近年來隨著計(jì)算機(jī)運(yùn)算能力持續(xù)提升，多維度、多類型、多環(huán)境的數(shù)據(jù)的產(chǎn)生，及大型互聯(lián)網(wǎng)公司的開源研究成果增多，使得人工智能熱潮的興起，也進(jìn)一步促進(jìn)了人機(jī)交互領(lǐng)域的研究。

（二）空間分布特征

1. 國家/地區(qū)分布

表2顯示了2015-2020人機(jī)交互領(lǐng)域發(fā)文數(shù)量前10的國家，其中發(fā)文量前3的國家分別為美國、中國、英國，均超過了400篇，一共有五個(gè)國家的中介中間性超過0.1，分別為美國、英國、加拿大、西班牙、澳大利亞，這說明美國、英國、加拿大與其他歐洲的一些國家之間合作較為密切，關(guān)聯(lián)性較強(qiáng)。中國雖然在人機(jī)交互領(lǐng)域內(nèi)近五年來發(fā)文數(shù)量排名第二，但其中介中間性（0.05）較低，排名第8，這從一定程度上反映了中國在人機(jī)交互領(lǐng)域研究熱度較高，學(xué)者研究積極性較強(qiáng)，但從整體的合作關(guān)系來看，中國與國際其他各國之間的合作研究與交流不算緊密，還有待加強(qiáng)。

2. 機(jī)構(gòu)分布

在CiteSpace軟件中，將網(wǎng)絡(luò)節(jié)點(diǎn)選擇為“institution”[5]，設(shè)置TOP-N%=10%。各個(gè)節(jié)點(diǎn)代表不同的機(jī)構(gòu)，不同節(jié)點(diǎn)的直線連線表示機(jī)構(gòu)之間的合作，圖1顯示出國內(nèi)外知名高校在人機(jī)交互領(lǐng)域研究的合作較為集中，尤其是國際間高校合作交流多，中國高校發(fā)文量總數(shù)較多且研究開始時(shí)間較早。

表3列出了近五年發(fā)文量排名前10名的機(jī)構(gòu)，其中中國科學(xué)院（Chinese Acad Sci）、清華大學(xué)（Tsinghua Univ）、美國卡耐基梅隆大學(xué)（Carnegie Mellon Univ）排在前3，其中中國科學(xué)院發(fā)文量最多，總計(jì)60篇，其中美國與中國的機(jī)構(gòu)在人機(jī)交互領(lǐng)域占據(jù)主導(dǎo)地位，共占據(jù)7所。

從研究機(jī)構(gòu)性質(zhì)來看，當(dāng)前進(jìn)行人機(jī)交互研究的機(jī)構(gòu)主要以各大院校為主，如表3所示的卡耐基梅隆大學(xué)、英國倫敦大學(xué)學(xué)院（University College London），簡稱UCL、清華大學(xué)、浙江大學(xué)（Zhejiang Univ）等。導(dǎo)致這種現(xiàn)狀的原因大致可以分為兩點(diǎn)：一是人機(jī)交互在于研究人與計(jì)算機(jī)之間的交互行為，其中技術(shù)是基礎(chǔ)性因素，高校對(duì)計(jì)算機(jī)學(xué)科的研究與重視，是技術(shù)進(jìn)步的重要保證，也是人機(jī)交互不斷深入發(fā)展的助推器;二是隨著人機(jī)交互對(duì)用戶信息接受的心理、生理研究，對(duì)界面視覺感知的體悟等多方面因素的要求，涉及到多種學(xué)科知識(shí)交叉與融合，高校提供了多種學(xué)科背景共同協(xié)同交流的平臺(tái)，因此，國內(nèi)外各大名校成為了人機(jī)交互領(lǐng)域研究的中堅(jiān)力量。在中介中間性方面，英國倫敦大學(xué)學(xué)院最高，緊接著是美國卡內(nèi)基梅隆大學(xué)，說明這兩所高校積極充當(dāng)了學(xué)術(shù)交流的橋梁作用，為人機(jī)交互領(lǐng)域的信息交流、意見溝通、行動(dòng)協(xié)調(diào)做出較大貢獻(xiàn)。此外，我國浙江大學(xué)、中國科學(xué)院和清華大學(xué)分別排在并列第6位和第8位。國內(nèi)雖中國科學(xué)院發(fā)文數(shù)量較為可觀，但中介中間性較低，合作交流僅局限于校內(nèi)學(xué)者或其他固定機(jī)構(gòu)，未成為有影響力的引領(lǐng)機(jī)構(gòu)來帶動(dòng)整個(gè)領(lǐng)域的學(xué)術(shù)研討與溝通，因此國內(nèi)各機(jī)構(gòu)有關(guān)人機(jī)交互的探索合作還有待深入。

3. 作者合作共現(xiàn)圖譜如圖所示，共得出383個(gè)節(jié)點(diǎn)，295 條連線，網(wǎng)絡(luò)密度為 0.004，這個(gè)密度也說明，人機(jī)交互領(lǐng)域內(nèi)相關(guān)作者之間雖有合作，但合作的程度較低，形成“散狀式”分布。目前形成的研究群體有：INGOSIEGERT-ANDREAS WENDEMUTH、HAOYI ZHAO-GUOZHANGJIANG-SONGFA LI-DISI CHEN、HIDENOBU SUMIOKA-HIROSHIISHIGURO-RYUJI YAMAZAKI-SOHEIL KESHMIRI。研究發(fā)現(xiàn)：大多形成合作團(tuán)體的成員都來自同一機(jī)構(gòu)，如INGO SIEGERT與ANDREAS WENDEMUTH同屬馬格德堡大學(xué)，HIDENOBU SUMIOKA與HIROSHI ISHIGURO同屬大阪大學(xué)，學(xué)緣關(guān)系密切。由此可見，該領(lǐng)域跨機(jī)構(gòu)間的作者之間的互動(dòng)較少，未形成一定規(guī)模與著名的合作團(tuán)體，這不利于人機(jī)交互總體性、系統(tǒng)性、全面性地發(fā)展。

三、人機(jī)交互研究內(nèi)容圖譜及其分析

（一）學(xué)科研究方向分析

人機(jī)交互領(lǐng)域發(fā)文數(shù)量排名前10的集中那個(gè)于計(jì)算機(jī)科學(xué)學(xué)科、工程科學(xué)學(xué)科、人因工程學(xué)科、心理學(xué)學(xué)科，他們都是該類研究的主要學(xué)科。其中涉及到計(jì)算機(jī)類的學(xué)科2015-2020發(fā)文量總數(shù)超過3890篇。由此可見，人機(jī)交互領(lǐng)域研究參與學(xué)科種類多樣，是一門綜合性交叉學(xué)科。

（二）關(guān)鍵詞共現(xiàn)分析

在文獻(xiàn)計(jì)量學(xué)中，關(guān)鍵詞是對(duì)文獻(xiàn)中核心的詞匯進(jìn)行高度概括[3]，對(duì)關(guān)鍵詞的分析可以得出各個(gè)時(shí)期的研究熱點(diǎn)。

本文使用CiteSpace對(duì)2015-2020年Web of Science核心合集數(shù)據(jù)庫中關(guān)鍵詞進(jìn)行分析，將節(jié)點(diǎn)類型選擇為“Keyword”，一個(gè)時(shí)間切片為一年，其他屬性不變，運(yùn)行CiteSpace獲得圖2的人機(jī)交互關(guān)鍵詞共現(xiàn)知識(shí)圖譜。圖譜其中最大的關(guān)鍵節(jié)點(diǎn)是“Human–ComputerInteraction（人機(jī)交互）”“information（信息）”“recognition（認(rèn)知）”“system（系統(tǒng)）”“mode（l 模型）”等關(guān)鍵詞節(jié)點(diǎn)較大，從圖譜的各關(guān)鍵詞的關(guān)聯(lián)網(wǎng)絡(luò)來看，呈現(xiàn)以“Human–ComputerInteraction（人機(jī)交互）” 、“system（系統(tǒng)）”主要關(guān)鍵詞為中心，相互交叉的狀況。各主要關(guān)鍵詞與其他關(guān)鍵詞的關(guān)聯(lián)性較大，如“information（信息）”和“decision making（決策）”“experience（體驗(yàn)）”、 “automation（自動(dòng)化）”有一定聯(lián)系。

突變?cè)~（bursts）可以了解到該時(shí)期內(nèi)某一個(gè)主題詞、關(guān)鍵詞的衰落或興起的情況，可以更好地預(yù)測(cè)該領(lǐng)域未來的發(fā)展熱點(diǎn)與趨勢(shì)。將Burstnes中γ值設(shè)置為2，得出表4。表4呈現(xiàn)了2015-2020年人機(jī)交互領(lǐng)域引文爆發(fā)強(qiáng)度前20的關(guān)鍵詞，其中突現(xiàn)強(qiáng)度的最大值為8.82 ，最小值為4.05，分別為“deep learning（深度學(xué)習(xí)）”“braincomputerinterface（腦機(jī)接口）”，“convolutional neural network（卷積神經(jīng)網(wǎng)絡(luò)）”成為僅次于“deep learning（深度學(xué)習(xí)）”的突現(xiàn)詞，從圖中發(fā)現(xiàn)研究熱度居于一二位的關(guān)鍵詞都是和人工智能技術(shù)相關(guān)，開始時(shí)間在2019年左右，可以推斷近年來在人機(jī)交互領(lǐng)域，關(guān)于智能技術(shù)的研究與人機(jī)交融模式的探索是一大熱點(diǎn)，且推測(cè)其在未來兩年也將一直是熱點(diǎn)。其他新的研究方向雖然數(shù)量較多，但持續(xù)時(shí)間不久，都還未達(dá)到一定強(qiáng)度。

（三）關(guān)鍵詞聚類分析

對(duì)高頻關(guān)鍵詞進(jìn)行聚類分析，得到了人機(jī)交互領(lǐng)域文獻(xiàn)高頻關(guān)鍵詞聚類圖譜。如圖3所示，顯示了人機(jī)交互領(lǐng)域研究關(guān)鍵詞最大的7個(gè)聚類，分別是：#0 virtual reality（虛擬現(xiàn)實(shí)）、#1 human-computerinteraction（人機(jī)交互）、#2 user experience（用戶體驗(yàn)）、#3 trust（信任）、#4 emotional recognition（情感識(shí)別）、#5 computervision（計(jì)算機(jī)視覺）、#6 gesture recognition（姿態(tài)識(shí)別）。得出Modularity Q=0.7978，Silhouette=0.9454，說明聚類結(jié)構(gòu)顯著且聚類結(jié)果是令人信服的。

借助關(guān)鍵詞共現(xiàn)圖譜節(jié)點(diǎn)的查詢功能，梳理相關(guān)文獻(xiàn)，得到如下3個(gè)主要的研究主題：

1.有關(guān)人機(jī)交互與文化關(guān)系的理論研究熱點(diǎn)關(guān)鍵詞主要包括“ c u l t u r e ”（ 文化）“ i n d i v i d u a ld i f f e r e n c e ”（個(gè)體差異）“ a c c e s s i b i l i t y ”（ 可用性）“crowdsourcing”（眾包）等。Honold[6]等人闡述了在跨文化人機(jī)交互設(shè)計(jì)中需考慮根植于文化之中人們不同心態(tài)、思維模式和解決問題的策略等因素。Bidwell[7]等人提出設(shè)計(jì)師必須根據(jù)自己的所處文化情境需要調(diào)整通用的設(shè)計(jì)方法。多元文化環(huán)境中的交流已成為一種需要，因此在人機(jī)交互領(lǐng)域研究人機(jī)交互設(shè)計(jì)的文化維度和變量之間的關(guān)系成為一大熱點(diǎn)。

2.有關(guān)人機(jī)交互與智能技術(shù)與系統(tǒng)關(guān)系的理論研究熱點(diǎn)關(guān)鍵詞主要包括“multimodal interaction”（多模態(tài)交互）“recognition（認(rèn)知）”“deep learning”（深度學(xué)習(xí)）“machinel ear ni ng”（機(jī)器學(xué)習(xí)）“eeg”（腦電信號(hào)）“r obot ”（機(jī)器人）等。在信息交互方面，H.Wu[8]等人提出了一種方法，可以使得用戶自定義手勢(shì)，同時(shí)解決了在實(shí)際場(chǎng)景中，用戶不同手勢(shì)習(xí)慣和表示偏差導(dǎo)致的機(jī)器認(rèn)知問題。在認(rèn)知交互方面，更多學(xué)著傾向用生理信號(hào)數(shù)據(jù)來改善人機(jī)交互。M. Hamaya[9]等人提出一種模型強(qiáng)化學(xué)習(xí)的框架，這個(gè)框架間接地賦予了外骨骼理解人類行為和進(jìn)行反饋操作的能力。研究者從認(rèn)知人機(jī)交互的多通道感知、人機(jī)系統(tǒng)與優(yōu)化等方面進(jìn)行了探討，旨在優(yōu)化流程與體驗(yàn)。

3.有關(guān)人機(jī)交互與混合現(xiàn)實(shí)的研究熱點(diǎn)關(guān)鍵詞主要包括“ v i r t u a l r e a l i t y ”（ 虛擬現(xiàn)實(shí)）“augmented reality”（增強(qiáng)現(xiàn)實(shí)）等。Pavel[10]等人提出了應(yīng)用手勢(shì)識(shí)別技術(shù)發(fā)明的一種新穎的解決方案——TeleAdvisor，旨在將它應(yīng)用于許多實(shí)際場(chǎng)景中支持遠(yuǎn)程協(xié)助任務(wù)。多年來，混合現(xiàn)實(shí)中的人機(jī)交互研究領(lǐng)域已經(jīng)構(gòu)建出較為完整的設(shè)計(jì)原則和可用性評(píng)估及設(shè)計(jì)方法，但很多尚不具備通用性，因此如何建立通用性的設(shè)計(jì)原則及解決方案是該研究方向亟待考慮的事。

（四）人機(jī)交互知識(shí)基礎(chǔ)的參考文獻(xiàn)分析論文是否具有一定的學(xué)術(shù)與參考價(jià)值可以從其引用頻次上來衡量。研究者通過文獻(xiàn)引用軌跡的可視化呈現(xiàn)，繼而判斷出研究領(lǐng)域的基礎(chǔ)理論參考來源。節(jié)點(diǎn)類型設(shè)置為“Reference”，時(shí)間切片設(shè)置為一年，設(shè)置“TOPN ”為50，生成2015-2020年人機(jī)交互研究文獻(xiàn)共被引知識(shí)圖譜。如圖4所示，從圖譜左上角數(shù)據(jù)可以看出，其節(jié)點(diǎn)個(gè)數(shù)為283個(gè)，連接線個(gè)數(shù)為424條，密度為0.0106。本文選取人機(jī)交互領(lǐng)域被引頻次超過30次的8篇引文獻(xiàn)進(jìn)行分析，如表5所示。

圖中的節(jié)點(diǎn)越大，代表引用頻率越高，表明文獻(xiàn)價(jià)值越高。研究發(fā)現(xiàn)：被引頻次最高的文獻(xiàn)來自學(xué)者CHANG[11]。CHANG[11]等人提出LIBSVM作為支持向量機(jī)（SVM）的庫，在機(jī)器學(xué)習(xí)和許多其他領(lǐng)域中已獲得廣泛普及文中討論了諸如解決SVM優(yōu)化問題，理論收斂性，多分類概率估計(jì)和參數(shù)選擇等問題。HE[12]等人針對(duì)深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練困難的問題，提出了一種殘差的學(xué)習(xí)框架。計(jì)算機(jī)領(lǐng)域機(jī)器學(xué)習(xí)技術(shù)極大地提高了語音識(shí)別、目標(biāo)檢測(cè)以及視覺識(shí)別任務(wù)甚至是藥物檢測(cè)等許多領(lǐng)域的研究水平，再次說明在人機(jī)交互領(lǐng)域?qū)χ悄芗夹g(shù)的研究處于研究熱點(diǎn)。

中間中介性較高的文章來自Zeng、Koelstra等人，他們對(duì)自然交互方式進(jìn)行了探索。Zeng[13]等人研究解決人類情感行為的機(jī)器理解問題的可行方法，并討論了訓(xùn)練和測(cè)試數(shù)據(jù)的收集和可用性，概述了推進(jìn)人類情感感知技術(shù)所面臨的一些科學(xué)和工程挑戰(zhàn)。Koelstra[14]等人提出了一種用于分析人類情感狀態(tài)的多模態(tài)數(shù)據(jù)集，其使用腦電，周圍生理信號(hào)和多媒體內(nèi)容分析的方法對(duì)不同模式的分類結(jié)果進(jìn)行決策融合。Rautaray[15]等人旨在將人機(jī)交互融入一種自然的制度中。其分析了不同關(guān)鍵參數(shù)下的人機(jī)交互手勢(shì)識(shí)別系統(tǒng)。

（五）研究演進(jìn)與前沿發(fā)展趨勢(shì)分析時(shí)區(qū)視圖如圖5所示，其反映了人機(jī)交互研究領(lǐng)域文獻(xiàn)關(guān)鍵詞演進(jìn)，通過前沿時(shí)區(qū)圖可以梳理2015-2020近5年以來的人機(jī)交互領(lǐng)域發(fā)展趨勢(shì)，將其分為3個(gè)階段。

第一，2015年人機(jī)交互領(lǐng)域研究處于高速發(fā)展階段，研究主題較為多樣，包括對(duì)于信息、體驗(yàn)、技術(shù)等主題的關(guān)注，也符合當(dāng)時(shí)互聯(lián)網(wǎng)快速發(fā)展、信息技術(shù)的顯著進(jìn)步的研究背景;第二，2016-2018年，研究進(jìn)入了一個(gè)相對(duì)平穩(wěn)發(fā)展的階段，這一時(shí)期“emotion recognition（情緒識(shí)別）”“neural network（神經(jīng)網(wǎng)絡(luò)）”“support vectormachine（支持向量機(jī)）”等關(guān)鍵詞的出現(xiàn)，說明該階段研究熱點(diǎn)聚焦在如何運(yùn)用先進(jìn)的算法技術(shù)、結(jié)合心理學(xué)認(rèn)知工具等創(chuàng)造出更好的人機(jī)交互體驗(yàn)，與此同時(shí)，隨著虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)技術(shù)的出現(xiàn)與發(fā)展，對(duì)這兩個(gè)主題的關(guān)注也在增加;第三，2019-2020年為人機(jī)交互研究的最新階段。文獻(xiàn)研究熱點(diǎn)為“facial expression recognition（面部表情識(shí)別）”“cnn（卷積神經(jīng)網(wǎng)絡(luò)）”，有些主題仍與2015-2016年的研究熱點(diǎn)息息相關(guān)，此時(shí)的熱點(diǎn)較為集中于對(duì)計(jì)算機(jī)的機(jī)器學(xué)習(xí)技術(shù)的研究及對(duì)于人機(jī)之間信任感及其他情感方面的探索。

結(jié)語

本文基于Web of Science核心合集數(shù)據(jù)庫中2015-2020年間收錄的4727篇人機(jī)交互的相關(guān)文獻(xiàn)，采用CiteSpace對(duì)文獻(xiàn)進(jìn)行了可視化分析。了解到人機(jī)交互領(lǐng)域相關(guān)研究的熱點(diǎn)和未來發(fā)展趨勢(shì)，同時(shí)對(duì)今后的研究趨勢(shì)進(jìn)行預(yù)測(cè)。

研究發(fā)現(xiàn)：（一）時(shí)間分布研究顯示年度發(fā)文量趨于穩(wěn)定，具有階段性特征，總體呈上升趨勢(shì)。（二）空間分布研究顯示研究成果較多集中于國內(nèi)外各大名校與相同機(jī)構(gòu)之間，機(jī)構(gòu)之間、地區(qū)之間持續(xù)穩(wěn)定的交流不足，發(fā)展不均衡，需要該領(lǐng)域的學(xué)者進(jìn)行廣泛且深入的研究交流，持續(xù)高質(zhì)量成果。（三）從文獻(xiàn)學(xué)科分布情況看，有70%以上的文獻(xiàn)所屬為計(jì)算機(jī)技術(shù)學(xué)科，工程科技和心理學(xué)科占20%，由此可見，計(jì)算機(jī)技術(shù)學(xué)科研究熱度較高，同時(shí)還囊括文化、社會(huì)學(xué)、心理學(xué)等多方面的知識(shí)背景。（四）從研究熱點(diǎn)與趨勢(shì)上來看，隨著計(jì)算機(jī)運(yùn)算能力的增強(qiáng)，豐富數(shù)據(jù)的產(chǎn)生及人工智能熱潮的掀起，使得關(guān)于智能技術(shù)的研究與人機(jī)交融模式的探索成為這領(lǐng)域研究的一大熱點(diǎn)，并在當(dāng)下及未來的發(fā)展中更為注重結(jié)合人的內(nèi)在情緒、文化語境、用戶體驗(yàn)等人文、心理因素。

本文對(duì)人機(jī)交互研究領(lǐng)域的未來研究趨勢(shì)預(yù)判具有一定意義，但仍然存在如下不足：第一，由于選擇時(shí)間段較短，本文所選4727篇文獻(xiàn)得出的分析結(jié)果未涵蓋本領(lǐng)域2015年之前的研究成果。第二，本文研究使用的方法尚不能完全全面、客觀地展現(xiàn)該領(lǐng)域研究的全貌，今后需結(jié)合其他計(jì)量方法與可視化工具，在實(shí)踐的基礎(chǔ)上，更加綜合地分析領(lǐng)域研究發(fā)展態(tài)勢(shì)。