基于特征融合的信息系统易用性研究

曹强 许颖媚

DOI：10.16661/j.cnki.1672-3791.2106-5042-4598

摘  要：信息系统易用性是评价软件质量的一项重要指标，针对信息系统易用性评估用户情境缺失的问题，该文从特征融合视角进行用户的特征提取和分析，依据训练集进行参数估计，通过特征融合进行用户特征数据处理分析，结合信息系统的特点和最小错误率贝叶斯决策理论，实现信息系统用户分类。用户特征融合分类能够解决信息系统易用性评估中的情境缺失问题，通过结合提取的特征提升易用性评估的准确性。

关键词：易用性评估  特征融合  贝叶斯决策  用户分类  情境分析

中图分类号：TP31      文献标识码：A     文章编号：1672-3791（2021）06（b）-0001-03

Usability of Information System： A Feature Fusion Perspective

CAO Qiang   XU Yingmei

（Guangdong Science & Technology Infrastructure Center， Guangzhou，Guangdong Province， 510000  China）

Abstract：Information system usability is an important index to evaluate software quality. In view of the lack of user context for information system usability evaluation， user feature was extracted and analyzed from the feature fusion perspective， parameter estimation was done based on training set， user feature data was processed and analyzed， combined with the feature of information system and Bayesian decision theory of minimum error rate， information system user classification was achieved. User feature fusion classification can solve the problem of lack of context in the usability evaluation of information system and imporove the accuracy of the usability evaluation.

Key Words： Usability evaluation; Feature fusion; Bayesian Desion; User classification; Context analysis

易用性（Usability）是在指定的使用周境中，产品或系统在有效性、效率和满意度特性方面为了指定的目标可为指定用户使用的程度^[1]。尽管近年来信息系统已经稳步增长，易用性仍然是影响用户参与的重要因素之一^[2]。

已有研究表明，用户年龄因素对易用性评估结果存在影响，同时还需要更多地关注用户和情境信息，以便于选择和定制许多不同的度量和更高级别的标准^[3]。在大多数易用性评估中，评估者确定的用户易用性问题构成了分析的一部分，比如计算、匹配或分类^[4]。近年来，特征融合得到了迅速发展并广泛应用于许多领域，在实际的分类应用中，根据给出的用于模式样本的类和多个特征集的数量，特征融合能关联集成特征，得到更加准确的识别结果^[5]。

信息系统具有多元化、协同化、移动化等特点，从特征融合视角对信息系统考虑易用性评估问题，可以结合用户情境信息，使用贝叶斯决策理论（Bayesian Decision Theory）进行分类识别，有针对性地给出信息系统易用性知识，引导用户完成易用性评估过程。

1 特征融合

特征融合是信息融合的中間维度，信息融合理论是特征融合的基础理论，信息融合是多源异构数据的综合处理，达到联合决策的目的^[6]。特征级融合比其他融合级别更有效，相比匹配分数或分类器的输出决策，特征集包含关于输入特征数据的更丰富的信息，如原始数据层融合信息的充分表示量或统计量。因此，特征层的融合可以提供更好的识别结果。特征融合在数据识别中得到了广泛的应用，充分利用了各种不同的信息，通过对这些信息的合理控制和利用，将时间或空间上的冗余或互补信息按照一定的标准进行组合，得到被测对象的一致解释或描述，从而使信息系统比其子集组成的系统获得更好的性能^[7]。特征融合的目标是将来自两个或多个特征向量的相关信息组合成单个特征向量，其预期比任何输入特征向量更具辨别力。特征层融合是在数据层融合和决策层融合之间进行的，它具有实现一定的信息压缩和实时处理的优点，且由于提取的特征与决策分析直接相关，因此可以最大化决策分析所需的特征信息^[8]。特征融合模型如图1所示，其基本流程包含了数据源、数据源特征提取、特征关联、特征融合及最后的模式分类识别结果。

2 最小错误率贝叶斯决策理论

基于贝叶斯理论的特征融合算法是在分类器融合算法基础上发展起来的，贝叶斯决策理论是一种经典的模式识别方法^[5]。根据最小错误率的贝叶斯决策理论，若对样本x进行分类，则该类就是在已知样本x条件下后验概率最大的模式类，目标是让出现错误的概率尽可能低。

3 信息系统用户分类

信息系統的成功需要信息技术、组织管理、合法监管和制度环境等因素支撑，信息系统的易用性是需要考虑的重要因素，用户作为最终使用者对系统的评估是易用性评估的重点。信息系统的易用性评估通过直观的数据收集方式，引导用户进行易用性测试评估，收集用户的特征数据进行特征融合，形成用户特征数据集，针对特征数据集进行分类，依据所属类别生成匹配用户的调查问卷，从而达到个性化的易用性评估效果。从特征融合视角来看，这样的评估方式能够针对用户特征进行分类，个性化地提供易用性评估服务，提升评估的准确度，用户分类流程如图2所示。

3.1 训练样本

样本是有监督的训练样本集合，具备典型分类用户的特征，样本整体近似服从正态分布，根据样本特征集和类别数通过已知训练样本的最大似然估计确定类条件概率密度。

3.2 确定模式类

模式类的确定需要结合分类规则和样本情况，基于最小错误率贝叶斯决策的信息系统易用性评估，依据用户信息系统熟练度特征进行分类。考虑到信息系统用户的广泛性，各类的先验概率相等且类条件概率密度服从正态分布，结合训练集数据通过最大似然估计确定类条件概率密度，最后应用最小错误率贝叶斯决策确定所属模式类。

在获取用户特征信息后，进行贝叶斯决策后确定用户所属类别，结合系统易用性量表（System Usability Scale， SUS）^[9]、尼尔森易用性问卷（Nielsen's Attributes of Usability Questionnaire ， NAU）^[10]和用户所属类的个性化问卷等易用性测试方法给出针对性的调查问卷，从用户角度评估信息系统的易用性。个性化评估一方面考虑到了用户情境信息，另一方面也结合了易用性量表评估的方法。

4  结语

特征融合应用于信息系统的易用性评估，重点关注用户特征的提取，针对分类用户进行易用性信息收集，达到系统易用性评估的目的。每个模式类对应匹配的问卷，按照设定的模式类性质设置问卷，针对不同熟练程度的被调查者匹配结果，从而提升问卷调查的针对性和结果的有效性。下一步的主要工作将是设计开发信息系统进行统一管理，实现自动化可用性评估，同时对参与者需要从性别、年龄、教育情况、专业经验、计算机经验和产品经验等多维度进行考量。

参 考 文 献

[1] 国家标准化管理委员会.系统与软件工程 系统与软件质量要求和评价（SQuaRE） 第10部分：系统与软件质量模型：GB/T 25000.10-2016 [S].北京：中国标准出版社，2016：10.

[2] CHENG T H， CHEN S C， Hariguna T. The Empirical Study of Usability and Credibility on Intention Usage of Government-to-Citizen Services[J]. Journal of Applied Data Sciences， 2021， 2（2）： 36-44.

[3] Sonderegger A， Schmutz S， Sauer J. The influence of age in usability testing[J]. Applied Ergonomics， 2016， 52： 291-300.

[4] Albers D， Radlmayr J， Loew A， et al. Usability Evaluation—Advances in Experimental Design in the Context of Automated Driving Human–Machine Interfaces[J]. Information， 2020， 11（5）： 240..

[5] 刘明华. 复杂环境下基于多特征融合的目标跟踪关键技术研究[D].青岛科技大学，2016.

[6] PENG W， CHEN A， SUN Y. A quantum-inspired feature fusion method based on maximum fidelity[J]. IEEE Intelligent Systems， 2017， 32（1）： 80-87.

[7] Yahya A A. Swarm intelligence-based approach for educational data classification[J]. Journal of King Saud University-Computer and Information Sciences， 2019， 31（1）： 35-51.

[8] 张建虎. 面向目标识别的多特征融合研究与实现[D].北京交通大学，2018.

[9]Lewis. The System Usability Scale： Past， Present， and Future[J]. International Journal of Human–Computer Interaction， 2018， 34（7） ： 577-590.

[10] Iqbal T， Bahruni B. Evaluasi Usability Test e-Repository dengan menggunakan Metode Nielsens Attributtes of Usability （NAU）[J]. Jurnal JTIK （Jurnal Teknologi Informasi dan Komunikasi）， 2019， 3（2）： 40-45.

基金项目：广州市科技计划项目支持《面向政务信息系统易用性的指标体系及评估模型构建》（项目编号：202102080356）。

作者简介：曹强（1990—），男，硕士，高级工程师，研究方向为软件测评。

通信作者：许颖媚（1978—），女，硕士，高级工程师，研究方向为数据融合，E-mail：xuym@gdcc.com.cn。