基于感性工学的夏季连衣裙意象评价

张 宁,许 洁,孙雅致,宋 莹,王宇宏

(辽东学院 服装与纺织学院,辽宁 丹东 118000)

随着服装个性化消费需求的日益提升,固定、单一、同质化的服装设计与生产模式已经无法满足消费者对着装个性化的需求[1]。人们在购买服装时更加注重感性方面的需求和个性表达的实现,因此以消费者感性需求为出发点,进行的服装款式设计显得尤为重要[2],服装款式能否满足消费者的内在感性需求成为影响消费者决策的重要因素[3]。

感性工学的概念始于20世纪80年代,由日本设计学大师山本健一提出[4],是一种将消费者的主观感觉与产品设计元素之间的关系进行科学研究的方法[5],其本质表现为通过研究消费者的主观感性需求与产品款式特征之间的关系,总结出二者之间的关联度,进而帮助设计师设计出更为符合消费者感性需求的产品[6]。目前随着消费者对服装个性化需求的日益提高,这一研究方法在服装款式设计中被广泛应用[7]。

数量化理论I(Quantitation Theory I)一般将用户的感性评价作为因变量,产品的设计要素作为自变量[8],利用多元线性回归分析总结二者之间的关联规律,并建立数学预测模型[9]。在此基础上,根据所得模型创建研究样本反应矩阵,通过数据分析对模型的科学性和有效性进行验证,进而实现用户主观意象的客观产品转化[10]。目前,数量化理论I在服装设计中的应用,集中体现在服装局部结构与造型等方面[11],从某一类别服装的整体造型出发进行的针对性研究相对较少。结合这一现状,本文以夏季连衣裙为研究对象,选取35款具有代表性的连衣裙款式作为研究样本,对其主要款式设计要素进行提炼,采用语意差异法对研究样本进行感性评价,在此基础上,将感性工学理论与数量化理论I相结合,通过研究消费者感性需求与夏季连衣裙款式设计要素之间的相关性,建立二者之间关联度的回归预测模型,以期为设计师设计出更符合消费者感性需求的夏季连衣裙提供参考与借鉴。

1 感性分析

1.1 选择研究样本

从服装品牌JNBY、卓雅、雅莹、红袖等连衣裙款式繁多的服装品牌中收集出150款夏季连衣裙图片作为研究样本,邀请高校服装设计专业教师及专业服装设计人员共15人组成焦点小组,对研究样本进行筛选,删除雷同款式与低像素图片后,得出35款造型特征较为典型,且能涵盖夏季连衣裙主要设计元素的连衣裙款式作为本文实验的研究样本[8]。对连衣裙主观意象的感性评价会受到面料、颜色、图案、质地与配饰等因素的干扰,因此将35款研究样本,利用AI(Adobe Illustrator artwork 22.0)制图软件进行统一化处理,将其绘制为纯色黑白线条的刺激图。为避免造型相近的款式临近排列对评价结果产生影响,将35款研究样本进行无规律排列,以确保感性评价结果的准确性和严谨性。具体连衣裙刺激图排列如图1所示。

1.2 确定样本款式设计要素

根据服装款式设计原理与要素分类,依据德尔菲法[12]结合专家意见,剔除影响微弱的无效设计因素后,将夏季连衣裙的款式设计要素提炼为7个要素及25个子要素[13],具体连衣裙款式要素及编号如表1所示。

表1 连衣裙设计要素表Tab.1 Table of design elements for dress

1.3 问卷调查

1.3.1 感性词对收集与筛选

通过网络调查、消费者访谈、书籍查阅等形式对夏季连衣裙的感性评价词汇进行收集整理,最终确定“简约的-繁复的、优雅的-活力的、常规的-创意的、职业的-休闲的、保守的-性感的、中性的-柔美的、成熟的-年轻的”7对感性形容词对,建立感性意象空间,每对感性词对分别表示相反涵义的语意评价。

1.3.2 调查问卷设计与发放

利用语义差异法让调研对象对35款研究样本与7对感性词对的关联度进行评分,用7级量表设计调查问卷,分值分别设置为:-3、-2、-1、0、1、2、3,问卷中的分值代表研究样本与该感性词对的关联度。以形容词对“成熟的-年轻的”为例,-3代表该样本给人的感性评价特别成熟、-2代表很成熟、-1代表有点成熟、0表示既不成熟也不年轻、1代表有点年轻、2代表很年轻、3代表特别年轻。通过问卷星网络平台发放问卷,问卷对象为服装设计专业师生、服装公司设计人员以及服装从业人员,共发放问卷150份,剔除结论有明显错误的无效问卷后,得到145份有效问卷,问卷回收率为96.7%。

2 数据与分析

2.1 效度分析

经效度分析该问卷的KMO值为0.935,证明问卷合理有效,可应用于后续分析[7]。对回收的有效问卷进行数据分析,利用Excel计算出35款连衣裙样本的感性评价得分均值。利用SPSS26.0软件对评价均值进行KMO效度分析及Bartlett球形检验,得出KMO值为0.779,效度分析效果较好;Bartlett球形检验显著性P值为0.000,说明不同变量之间具有显著的关联性,问卷可用于后续因子分析[14]。

2.2 因子分析

对7对感性词对进行相关性分析,得到相关性分析矩阵见表2。

感性词对之间的得分绝对值越高,表示这2组感性词对的关联性越高。例如,成熟的-年轻的与优雅的-活力的、职业的-休闲的都有很高的相关性,说明款式相对成熟的连衣裙能够给消费者带来优雅与职业的主观感受,反之造型年轻的连衣裙则会给人活力和休闲的感受。

采用主成分分析法进行公因子提取,得到感性词对的解释总方差,感性词对解释总方差见表3。由表3可知,共提取2个因子,其累积贡献率为80.352%(>70%),说明提取的2个因子能包含35款连衣裙的大部分信息,即所提取的2个因子能够对35款连衣裙进行感性评价。

表3 感性词对解释总方差Tab.3 The perceptual adjective pair explains the total variance

通过最大方差法得出各因子旋转后的载荷矩阵[8]如表4所示。由表4可以看出,因子1上载荷较高的感性词对有“中性的-柔美的、优雅的-活力的、职业的-休闲的和成熟的-年轻的”,根据其所表达的具体意义,将因子1命名为:魅力因子F1;因子2上载荷较高的感性词对有“简约的-繁复的、守旧的-性感的和常规的-创意的”这3对感性词对,同理将其命名为:性格因子F2。

表4 旋转后的载荷矩阵Tab.4 Load Matrix after rotation

采用回归分析法得到因子得分系数矩阵,具体系数见表5。

表5 因子得分系数矩阵Tab.5 Factor score coefficient matrix

通过因子得分系数矩阵得到7对感性词对在各因子中的得分,进而创建出35款连衣裙的二维象限图,以因子1得分为横坐标,因子2得分为纵坐标得到各样本的二维象限分布图,如图2所示。

图2 二维象限分布图Fig.2 Two-dimensional quadrant distribution map

由图2结合图1可知,分布在第1象限的连衣裙款式结构相对繁琐,有很强的时尚感与流行感,整体风格偏向年轻活力,连衣裙线条较为柔美;第2象限的连衣裙线条结构同样较为复杂,但较第1象限而言给人的感觉更为柔美、优雅,整体造型合体,凸显女性性感曲线;第3象限的连衣裙款式整体较为常规、成熟,同时线条简练流畅,职业性更强,适合正式场合穿着;第4象限的连衣裙款式造型与其他象限的连衣裙款式相比呈现出较为突出的宽松和休闲的风格,给人青春活力的主观意象。

3 模型构建与实例应用

3.1 模型构建与验证

以数量化理论I原理为研究依据,将表1中的一级设计要素命名为项目,表1中的二级子类设计要素命名为类目,消费者对夏季连衣样本的感性评分均值设置为因变量。若有s个项目,则项目t的类目表示为rt。

如δl(t,j)(t=1,2,…,s;j=1,2,…,rt,l=1,2,…,s)表示样本l中第t个项目相对应的类目j对基准变量y的影响值[8],其中:

(1)

根据不同因变量与各项目、类目之间所体现出的关联性,得出数学模型[15-16]见式(2):

(2)

式中:atj为第t个项目中类目j的系数;εl表示第l次随机抽样误差;rt代表项目t包含的类目数。

根据表1与式(1)创建35款连衣裙样本的反应矩阵,如表6所示。

表6 连衣裙样本反应矩阵Tab.6 Dress sample reaction matrix

通过线性回归分析[16]验证所构建模型的有效性。以因子F1为例,首先对无效变量进行剔除,随后通过计算得出因子1的偏相关系数、类目得分、常数项、复相关系数与决断系数等项目数值,具体如表7所示。

表7中,偏相关系数与类目得分分别表示一级款式设计要素和子类设计要素与因子间的关联权重,数值的正负方向表示关联方向,数值绝对值大小则表示关联程度的强弱。根据式(2)分别创建因子F1和因子F2的预测模型,具体见式(3)(4):

(3)

(4)

通过线性回归分析得出,因子F1与因子F2复相关系数R与决定系数R2均符合验证要求,即2个因子的预测值与实测值具有较高的拟合度,说明预测模型较为合理,可对夏季连衣裙款式的设计合理性进行有效预测。

图3、4所示为2个因子的标准化残差直方图和正态分布图,可知因子F1与F2的标准化残差均服从正态分布,即建立的预测模型合理有效。

图3 标准残差直方图Fig.3 Histogram of normlized residuals of factors.(a) Factor F1; (b) Factor F2

图4 正态分布图Fig.4 Normal distribution of the factors. (a)Factor F1; (b) Factor F2

3.2 实例应用

根据夏季连衣裙款式设计要素,结合客户需求设计一款柔美、优雅且具能够凸显身材曲线的连衣裙,将设计出的连衣裙利用CLO3D虚拟试衣软件进行试穿,最终效果如图5所示。

图5 连衣裙款式设计图Fig.5 Dress design drawing

根据表1的夏季连衣裙的设计要素,得到该款连衣裙的设计要素集合U:

U={A3,B2,C1,D2,E2,G2,H1}

利用公式(3)和式(4)计算得出

最终确定该款式因子得分位于因子二维象限中的第2象限,该象限款式设计要素代表的款式特征就是较为柔美、优雅,整体造型合体,可凸显女性性感曲线,能够较高的满足消费者的感性需求。

4 结 论

以夏季连衣裙为研究对象,基于感性工学原理,对其款式设计进行意象评价分析,并利用数量化理论I对主观评价结果进行客观验证,得出结论如下:

①通过主成分分析法,得出2个因子:魅力因子与性格因子,结合感性因子得分系数绘制出样本的二维象限分布图,进而可得出各象限连衣裙样本主要款式与风格特征。

②提取连衣裙样本的款式设计要素并建立样本反应矩阵,进而构建回归预测模型,通过验证表明,所创建的预测模型可较好得满足消费者个性需求,在提高夏季连衣裙款式设计的用户满意度方面,具有较高的实用性。

此外,服装造型风格除了受到款式影响之外,还会受到服装面料质地、颜色、图案、配饰等诸多因素的影响,后续将进一步研究完善。