基于实证研究法的新媒体艺术智能生成研究

叶彩仙 胥立军 Tsenguun Ganbat

摘  要：随着计算机新技术的快速发展，新媒体艺术领域有着新的创作和表达方式。该文旨在采用MR技术、人工智能AIGC和决策树CART算法，重复利用环形空间，实时生成场景，为新媒体艺术体验者提供丰富的个性化的体验，提高客户的重玩率。该研究采用实证研究法，对15岁以下青少年为用户测试群体进行实验测试分析，研究他们在使用新媒体艺术作品或产品时的生理和心理反应，再通过问卷调查、深度访谈等方式获得用户对新媒体艺术作品的体验反馈，了解用户对艺术作品的认知、情感、行为等方面的体验，利用数据预处理与数据挖掘对数据进行处理，保证实验样本的可靠性和有效性。使用机器学习模型训练及生成式AI生成内容，实时制作出用户体验式新媒体艺术虚拟场景供用户体验。

关键词：计算机技术；用户体验；新媒体艺术；AIGC；实证研究法

中图分类号：X705      文献标志码：A          文章编号：2095-2945（2024）19-0014-05

Abstract： With the rapid development of new computer technology， the field of new media art is facing new ways of creation and expression. The purpose of this paper is to use MR technology， AIGC and decision tree CART algorithm to reuse annular space and generate scenes in real time， so as to provide rich personalized experience for new media art experience and improve the replay rate of customers. This study adopts the method of empirical research， through the experimental test and analysis of young people under the age of 15 as user test groups， to study their physical and psychological reactions when using new media works of art or products， and then through questionnaires， in-depth interviews and other ways to get users' experience feedback on new media works of art， to understand users' cognitive， emotional and behavioral experience of works of art. Data preprocessing and data mining are used to process the data to ensure the reliability and validity of the experimental samples. It is suggested to use machine learning model training and generative AI to generate content， and create a user-experienced new media art virtual scene for user experience in real time.

Keywords： computer technology; user experience; new media art; AIGC; empirical research method

计算机技术如混合现实（MR）、人工智能、机器学习和数据挖掘等，为艺术家提供了丰富的创作工具和表达方式。这些技术不仅扩展了艺术创作的可能性，还为观众带来了更丰富、可交互、沉浸式和个性化的用户体验。然而，尽管计算机技术在新媒体艺术中的应用不断增加，但如何有效地利用这些技术来生成用户体验丰富的艺术作品仍然是一个挑战。

1  应用技术与理论基础

信息技术的发展使得设计团队利用先进的计算机技术能够创造出各种互动装置和装置艺术作品，这些作品通常使用传感器、摄像头、运动追踪等技术。通过戴上VR头显或使用AR设备，观众可以与虚拟世界或现实世界中的数字内容进行互动，创造出非凡的艺术体验，可以通过触摸屏幕、手势识别或声音控制等方式与作品进行互动，改变影像或音乐的形态和节奏。人工智能大模型AIGC的出现更是推动着社会文明的大踏步向前，生成式AI如Midjourney、Stable Diffusion、Runway和Pika等大模型的应用，使AI能像人类一样思考，能快速方便地生成一些用户想要的图形、文字或声音等多媒体内容，为新媒体艺术研究者提供了关键素材生成和支持，这些颗粒化素材在艺术团队重组下很容易制作出大型的新媒体艺术。

本研究采用实证研究方法，结合实验和调查2个主要环节。实验环节将观察和记录参与者在体验新媒体艺术作品时的行为和反应，以及采用智能手环等传感器收集到的相关数据，例如多巴胺、心率、眼动追踪和脑电波监测等，分析用户停留时间和喜好。调查环节将收集参与者的主观评价和反馈，以了解他们对艺术作品的感受和观点。探索机器学习的决算树CART算法的模型训练过程，并评估算法对最终结果的可行性，最终脱离实验室环境，将用户体验式新媒体艺术生成推广应用于企事业单位或医疗等系统，为新媒体艺术的发展和普及做出贡献。

2  研究方法综述

2.1  数据收集和分析

本研究采用多种数据收集方法，包括实验观察、生理反应测量和问卷调查。实验观察将用于记录参与者在体验新媒体艺术作品时的行为和反应，以及计算机新技术应用对用户体验的影响。生理反应测量将使用生物传感器（如心率监测仪、皮肤电阻仪等）来收集参与者的生理指标数据，以获取更客观的用户体验数据。此外，设计问卷调查，收集参与者的主观评价和反馈，以了解他们对艺术作品的感受和观点。在数据分析阶段，使用统计分析方法对收集到的数据进行处理和解读。对于实验观察和生理反应等收集到的数据，使用描述性统计分析、回归分析和数据预处理相关性分析等方法来揭示不同条件下的差异和关联关系。对于问卷调查数据，进行主观评价的整理和汇总，以便了解参与者对艺术作品的感受和观点。

2.2  研究样本和实验装置

为了确保研究结果的代表性和可靠性，笔者将从不同年龄、性别和背景的参与者中招募样本。参与者将被随机分配到不同的实验条件中，以减少偏差和干扰因素。实验装置将采用决策树的CART算法、MR技术和AIGC实时生成的虚拟环境在实际空间展示不同类型的新媒体艺术作品。通过对比参与者在不同的虚拟环境下的反应和评价，及重复回归测试新生成的虚拟环境，以便训练出一个最合适的虚拟环境供后来者使用，并评估算法对最终结果的可靠性。

2.3  实践应用和案例研究

本研究在混合虚拟企业燧光公司的支持下，将实验场所设计成环形分块方式，采用VR游戏竞技方法，在每次竞技前了解体验者想参与的竞技游戏项目，选择合适的应用案例。分析这些案例的特点、目标和设计原则，以及计算机新技术的具体应用方式和效果。通过调查问卷、用户访谈或焦点小组讨论等方式，收集用户体验前后对这些应用案例的反馈和评估数据，分析用户的反馈和评估结果，了解他们对这些应用案例的感受、观点和建议。在结果分析部分，解释实践应用案例的结果和用户反馈，与现有的理论和研究进行比较和对照，分析应用案例的成功因素和挑战，讨论计算机新技术在用户体验式新媒体艺术生成中的实际应用价值。总结实际应用案例的经验教训和启示，提炼出设计原则和指导性框架，为艺术创作者和设计师提供实践应用的参考和指导。同时探讨这些应用案例的局限性和改进的可能性，为进一步的研究和实践提供启示。

3  生成新媒体艺术

3.1  数据准备和预处理

数据预处理，对实验与调查中收集到的数据进行清洗和转换，将数据转换为适合决策树算法处理的格式。再进行数据归一化处理，确保不同特征之间的尺度一致。使用已标记的数据集对决策树模型进行训练。使用交叉验证等方法评估模型的性能和准确度，确保模型的泛化能力。表1为测试数据的一部分，其中个性特点由MBTI人格测试报告生成。

特征选择，根据用户体验设计的目标和需求，选择与用户体验相关的特征。针对收集到的数据，通过以下步骤来整理和筛选特征：①对多源数据进行解析、清洗和存储，得到同化数据；②对同化数据进行汇总、去重和统计，得到数据的量化值，即特征；③针对数据特征进行筛选和降维；④最后得到特征信息的集合。分类数据集主要特征见表2。

根据体验者的经验值及报名人数比例，以特征值划分的子集的加权平均熵，收集生理心理特征指数分析及用户使用反馈，使用信息增益进行分析，机器学习训练方式推导出不同用户的最优模型。应用决策树分类器（Decision Tree Classifier）构建一棵决策树来对数据进行分类。决策树是一种树状结构，其中每个内部节点表示一个特征或属性，每个分支表示该特征可能的取值，每个叶节点表示一个类别或标签。决策树的构建过程是通过递归地选择最佳特征进行划分，直到满足停止条件为止，然后使用构建好的决策树对新样本进行分类。

3.2  训练决策树模型

根据选择的特征和标签，体验者的年龄和性别作为第一棵决策树的特征结点，且给决策树的叶子结点加上对应的权重，使用决策树CART算法构建决策树模型如图1所示，使用系统推荐的决策树模型来预测用户的行为和喜好，应用模型的用户第一次体验结果见表3。根据预测结果，进行用户体验设计的优化，例如调整页面布局、改进交互方式、提供个性化推荐等，再进行递归建树来训练模型。本文采用决策树CART（Classification and Regression Trees）算法进行解决分类和回归问题。后面使用CART算法构建分类决策树模型，利用信息增益进行分析，机器学习训练方法推导出适合不同用户的模型。

本次模型训练以15岁以下青少年为用户测试群体进行数据分析，根据报名测试人数及经验值评估权重，15岁以下男性的权重是2，系统使用信息增益算法推荐给组1体验者的模型是刺激型、挑战型和梦幻型，而用户的刺激型体验评价是8分（满分10分），没达到9.5分以上评价，且修改率0.9，该模型需继续优化供测试者测试，挑战型及梦幻型同理，也需继续优化供测试者测试，直到训练出最优模型。

表3得到年龄段在0～15岁男生第一次体验结果未达期望值，根据用户体验的反馈，调整和改进训练模型和设计策略。收集用户反馈数据，并根据反馈结果进行模型的迭代和更新。设计团队利用决策树算法进行模型模拟与训练，从而提供更符合用户需求和偏好的新媒体艺术应用。根据选择的特征，将数据集划分为不同的子集。

对于每个小组，重复上述步骤，直到满足终止条件。在图2中，采用3类模型（刺激型、挑战型和梦幻型）进行训练，x轴是训练数据在0～15岁男生组中的训练频率，y轴是训练过程的修改率。梦幻型的分类器修改率最低，并且比其他2个指标更稳定。训练结果显示，得到0～15岁男生最适宜梦幻型体验模型。

根据用户特点推荐训练模型（一般为3类主题模型），体验得到评分值，对于修改率大于0.05的模型进行修改优化与回归测试直到修复率低于0.05。实时修改模型再测试。得到3类主题模型中最后修改率最小的模型。

3.3  新媒体艺术的智能生成

根据以上算法进行数学建模可得到最优解，将最优参数作为AIGC实时输入数据，AIGC技术借助大模型的跨模态综合技术能力，以及云渲染，可以激发创意，提升内容多样性，降低制作成本，将会实现大规模应用。根据上述所运用的数据挖掘算法，结合新技术应用于新媒体艺术，使用生成式AI等应用技术就很容易生成新媒体艺术作品初稿。设计团队再使用这些成果就很容易制作出符合不同用户使用感的新媒体艺术作品。信息技术与艺术的融合导致艺术相关数据的快速增长，数据已成为艺术的基础资源，利用大数据的数据采集工具进行外部数据采集和内部数据挖掘，进而通过艺术元素文字、图形、影视等的生产、流通、操作机制进行分类。应用于现代新媒体艺术设计，生成艺术图谱和模型供设计师使用生成式AI重组载体，构建颗粒艺术知识图，结合心理学、社会学、各种元素分类、智能适应色彩、构图、层次和用户画像分析，通过艺术思维、语言识别、图像识别、自然语言处理和视频资料等研究以及对信息过程模拟的意识和思维，产生对智能新媒体艺术的新思维、新形式。该过程主要是根据用户数据，把文字、图片、视频和动效综合统一起来，用新技术生成式AI重组，以快速高效地产出符合用户需求的AI艺术初稿。

3.4  实证研究结果分析

通过实验及调查收集数据，使用决策树CART算法训练决策树模型，以用户为中心、反馈与引导、个性化以及以修改率最小的模型为最优解等原则，制作出更加优秀和受欢迎的新媒体艺术作品。这些设计原则和方法可以帮助设计团队设计出更加优秀和受欢迎的用户体验。当然，本研究有着一定的局限性和限制因素，例如样本采样种类、实验设计流程和初始虚拟模型等环节，需要大量前期工作的投入和确保可行性。然而，由于虚拟现实技术应用实现了设计方案以及成果的直观展现，为最终真实效果提供了有效的参照，实现了工作效率的大幅度提升。日前，人们已经开发出了许多具有强大功能的计算机三维软件，这些软件除了一些基本造型功能之外，还提供可以快速输入设计的常用模型命令。再加上开源AI大算力、大模型API的支持，企业开发大型的新媒体艺术已经不再困难。

4  结束语

本文深入研究了应用计算机新技术的用户体验式新媒体艺术生成，使用实证研究法，分析了实际应用案例，并收集了用户的反馈和评价，这些案例研究进一步验证了计算机新技术在用户体验式新媒体艺术生成中的潜力和影响。通过探索计算机新技术的应用和用户体验之间的关系，为新媒体艺术创作者提供了设计原则和指导性框架，以生成更丰富、沉浸式和个性化的用户体验式的新媒体艺术。本文探讨了研究结果的实际应用价值，帮助艺术创作者和设计师更好地利用计算机新技术来生成用户体验丰富的新媒体艺术作品，这对于推动新媒体艺术的创新和发展具有重要意义。

参考文献：

[1] PENG F. The Design of Interactive New Media Art Works Based on User Experience[J].Computer knowledge and technology，2019（9）.

[2] CAI X Y， LI J X. Design and Implementation of New Media Art User Experience based on Computer Technology[J].Technology Innovation and Application，2023（1）.

[3] CAI X Y， LI J X. Research on new media art generation in computer technology[J].Technology Innovation and Application，2023（7）.

[4] CAI X Y， GANG Z. Application research on data mining methods in Information communication mode of software. development[J]. Educational Technology and Computer Science IEEE，2011（2）：31-36.

[5] ZHANG G， YE C， WANG C， et al. Data Mining based Software Development Communication Pattern Discovery[J].International Journal of Modern Education & Computer Science，2010，2（2）.

[6] XIAO L Y. Research on the influence of digital media technology on art creation[J].Think tank era，2018（37）：147.

[7] ZHAN C X， LI Y G， SONG Y. Research on the construction of pilot psychological stress monitoring system based on virtual reality technology[J].Technology Innovation and Application，2023（1）.

[8] ZHENG H B， JI D， ZHANG J. Machine learning algorithms and practices[J].Jilin University Press，2021（19）.