随着移动互联网时代的到来，智能手机APP逐渐融入现代人的生活^[1]。在技术趋于相同的情况下，用户体验成为吸引消费者的重要因素。我国老龄化现象愈发严重，老年人口越来越多，老年人对于智能手机产品的用户体验值得关注^[2]。

目前老年人APP的用户体验研究主要可以分为3类。第1类是从老年人交互行为的角度出发，探讨老年人APP设计的原则和规范，如杨志^[3]通过对老年人视觉识别设计的研究，提出设计应体现出对老年人的关怀；第2类是基于现有的设计原则对老年人APP进行研究，如可用性原则、通用性原则等；第3类是针对某一特定功能的老年人APP，如医疗APP、购物APP等^[4]，探讨其设计原则。总体来看，现有研究大多围绕老年人的用户研究、生理心理特征分析以及视觉设计等方面，主要采用定性研究方法，缺少以定量研究方法为主的APP用户体验优化设计。

APP设计模式的不同组合对应着不同的设计方案，这些设计方案有着不同的用户体验，设计师需要对这些设计方案进行评价和比较，以确定最优的设计方案^[5]。但是，当设计模式的组合情况较为复杂时，设计师很难依靠直觉找出最优的设计方案，因此需要借助合适的方法进行辅助。遗传算法(genetic algorithm)是一种通过模拟自然进化过程搜索最优解的方法，与传统的优化方法相比较，遗传算法具有较好的收敛性，并具有高效、稳健的特点^[6]，已被成功应用于产品造型设计^[7]、网页设计^[8]等中。

本研究将遗传算法应用于用户体验的优化设计中，提出基于遗传算法的老年人APP用户体验优化设计方法，并以移动支付APP为案例进行研究。

1 理论背景 1.1 用户体验与APP设计模式

用户体验是指用户在使用一个产品或系统之前、使用期间和使用之后的全部感受^[9]，通常包括感官体验、交互体验以及情感体验等方面。用户体验度量一般通过特定的量表^[10]，将用户体验分成不同的层面，再细分成详细的评价指标，并围绕指标设置对应的问题进行打分。

设计模式是用于解决在特定背景下特定问题的一种可重复使用的解决方案。设计模式构成设计语言，让设计易于学习和理解^[11]。通过多种模式的组合，可以简洁高效地应对实际设计问题的复杂状况。在移动APP设计过程中，寻找现有的符合需求的APP设计模式，可以借用前人的设计经验，从而提高设计的效率。

1.2 数量化理论Ⅰ

数量化理论Ⅰ是由日本学者林知己夫提出的一种处理定性与定量数据的多元统计方法，其主要目的是进行预测以及寻找自变量对因变量的影响程度。国内外已有许多学者将数量化理论Ⅰ运用到设计中，并取得了一定的研究成果^[12-13]。

在数量化理论Ⅰ中，将定性变量称为项目(item)，项目中的各种类别称为类目(category)，并假设因变量与各项目、类目的反应间存在线性关系，其数学模型如下。

$\quad\quad{y_i} = \sum\limits_{i = 1}^n {\sum\limits_{k = 1}^{{c_i}} {{a_{ik}}{\partial _i}(j,k) + {\zeta _j}} }{\text{。}} $

(1)

其中， ${a_{ik}}$ 为第i个类目下的第k个常数， ${\zeta _j}$ 为第j次抽样的随机误差。

1.3 遗传算法

遗传算法(GA)由Holland提出，是模拟达尔文生物进化论的遗传选择和自然淘汰的生物进化过程的计算机模型^[14]。其主要特点是具有内在的隐并行性和更好的全局寻优能力，采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向。

GA按照“优胜劣汰、适者生存”原则，对初始群体的染色体进行选择、交叉、变异等运算以产生新一代的子群。选择是将上一代初始群体中适应度值较高的染色体挑选出来繁殖到下一代群体中；交叉是对适应度值较高的两个染色体在某一相同位置截断，前后交叉组合成两个新的染色体；变异是对随机交叉产生的个体中某一位或多位进行二进制编码翻转操作。在经历一代一代的选择、交叉等遗传过程后，最后会收敛到最接近目标的解，GA通常采用设定最大遗传代数的方法结束GA遗传操作。

2 研究方法

本研究提出基于遗传算法的老年人APP用户体验优化设计方法，其研究过程主要包括：APP设计模式分析、方案原型设计、APP用户体验评价、APP设计模式与用户体验关系模型的构建、GA优化设计等，研究的框架如图1所示。

2.1 APP设计模式分析

对设计模式的考虑是APP设计的重要组成部分，将APP划分成多个模式，以在设计时从中选择合适的模式进行重复利用。对于老年人APP来讲，要考虑老年人特殊的生理和心理状况去选择APP设计模式。记APP设计模式的类型特征单元集为 ${X} = \left\{ {{{X}_1},{{X}_2},{{X}_3},...,{{X}_n}} \right\}$ ，则第i项设计模式对应的类型矩阵为

$\quad\quad{{X}_i} = \left[ {{X_{i1}},{X_{i2}},...,{X_{im}}} \right]{\text{。}}$

(2)

2.2 方案原型设计

在APP设计模式确定后，需要对其加以组合以产生样本方案。当设计模式产生样本方案的规模较大时，由于研究条件限制，很难逐一地对样本方案进行研究，此时可采用正交试验设计法。该方法根据正交原则从全面试验中挑选出有代表性的点进行试验，可以从很大程度上压缩样本的数量。

2.3 APP用户体验评价

本研究以Park^[15]提出的评价量表为原型。老年用户的认知能力和记忆能力均有所衰退。该量表中易学性、易记性、可识别性等指标可以较好地反映老年人APP的用户体验状况。

2.4 基于数量化理论I构建老年人APP设计模式与用户体验的关系模型

将APP设计模式作为自变量，将老年人用户体验作为因变量，根据式(1)建立用户体验评价值与设计模式之间的关系模型，其中第i项设计模式对第j个用户体验评价层面贡献值的矩阵为

$\quad\quad{{A}_{ji}} = \left[ {{A_{j1}},{A_{j2}},...,{A_{jm}}} \right]{\text{。}}$

(3)

2.5 GA优化设计

利用GA对老年人APP用户体验进行优化，包括以下4个步骤：1) APP设计模式编码与产生初始群体；2) 建立适应度评价函数；3) 优化流程及参数设定；4) 优化设计与结果验证。

2.5.1 APP设计模式编码与产生初始群体

APP设计由不同的单元元素组成，染色体的编码操作是将不同的设计模式进行二进制编码化，建立设计模式与二进制编码的对应关系。本研究采用开关式名义尺度编码方式，该编码方式的位数与APP模式的类型数量相等，每个设计模式的编码中仅有一个数位为“1”，其余为“0”，而其“1”的位置与APP设计模式的类型相对应。例如老年人APP导航模式分为3种类型，其中1款APP导航模式为类型2，则该APP导航模式的编码为“010”。

2.5.2 建立适应度评价函数

GA求解函数最优化问题时通过适应度函数值的大小来区分每个个体的优劣。适应度函数的选取直接影响到遗传算法的收敛速度以及能否找到最优解，本文将采用层次分析法(analytic hierarchy process，AHP)来优化适应度函数^[16]。AHP把复杂问题中的各因素划分成有序的相关层次，在每一层次中每2个元素进行相对重要性比较，从而确定全部要素的权重，AHP适合指标结构复杂的评价体系。

利用AHP对用户体验评价体系每一层次中每两个元素的相对重要性给出定量表示，从而确定出全部元素的权重。首先构造层次间重要性次序的判断矩阵，其中C₁、C₂、…...、C_n是老年人用户体验的各评价层面，c_ij表示C_i相对于C_j的重要程度，评价矩阵如式(4)所示。

$\quad\quad{C} = {({c_{ij}})_{n \times n}} = \begin{array}{*{20}{c}}{{C_1}}\\{{C_2}}\\ \vdots \\{{C_n}}\end{array}\left[ {\begin{array}{*{20}{c}}{{c_{11}}}&{{c_{12}}}& \cdots &{{c_{1n}}}\\{{c_{21}}}&{{c_{22}}}& \cdots &{{c_{2n}}}\\ \vdots & \vdots & {} & \vdots \\{{c_{n1}}}&{{c_{n2}}}& \cdots &{{c_{nn}}}\end{array}} \right]{\text{。}}$

(4)

接着针对构造的判断矩阵，使用式(5)求出用户体验各层面的相对权重值，并进行一致性检验^[17]。

$\quad\quad{w_j} = \frac{{{{\left( {\prod\limits_{i = 1}^n {{c_{ij}}} } \right)}^{1/n}}}}{{\sum\limits_{i = 1}^n {{{\left( {\prod\limits_{j = 1}^n {{c_{ij}}} } \right)}^{1/n}}} }}{\text{。}}$

(5)

本研究根据式(6)建立遗传算法的适应度函数，该函数结合数量化理论Ⅰ的预测结果和AHP所得的相对权重来计算用户体验的评价值。

$\quad\quad F = \sum\limits_{j = 1}^n {{w_j}{y_j}} ,$

(6)

式中，w_j为用户体验各层面的相对权重值，y_j为第j个用户体验层面的预测结果，且 ${y_i} = \displaystyle\sum\limits_{i = 1}^n {{A_{ji}}} X_i^{\rm{T}}$ ^[7]。

2.5.3 优化流程及参数设定

GA采用Matlab进行编程，需要设定的相关参数包括种群数(Pop-Size)、遗传代数(Gen)、交叉概率(Pc)、变异概率(Pm)等。其中，种群数为初始种群中产品的个数，遗传代数、交叉概率和变异概率根据具体情况进行设定。

2.5.4 优化设计与结果验证

当GA优化迭代终止时，会输出最优的染色体编码，将染色体解码还原成对应的APP设计模式组合，并据此建立APP的高保真原型。为了验证研究方法的正确性，需要对得到的最优方案进行确认。

3 案例研究

移动支付的高速发展带来了前所未有的便捷，极大地改变了人们的生活方式。可是对于一些老年人来讲却很陌生，在使用移动支付类APP时常遇到困难。因此本研究以移动支付APP为案例进行研究。

3.1 老年人移动支付APP设计模式分析

在对国内外相关文献的研究^[18-19]和对应用市场上常见移动支付类APP综合分析的基础上，通过焦点小组(由3名APP交互设计师、6名有1年以上APP使用经验的老年人所组成)确定了8种APP设计模式及其类型，见表1。如导航模式^[20](X₄)包含仪表盘(X₄₁)、列表式(X₄₂)、标签式(X₄₃)等3种类型。其中，仪表盘是将频繁使用的多个核心功能汇聚在主界面；列表式是用列表展示窗口，突出内容；标签式可以直观了解APP的核心功能，实现快速控制。

3.2 老年人移动支付APP正交原型设计

通过对设计要素的组合设计试验样本，表1中有7个设计模式含有3个子类型，1个设计模式含有2个子类型，将会产生4 374(3×3×3×3×3×3× 3×2=4374)种方案组合，采用正交试验设计法挑选出有代表性的试验样本。根据 ${L_{18}}\left( {{2^1} \times {3^7}} \right)$ 正交表，最终确立了18个代表性样本，其组合方案如表2所示。

通过设计调研确定了老年人APP移动支付产品的功能需求，设计了18款移动APP方案原型，包括首页、扫一扫、我的钱包、生活缴费等功能页面，其中部分方案的首页如图2所示。

3.3 APP用户体验评价

老年人APP用户体验评价体系如图3所示。该体系以Park提出的评价体系为原型，共包括认知支持、信息质量、交互支持、绩效支持、用户支持等5个维度下的21个评价指标。以该评价体系为基础设计老年人移动支付APP偏好调查问卷。评价项目采用7阶Likert量表(1表示非常不同意，7为非常同意)，问卷的Cronbach’s α 为0.885，表明问卷可信度较高，可用来对老年人APP进行用户体验评价。

研究邀请了30名有移动支付APP使用经验的老年人被试。其中包括男性15名、女性15名，平均年龄为62.5岁。对问卷结果进行整理，18个样本用户体验评价的平均值如表3所示。

3.4 基于数量化理论I构建老年人APP设计模式与用户体验的关系模型

在数量化理论Ⅰ的模型中，类目得分反映自变量对因变量影响的程度和方向。得分越大表示对因变量的影响程度越大。正值代表接近该指标，负值表示背离该指标。以“A：认知支持”为例，各设计类型的类目得分表如表4所示。其中“图标类型(X₁)”中的“指示型(X₁₁)”类目得分为0.171，表示指示型图标对认知支持产生积极影响，而“象征型(X₁₂)”的类目得分为–0.171，表示象征型图标对认知支持产生消极影响。

3.5 GA优化设计 3.5.1 移动支付APP设计模式编码和产生初始群体

老年人移动支付APP设计模式共包含8种设计模式，每种设计模式包含2~3种类型。根据二进制编码原则将产生16位的二进制位染色体串。将正交试验设计所产生的18个典型样本作为初始群体，其染色体的编码如表5所示。

3.5.2 适应度评价函数建立

邀请18名被试(其中12名是老年人交互式产品设计领域专家，6名为老年人用户)进行用户体验评价指标权重问卷调查，要求他们对5个层面的评价层面进行两两比较，将得到的评价结果进行群体化处理^[21]。依据式(5)得出用户体验评价5个层面的权重值依次为0.426、0.198、0.198、0.091、0.088。可以看出对于APP用户体验，老年人更注重认知，其次是信息呈现与交互方式。

将得出的权重值w_j代入式(6)，构建的适应度函数为

$\quad\quad F = 0.426{y_1} + 0.198{y_2} + 0.198{y_3} + 0.091{y_4} + 0.088{y_5}{\text{。}}$

(7)

其中y₁、y₂、y₃、y₄及y₅分别表示由数量化理论Ⅰ所得到的“A：认知支持”、“B：信息质量”、“C：交互支持”、“D：绩效支持”以及“E：用户支持”的预测结果。

3.5.3 GA设计优化流程

本研究采用轮盘赌法进行选择、单点交叉法进行交叉、翻转法进行变异，GA的交叉率Pc=0.90，变异率Pm=0.10，种群规模取100，终止代数Gen取100代。执行程序后，可以得到适应值的趋势图，如图4所示。

3.5.4 GA优化结果及验证

从目标函数值和性能进化情况来看，进化前期增长速度很快，当进化迭代次数到第4代时，适应值变化逐渐稳定到7.051 8，表示函数已经收敛。此时APP设计模式编码为“10 100 010 100 100 100 010 001”，解码结果为{X₁₁ X₂₁ X₃₂ X₄₁ X₅₁ X₆₁X₇₂ X₈₃}，即表示对于老年人移动支付APP，用户体验最优的设计模式的组合是：图标类型为“指示型”、字体样式为“微软雅黑”、字体大小为“40 px”、导航模式为“仪表盘”、色彩风格为“暖色调”、视觉风格为“扁平化”、引导式样为“浮层”、反馈类型为“声音”。图5为最优设计方案的部分高保真原型界面。

邀请被试对所得到的最优方案进行评价，将其结果与18个正交设计样本的调查结果进行比较，发现利用遗传算法得出的最优设计方案平均分最高。因此本研究所提出的方法能够有效地对老年人APP的用户体验进行优化设计。

4 结语

本研究以老年人APP的用户体验作为研究出发点，提出了基于遗传算法的老年人APP用户体验优化设计方法，探索了APP设计模式的分类，构建了用户体验的评价体系，建立了APP设计模式与用户体验之间的关系模型，在此基础上利用遗传算法得到了用户体验最优的APP设计方案，并对其进行了验证。需要指出的是在本研究中APP的设计模式只选取了8种，APP设计模式还包括其他很多类型，在后继研究中将会引入更多的设计模式，设计模式越多，产生的设计方案越具有多样性，遗传算法的优势也会越明显。此外，后继研究也可针对不同背景下的老年人进行APP用户体验的优化设计。