research

摘要

随着人工智能与数字技术的快速发展，博物馆场景下的人机交互（HRI）已成为推动文化传播、提升观众体验的重要途径。但现有研究多聚焦系统功能与技术性能的优化，针对用户体验的结构化分析与设计优化相对不足。本研究以卡诺模型为基础，构建博物馆人机交互用户需求分析框架，从用户体验视角系统识别并刻画用户需求的多维结构；结合满意度 - 不满意度指数与敏感度比率的综合分析方法，对 8 个维度、30 项指标进行分类与优先级排序。研究结果显示，必备型需求是用户信任与感知安全的基础，一维型需求影响交互性能与操作效率，魅力型需求塑造情感投入与文化认同，无差异型需求反映系统包容性与持续优化潜力。基于此，研究提出以 “信任 - 性能 - 情感” 为核心、结合包容性设计原则的用户体验优化策略，旨在打造真正以人为中心的智慧博物馆体验。本研究存在两处主要局限：一是样本规模与多样性有限，二是缺乏对具体技术参数如何影响用户体验的细致量化分析。未来研究可融合多模态行为与情感数据，开展更严谨的跨学科实证探索。

研究背景

在数字化与智能化加速发展的背景下，博物馆的功能定位发生深刻转变，观众需求从传统静态观展，转向追求互动化、沉浸式的综合体验，他们不仅希望获取专业知识，更渴望通过互动参与实现对文化的深度理解与情感共鸣。传统人工讲解与静态展板虽有知识传递优势，却难以满足现代观众日益多元、个性化的需求，这一矛盾直接推动了人机交互在博物馆场景中的应用与发展。博物馆人机交互多以服务机器人为载体，涵盖虚拟代理、互动装置等形态，依托语音识别、自然语言处理等 AI 技术，在导览讲解、问答互动、教育普及等场景广泛应用，优质的交互设计能显著提升观众的沉浸感与参与度。但当前相关研究与实践大多侧重功能实现与技术性能提升，对用户体验缺乏系统性分析与深入探讨，导致博物馆人机交互难以充分贴合用户多层级需求，互动体验易停留在短期新奇感，无法支撑情感共鸣、文化认同等深层体验的达成，因此以用户需求为起点、以用户体验为核心的人机交互设计优化，成为亟待解决的关键课题。

研究方法

本研究先通过文献分析法梳理人机交互概念、博物馆人机交互应用案例及卡诺模型的理论基础，再运用词频分析法、德尔菲法，构建出包含 8 个维度、30 项指标的博物馆人机交互层级需求指标体系。实证研究阶段，以卡诺模型为理论依据，采用正反双向问卷开展调研，调研对象为有博物馆智能交互设备使用经验的成年观众，通过线上线下结合方式回收有效问卷 118 份；借助满意度指数（SI）、不满意度指数（DSI）判定各项指标的需求属性，同时引入敏感度系数（SR）计算各指标与原点的欧氏距离，明确指标优先级，最终结合需求属性与优先级结果，提炼用户体验优化策略。

结论

研究通过卡诺模型分类与优先级分析发现，博物馆人机交互的用户需求呈现清晰层级特征：必备型需求是用户信任与安全的核心基础，缺失会引发强烈不满，其中知识准确性、信息清晰性、系统稳定性等指标优先级最高；一维型需求与用户满意度呈线性相关，响应速度、语音识别准确率、界面直观性等交互性能指标，是提升体验效率的关键；魅力型需求虽非必备，但能大幅提升情感满足与文化认同，亲和力表达、多模态交互、趣味性等是打造差异化体验的核心；无差异型需求当前对用户体验影响较小，却承载着系统包容性与长期优化价值，尤其在公共文化服务场景中，无障碍支持、多语言服务等具备重要伦理意义。基于这些发现，博物馆人机交互用户体验优化应围绕 “信任 - 性能 - 情感” 三层维度推进，先筑牢知识准确、系统安全的信任基础，再优化语音识别、响应速度等交互性能，最后强化情感表达与文化融合，同时坚持包容性设计，最终构建真正以人为本的智慧博物馆交互体验。