5D Library › 计算美学、视觉显著性图谱与人机界面认知工程 · English
序:看见、选择与点下去
注
适用范围,请先读这一段。 本书是教学与研究用的数学模型与证据综述,不是设计规范、商业、营销、法律或无障碍合规建议,也不承诺任何转化率、点击率或销售额的提升。书中的网页、按钮、品牌、用户与实验数据都是虚构的或由程序模拟,不是任何真实网站、公司或用户的数据。书中的模型只在写明的假设下成立;真实用户的行为受任务、经验、文化、设备与环境影响,随时可能违反这些假设。无障碍要求(如 WCAG)的法律地位因国家和地区而异,具体合规问题请咨询专业人员。书中不提供任何「保证」「必胜」或「提升 X%」的方法。
一位访客打开一个商品页面。不到一秒,他的眼睛已经跳了两三次:先落在一张大图上,再跳到页面左上角的标志,然后才找到那个写着「加入购物车」的按钮。他要在五六个选项里决定点哪一个,再把光标移过去点下去。设计师常用几条简单的规则来安排这一过程:把重要的元素按黄金分割比 1.618 摆放,让任何内容都能在三次点击内到达,把按钮做大、放近、用对比强烈的颜色。这本书问的是:这些规则里,哪些有数学与证据的支撑,哪些需要限定,哪些是错的?
回答需要四层工具。第一层是选择与动作:人在几个选项中做决定、再把手移到目标上,各需要多少时间,这两段时间能否合在一起优化。第二层是早期视觉:在人有意识地「看」之前,视觉系统怎样把一幅画面分解为不同空间频率、颜色与方向的通道,哪些位置因此先「跳出来」。第三层是眼动:注视点怎样在页面上一跳一跳地移动,模型能预测多少,预测不到的部分来自哪里。第四层是美与复杂度:一个布局「好看」能否度量,度量的是什么。
本书的内容
第一章核对黄金分割比与「三次点击法则」两条流行说法;第二章讨论席克—海曼定律与菲茨定律,以及「搜索—决策—指向」全链路的耗时模型;第三章讨论视觉搜索与伊蒂—科赫—尼布尔显著性模型;第四章讨论眼动、中央偏差、扫视轨迹与返回抑制;第五章讨论空间频率通道、对比敏感度函数与 WCAG 的相对亮度和对比度;第六章讨论字号比例、伯克霍夫审美度量、压缩复杂度与第一印象的实证;第七章与《周礼·考工记》和李诫《营造法式》的「材分」模数制并读;第八章给出四步核查表与一项预注册的在线随机对照试验方案。
本书与 5D Library 的几本书相邻,重叠处只作简短回顾并注明出处,不重复其程序:第 3 本《神圣肘尺与谐振几何》讨论过长度标准与几何比例;第 6 本《注意力的经济学》讨论过注意力的稀缺与转化漏斗;第 24 本《注意力网络、工作记忆瓶颈与内在动机的自决定理论》讨论过波斯纳的定向网络与工作记忆容量(第三、四章只回顾);第 31 本《建筑声学、混响时间与空间环境心理学的物理模型》讨论过分形视觉维度与《考工记·匠人》(第六、七章只回顾);第 33 本《科学方法论、可证伪性与可重复性危机的数理统计》讨论过预注册、把握度与判定规则(第一、八章沿用);第 34 本《心理物理学、韦伯—费希纳定律与多感官贝叶斯整合的数学模型》讨论过韦伯定律、费希纳的额外假设与史蒂文斯幂定律(第五、六章只回顾);第 43 本《具身认知、伯恩斯坦自由度问题与运动协同的控制理论》讨论过菲茨原式与香农式的区别及最优子运动模型(第二章只回顾)。第 45 本的风险提示、披露与第八章体例为本书所沿用。
核对后修正的说法
作者给出的框架中,有以下几处经核对需要修正、补充或限定。各章遇到时如实说明,并汇总在随书的《编辑说明》中。
- 黄金分割比的「普适神话」。 作者框架要证伪的说法本身确实缺乏依据。费希纳 1876 年以来的长方形偏好实验结果微弱且依赖方法:配对比较中群体对黄金比的偏好很弱,个体偏好却稳定而各不相同 (McManus 1980; Green 1995; Spehar et al. 2016);指导语与被试的美术背景就能把平均偏好从黄金比推到正方形 (Hekkert et al. 1994)。本轮核查没有找到任何同行评审研究表明 1.618 提高网页转化。程序还显示,只要布局里有 8 个盒子,就有 0.795 的概率碰巧找到与 1.618 相差不到 1% 的比例,所以「这个成功页面里藏着黄金比」不构成证据(第一章)。
- 「三次点击法则」。 波特 2003 年的研究是用户界面工程公司(UIE)的行业研究,不是同行评审论文:44 名用户、620 项任务、8,000 多次点击中,点击次数与完成率无关,满意度也不随点击数变化 (Porter 2003);尼尔森诺曼集团也有同类文章 (Laubheimer 2019)。同行评审的菜单深度与广度研究给出的结论是「深度有代价,但信息气味与层级形状同样重要」,而不是「三次」 (Miller 1981; Kiger 1984; Larson and Czerwinski 1998)。作者框架中的「无条件」三字是对的批评对象,本书据此写成「点击次数不是有效的设计约束」,不写成「点击次数无关紧要」(第一章)。
- 席克—海曼公式。 作者框架写作 。席克 1952 年用 拟合等概选择的反应时,其中 对应「没有信号」这一额外备择 (Hick 1952; Proctor and Schneider 2018);海曼 1953 年用信息熵 ,不加 1 (Hyman 1953)。框架中的式子是二者的混合:等概时它恰好等于 (程序逐项核对),不等概时它既不是席克式也不是海曼式,在一个选项几乎必然出现时仍有 1 比特左右,而熵趋于 0。本书改用海曼式,并说明 的来历(第二章)。
- 「全链路总耗时最小化方程」。 把视觉搜索、决策与指向的时间相加,只有在写明布局变量、点击概率分布与搜索方式(串行或并行、新手或熟练)之后才是一个可以求解的最优化问题,而且解随假设而变 (Cockburn et al. 2007):在对数式菲茨定律下,最优按钮宽度与点击概率成正比,期望指向难度等于一个常数加海曼熵;对新手,串行阅读使「选项越多越慢」近似线性,而不是对数。框架中的「最小化方程」改写为「给定假设下的最优化」(第二章)。
- 伊蒂—科赫—尼布尔模型。 九级二进高斯金字塔、中心 、周边 、、42 张特征图、归一化算子与胜者全得加返回抑制,核对原文无误 (Itti et al. 1998)。但原文自己说明模型不含自上而下的成分,注意轨迹「不一定」与人的注视相似;网页上的中央偏差、左上偏差、文字与人脸往往比底层显著性更能预测注视 (Tatler 2007; Borji and Itti 2013; Shen and Zhao 2014)。本书的实现缩小到 256×192 的合成页面,以二阶差分代替加博尔滤波器,并逐项说明差异(第三、四章)。
- WCAG 相对亮度。 sRGB 线性化阈值在 WCAG 2.0 原文中为 0.03928,IEC 61966-2-1 为 0.04045,WCAG 自 2021 年 5 月起改为后者,并注明对计算没有实际影响 (W3C 2023; IEC 1999)。程序证明:两个阈值之间没有任何 8 位整数值(10/255 = 0.03922,11/255 = 0.04314),所以 8 位色的结果完全相同。作者框架未提 APCA;需要说明的是,APCA 已于 2023 年移出 WCAG 3 工作草案,WCAG 3 的对比度算法至今未定 (Roselli 2026)(第五章)。
- 「韦伯—费希纳字体阶梯律」。 设计中的模块化字号比例(1.2、1.25、1.333 等)是设计惯例,不是由韦伯分数推出的定律;韦伯定律只说明比例大于某个阈值的字号差可以分辨,并不偏爱任何一个比例。第 34 本已讨论过从韦伯到费希纳需要的额外假设。本书把「字号阶梯」写成作者的模型,所用的韦伯分数是假设值(第六章)。
- 伯克霍夫与柯尔莫哥洛夫。 伯克霍夫 1933 年的审美度量 照写 (Birkhoff 1933),但它给一般比例(不过分细长)的长方形同一个分数 1.25,不能区分黄金长方形,正方形得分更高(1.50);柯尔莫哥洛夫复杂度不可计算,只能用压缩长度作上界代理 (Li and Vitányi 2008)。视觉复杂度与第一印象的实证(林德高等 2006 年的 50 毫秒研究、图赫等 2012、赖内克等 2013)照写,并注明样本与效应 (Lindgaard et al. 2006; Tuch et al. 2012; Reinecke et al. 2013)(第六章)。
- 原典与营造尺度。 《考工记》「审曲面埶,以饬五材,以辨民器,谓之百工」:本轮可取得的网络录文(中国哲学书电子化计划)作「势」,作者框架与传统注疏本作「埶」,「埶」读为「势」;作者指定的孙诒让《周礼正义》中华书局点校本纸本本轮未能取得,本书暂从「埶」并注明读音,请作者对照点校本核定 (孙诒让 撰,王文锦、陈玉霞 点校 1987)。《营造法式》卷四「凡构屋之制,皆以材为祖;材有八等,度屋之大小,因而用之」「各以其材之广,分为十五分,以十分为其厚」核对无误(网络录文有「祖。」「祖;」两种标点);八等材的广厚比都是 15:10 = 3:2,与黄金比相差 7.3%,「足材」为 21:10 (李诫 撰;梁思成 注释 1983)。人类视场的宽高与屏幕比例的对照只作类比(第七章)。
- 第八章的结局。 作者框架提出比较「优化布局」与「对照布局」。本书只设一项主要结局:找到并正确点击目标的对数完成时间;首次点击正确率作次要结局,理由见第八章(第八章)。
如何阅读标注框
与 5D Library 的其他书一样,不同类型的陈述分开标注。
证据
证据框报告已发表的研究结果,并注明出处。
推导
推导框给出简短的 Python 程序。每段程序都可以在标准 Python 3 环境中原样运行,只用标准库,固定了随机种子,程序下方附有实际运行结果。书中的页面、按钮、用户与实验数据都是虚构或程序合成的,参数是示意值,不是对任何真实网站或人群的估计。
假说 · 尚未验证
假说框是作者的想法,标明「尚未确立」,并写明什么样的结果能证明它是错的。作者自己的模型与定义在正文中标明「作者的模型」。
原典
原典框引用古代文献,并附白话解释。
注
注框给出提醒并解释取舍。
本版说明
这是 1.0.0 版,第一个完整版:序与八章,中英双语。书中共有 16 段 Python 程序与 5 张矢量图。正文、标注框与代码由 AI 写作工具依据作者提供的书名、框架与要点起草,作者负责审阅、修改并核对出处。AI 起草的文字可能在文献细节上出错,欢迎通过 5D Library 网站指正。第一章的菜单树模型、第二章的工具栏链路模型、第四章的观察者混合模型与注视时序模型、第六章的字号阶梯模型与第八章的核查表阈值是作者的模型,它们的数学性质不是关于真实用户的证据。
利益披露
作者以 5D Library 的著作(包括本书)作为其社群课程、升维牌卡(5D Ascension Cards,Dimensional Shift Card Decks)与 Yafu AI 知识库的方法论基础,因此与本书主题有商业利益关系。本书不推销任何课程、牌卡或服务;第八章的试验设计为由独立于作者企业的研究人员实施和分析,不从作者的社群、学员或客户中招募;书中所有代码与研究方案均公开,供任何人检验。作者创办并经营 Asia Influencer X 与 Yafu Global,从事网红营销、直播电商、数字营销与网站设计建设,工作中涉及本书讨论的界面设计与转化问题,因此与本书主题有直接商业利益;本书不使用这两家公司或其客户的数据作为证据,也不推销其服务。
参考文献
Fan, Y. (2026). Computational Aesthetics, Visual Saliency Maps and Cognitive Ergonomics in User Interface Design: From the Hick–Hyman Law and Spatial Frequency Channels to Saccadic Trajectory Modelling, Read Beside the Kaogongji and Classical Treatise on Architectural Methods [计算美学、视觉显著性图谱与人机界面认知工程] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23836258 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).