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。

  1. 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)。
  2. 「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)。
  3. 席克—海曼公式。 作者框架写作 RT=a+b∑pilog⁡2(1/pi+1)RT = a + b\sum p_i\log_2(1/p_i + 1)。席克 1952 年用 log⁡(n+1)\log(n+1) 拟合等概选择的反应时,其中 +1+1 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 H=∑pilog⁡2(1/pi)H = \sum p_i\log_2(1/p_i),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 log⁡2(n+1)\log_2(n+1)(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 +1+1 的来历(第二章)。
  4. 「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)。
  5. 伊蒂—科赫—尼布尔模型。 九级二进高斯金字塔、中心 c∈{2,3,4}c\in\{2,3,4\}、周边 s=c+δs = c+\delta、δ∈{3,4}\delta\in\{3,4\}、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)。
  6. 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)。
  7. 「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)。
  8. 伯克霍夫与柯尔莫哥洛夫。 伯克霍夫 1933 年的审美度量 M=O/CM = O/C 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)。
  9. 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)。
  10. 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

Birkhoff, George D. 1933. Aesthetic Measure. Harvard University Press.
Borji, Ali, and Laurent Itti. 2013. “State-of-the-Art in Visual Attention Modeling.” IEEE Transactions on Pattern Analysis and Machine Intelligence 35 (1): 185–207.
Cockburn, Andy, Carl Gutwin, and Saul Greenberg. 2007. “A Predictive Model of Menu Performance.” Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ’07), 627–36. https://doi.org/10.1145/1240624.1240723.
Green, Christopher D. 1995. “All That Glitters: A Review of Psychological Research on the Aesthetics of the Golden Section.” Perception 24: 937–68. https://doi.org/10.1068/p240937.
Hekkert, Paul, C. (Lieke) E. Peper, and Piet C. W. Van Wieringen. 1994. “The Effect of Verbal Instruction and Artistic Background on the Aesthetic Judgment of Rectangles.” Empirical Studies of the Arts 12 (2): 185–203. https://doi.org/10.2190/RMEM-K5KL-R2RN-7A2Y.
Hick, W. E. 1952. “On the Rate of Gain of Information.” Quarterly Journal of Experimental Psychology 4 (1): 11–26. https://doi.org/10.1080/17470215208416600.
Hyman, Ray. 1953. “Stimulus Information as a Determinant of Reaction Time.” Journal of Experimental Psychology 45 (3): 188–96. https://doi.org/10.1037/h0056940.
IEC. 1999. IEC 61966-2-1: Multimedia Systems and Equipment – Colour Measurement and Management – Part 2-1: Colour Management – Default RGB Colour Space – sRGB. International Electrotechnical Commission.
Itti, Laurent, Christof Koch, and Ernst Niebur. 1998. “A Model of Saliency-Based Visual Attention for Rapid Scene Analysis.” IEEE Transactions on Pattern Analysis and Machine Intelligence 20 (11): 1254–59.
Kiger, John I. 1984. “The Depth/Breadth Trade-off in the Design of Menu-Driven User Interfaces.” International Journal of Man-Machine Studies 20: 201–13.
Larson, Kevin, and Mary Czerwinski. 1998. “Web Page Design: Implications of Memory, Structure and Scent for Information Retrieval.” Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ’98), 25–32.
Laubheimer, Page. 2019. The 3-Click Rule for Navigation Is False. Nielsen Norman Group article.
Li, Ming, and Paul Vitányi. 2008. An Introduction to Kolmogorov Complexity and Its Applications. 3rd ed. Springer.
Lindgaard, Gitte, Gary Fernandes, Cathy Dudek, and J. Brown. 2006. “Attention Web Designers: You Have 50 Milliseconds to Make a Good First Impression!” Behaviour & Information Technology 25 (2): 115–26. https://doi.org/10.1080/01449290500330448.
McManus, I. C. 1980. “The Aesthetics of Simple Figures.” British Journal of Psychology 71 (4): 505–24.
Miller, Dwight P. 1981. “The Depth/Breadth Tradeoff in Hierarchical Computer Menus.” Proceedings of the Human Factors Society 25th Annual Meeting, 296–300.
Porter, Joshua. 2003. Testing the Three-Click Rule. User Interface Engineering (UIE) article, 16 April 2003.
Proctor, Robert W., and Darryl W. Schneider. 2018. “Hick’s Law for Choice Reaction Time: A Review.” Quarterly Journal of Experimental Psychology 71 (6): 1281–99. https://doi.org/10.1080/17470218.2017.1322622.
Reinecke, Katharina, Tom Yeh, Luke Miratrix, et al. 2013. “Predicting Users’ First Impressions of Website Aesthetics with a Quantification of Perceived Visual Complexity and Colorfulness.” Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ’13), 2049–58.
Roselli, Adrian. 2026. WCAG3 Contrast as of April 2026. Blog post, adrianroselli.com.
Shen, Chengyao, and Qi Zhao. 2014. “Webpage Saliency.” Computer Vision – ECCV 2014, 33–46. https://doi.org/10.1007/978-3-319-10584-0_3.
Spehar, Branka, Nicholas Walker, and Richard P. Taylor. 2016. “Taxonomy of Individual Variations in Aesthetic Responses to Fractal Patterns.” Frontiers in Human Neuroscience 10: 350. https://doi.org/10.3389/fnhum.2016.00350.
Tatler, Benjamin W. 2007. “The Central Fixation Bias in Scene Viewing: Selecting an Optimal Viewing Position Independently of Motor Biases and Image Feature Distributions.” Journal of Vision 7 (14): Article 4, 1–17.
Tuch, Alexandre N., Eva E. Presslaber, Markus Stöcklin, Klaus Opwis, and Javier A. Bargas-Avila. 2012. “The Role of Visual Complexity and Prototypicality Regarding First Impression of Websites: Working towards Understanding Aesthetic Judgments.” International Journal of Human-Computer Studies 70 (11): 794–811.
W3C. 2023. Web Content Accessibility Guidelines (WCAG) 2.2. W3C Recommendation, 2023; relative-luminance definition with the note on the threshold change of May 2021.
孙诒让 撰,王文锦、陈玉霞 点校. 1987. 周礼正义. 《冬官·考工记》. 中华书局.
李诫 撰;梁思成 注释. 1983. 营造法式注释(卷上). 卷四《大木作制度一·材》. 中国建筑工业出版社.

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).