新闻详情

新闻详情

首页 / 资讯中心 / 详情

读《设计心理学1》|交互设计六大核心要素笔记(示能、意符、映射、概念模型、反馈、约束)

发布时间:2026/11/16 20:59:21来源:尧图网络
读《设计心理学1》|交互设计六大核心要素笔记(示能、意符、映射、概念模型、反馈、约束)
CSDN博客正文:读《设计心理学1》|交互设计六大核心要素笔记(示能、意符、映射、概念模型、反馈、约束)📖 书籍:《设计心理学1:日常的设计》(唐纳德·A·诺曼)✍️ 前言:最近在学习上位机、嵌入式软件UI界面开发,发现很多程序写完之后,功能没问题,但是用户上手难、容易误操作、不知道怎么点。偶然翻起经典著作《设计心理学》,诺曼提出的六大交互设计基础概念,刚好可以用来指导GUI、工控界面、APP的交互设计。注意:很多网上笔记直接把六大原则全部归到第一章,实际上中信中文版原版排版并不是第一章一次性讲完所有概念。示能、意符、映射、反馈开篇引入;概念模型在行动七阶段章节重点阐述;约束是放在第四章专门讲解,笔记汇总的时候一般统一整理为六大设计基础要素。🔍 一、示能(Affordance)——物品固有的操作可能性定义:示能是物体本身自带的物理属性,代表物体可以提供哪些操作可能,属于客观属性,不依赖人是否发现、会不会使用而改变。简单一句话概括:示能 = 这个东西本身能做什么。✅ 案例:椅子拥有可以承重的属性,示能就是“能够坐下”电容触摸屏,本身具备可以按压、滑动操作的示能USB接口的物理形态,自带可以插入适配插头的示能💡 设计思考:示能是一切交互的底层基础。上位机、嵌入式UI开发的时候,控件本身就具备点击、拖拽、输入等示能;如果控件本身不支持多选,那就不存在多选这个示能。⚠️ 关键点:示能是客观存在的,就算用户没有发现怎么操作,示能依然存在。📢 二、意符(Signifier)——告诉用户在哪里操作的提示信号
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉