《情感化设计》——Donald A. Norman

4星 · 超过85%的资源 需积分: 9 51 下载量 84 浏览量 更新于2024-08-02 收藏 13.78MB PDF 举报
"Emotional Design - 为什么我们热爱(或讨厌)每件事物 - 诺曼" 诺曼的《Emotional Design》深入探讨了人类与产品、环境甚至技术之间的情感联系。这本书揭示了我们对日常事物的爱恨情感背后的原理,阐述了设计如何触动我们的感官、行为和认知层次。诺曼,作为一位知名的设计理论家和心理学家,以其深厚的学识为基础,将情感化设计的理念引入了人机交互和用户体验设计领域。 情感化设计是设计过程中的一个重要概念,它强调设计师不仅要关注产品的功能性和实用性,还要考虑产品如何引发用户的情绪反应。诺曼在书中提到,设计应该考虑三个层面:外观和感觉(Visceral Level)、行为(Behavioral Level)以及反思或深层(Reflective Level)。这三个层面分别对应了人类感知的即时反应、使用时的交互体验,以及对产品更深层次的认知和情感价值。 1. 外观和感觉层(Visceral Level):这是最直观的层面,涉及到产品的视觉吸引力和第一印象。设计师通过形状、颜色、材质等元素创造引人注目的设计,激发用户的感官反应。 2. 行为层(Behavioral Level):这一层关注产品的使用体验。好的设计应该使用户能够自然地操作和理解产品,满足他们的功能需求,同时减少错误和挫败感。 3. 反思层(Reflective Level):这是设计中较为抽象的部分,涉及用户对产品的思考和评价。设计师通过创造独特而深刻的品牌形象,或者唤起用户的个人记忆和情感,来建立与用户的情感联系。 《Emotional Design》提醒我们,成功的设计不仅在于解决实际问题,还在于能否触动用户的心弦,使他们产生情感上的共鸣。这种共鸣可以增强用户的满意度,促进品牌忠诚度,并可能影响他们的购买决策。通过对这三个层次的综合考虑,设计师可以创造出既实用又令人喜爱的产品。 诺曼的其他作品,如《The Design of Everyday Things》和《The Psychology of Everyday Things》,也强调了理解人类认知和行为对于优化设计的重要性。他的著作在人机交互和用户体验设计领域产生了深远影响,推动了设计师们更加注重用户情感和心理需求的考虑。 在实际应用中,情感化设计已经广泛应用于各种领域,包括汽车设计、手机界面、家居产品等。通过理解并利用诺曼的情感设计理论,设计师们能够创造出更具吸引力、更易用且更能触动人心的产品,从而提升用户的整体体验。

优化以下代码,提高情感指标值,并做出解释,# 载入否定词表 notdict = pd.read_csv("not.csv") # 处理否定修饰词 data_posneg['amend_weight'] = data_posneg['weight'] # 构造新列,作为经过否定词修正后的情感值 data_posneg['id'] = np.arange(0, len(data_posneg)) only_inclination = data_posneg.dropna() # 只保留有情感值的词语 only_inclination.index = np.arange(0, len(only_inclination)) index = only_inclination['id'] for i in np.arange(0, len(only_inclination)): review = data_posneg[data_posneg['index_content'] == only_inclination['index_content'][i]] # 提取第i个情感词所在的评论 review.index = np.arange(0, len(review)) affective = only_inclination['index_word'][i] # 第i个情感值在该文档的位置 if affective == 1: ne = sum([i in notdict['term'] for i in review['word'][affective - 1]]) if ne == 1: data_posneg['amend_weight'][index[i]] = -\ data_posneg['weight'][index[i]] elif affective > 1: ne = sum([i in notdict['term'] for i in review['word'][[affective - 1, affective - 2]]]) if ne == 1: data_posneg['amend_weight'][index[i]] = -\ data_posneg['weight'][index[i]] # 更新只保留情感值的数据 only_inclination = only_inclination.dropna() # 计算每条评论的情感值 emotional_value = only_inclination.groupby(['index_content'], as_index=False)['amend_weight'].sum() # 去除情感值为0的评论 emotional_value = emotional_value[emotional_value['amend_weight'] != 0],emotional_value['a_type'] = '' emotional_value['a_type'][emotional_value['amend_weight'] > 0] = 'pos' emotional_value['a_type'][emotional_value['amend_weight'] < 0] = 'neg'

2023-05-25 上传