Crafting intuitive
digital experiences
through research.

欢迎来到我的创作世界

Selected Case Studies

VR Project Cover
UX Research Spatial Computing

VR射击游戏手势交互体验研究

作为硕士核心课题,本项目聚焦虚拟现实场景下的自然交互。创新性引入主观问卷量表,从多维度精准评估用户的沉浸感阈值与系统可用性,为底层交互逻辑重塑提供科学支撑。

View Case Study
AR/Vision Pro Project Cover
Ecosystem Analysis Apple Vision Pro

基于iOS的AR增强现实技术探索

运用 PEST 与 TAM 模型,面向五大领域收集 200+ 问卷。通过拆解头部应用,深度剖析并提炼了核心 UI 设计模式与交互特征,输出完整的 AR 技术采纳度研究报告。

View Case Study
Siemens 共享洗衣机项目封面
UI/UX Design Gamification

校园共享洗衣机全链路体验与游戏化设计

聚焦校园共享洗衣场景,结合西门子品牌基因进行体验重塑。通过精细的用户旅程分析,引入“Bubble Life”游戏化机制与情感化UI,有效缓解等待焦虑,打造年轻态的智能洗衣体验。

View Case Study
AI Writing Research Cover
HCI Paper Generative AI

基于认知负荷理论的 AI 辅助写作粒度机制研究

结合认知负荷理论(CLT),通过被试内设计与拉丁方阵实验揭示了“句子级、段落级、全文级”不同AI辅助粒度对用户写作成效与心流体验的动态影响,探讨人机协作中的能动性平衡。

Read Academic Paper

About & Expertise

Experience

TCL 实业控股股份有限公司

用户体验与运营设计

2025.03 - 2025.06
  • 用户洞察与策略制定:针对Z世代校招群体进行深度用户调研,剖析其内容消费偏好,制定匹配的雇主品牌视觉与交互策略。
  • 全链路视觉体验优化:主导设计20+套校招主题海报、折页等视觉素材,推动宣传内容二次传播率达38%,有效强化技术类候选人品牌心智。
  • 多模态内容策划:搭建小红书账号体验闭环,策划产出短视频、H5等传播内容。推出《学长学姐说》等爆款视频,单篇评论超100+,月度浏览量突破1万+。

成都市皓煊光电新材料科技研发中心

交互设计实习生

2022.06 - 2022.08
  • 商业化需求洞察:对技术转化产品进行前期调研,梳理相关行业产品线,并结合地区文化属性提出可实施的商业化落地路径。
  • 交互体验优化迭代:运用故事板与七何分析法推演用户使用场景,输出5套概念方案并细化出3套核心方案交付技术部。针对初代实物模型进行人机交互评估,优化使用流程与细节体验感受。

Toolkit

Figma Rhino Keyshot PS / AI

Honors & Awards

  • 2025新加坡金沙艺术设计奖
  • 2024移动应用创新大赛省级奖项
  • 第五届ICAD国际当代青年美术设计大赛铜奖
  • BICC中英国际创意大赛铜奖
  • 2025新加坡金沙艺术设计大赛SGADC铜奖
UX Research VR & Spatial Computing Master's Core Project

VR射击游戏手势交互
体验研究与优化

摒弃传统的物理手柄,通过科学的量表评估与人机工学分析,重塑虚拟现实中的自然手势交互体验,打造真正沉浸式的数字空间。

VR射击游戏靶场场景

Role

Lead UX Researcher
Interaction Designer

Timeline

2024 - 2026

Tools

Figma, Unity (VR),
SPSS

Focus

Usability Testing,
Ergonomics Analysis

01 研究背景与挑战 (The Challenge)

在当前的VR射击游戏中,大多数交互仍然依赖于笨重的物理手柄,这不仅破坏了用户的“在场感(Presence)”,且长时间使用极易引起手部疲劳。

核心痛点:缺乏科学的评估标准

传统UI界面的评估标准(如:完成任务的时间)无法直接照搬到VR空间中。在VR中,“沉浸感”和“自然度”远比“点击速度”更重要。本项目面临的核心挑战是:如何建立一套科学的评估体系,来量化并优化裸手手势交互的体验?

02 体验研究与评价构建 (Research Methodology)

为了突破单一效率指标的局限,我主导设计了全新的主观问卷量表,将评估维度扩展至生理与心理双层面。

多维度量表设计

创新性地结合系统可用性量表(SUS)与VR沉浸感问卷(PQ),从疲劳度、易学性、空间感知、交互自然度四个核心维度对测试用户进行定量数据采集。

SPSS 数据分析

通过SPSS对收集到的多组对比实验数据进行信效度检验与方差分析(ANOVA),精准提取影响沉浸感阈值的关键交互变量。

主观整体体验指标

配对样本 t 检验
总体交互满意度 (得分越高越好) p = 0.006 **
A组(优化)
4.06
B组(对照)
3.19
操作卡顿感 (得分越低越好) p = 0.009 **
A组(优化)
2.00
B组(对照)
2.75

手势交互客观绩效

执行时间 (s)
交互动作
A组(优化)B组(对照)
时间差值
道具投掷
1.121.32
+0.20s 提升
挥刀
0.680.82
+0.14s 提升
换弹
0.560.65
+0.09s 提升
持枪/持刀
~0.38~0.38
无显著差异
菜单唤醒
0.580.40
-0.18s 延迟

* 差值(B-A)>0 表明新版手势极大缩短了复杂动作的学习和执行时间。

03 交互逻辑优化落地

基于人机工学的动作流重塑

基于前期严谨的数据支撑,针对VR射击游戏中的三大核心动作流(瞄准、射击、装弹)进行了底层逻辑重塑。

运用人机工程学原理,重新定义了识别触发区(Hitbox)的宽容度。避免要求用户做出极限反关节动作,显著降低了用户的肌肉疲劳值(EMG数据验证),使操作更加符合直觉。

核心设计洞察

我们在“道具投掷”和“挥刀”等大幅度动作上取得了显著的时间优化 >0.14s。这证明了:大开合动作的容错率设计,是空间计算时代自然交互(NUI)的关键核心。

FIG 01. 道具投掷与识别区域分析
动作优化实机展示 1
FIG 02. 挥刀及换弹动作流重塑
动作优化实机展示 2

04 空间用户界面视觉落地

基于“未来战术模拟器”的世界观设定,我为系统《指尖战境》设计了一套硬核科幻(Sci-Fi HUD)风格的空间用户界面。在VR的复杂环境中,采用深色微透视底板与高明度青色(Neon Cyan)发光材质,最大化保障信息的可读性与视觉沉浸感。

主菜单界面
01 // MAIN_MENU & SYNC

主菜单与神经网络同步

以深邃的宇宙暗色为基调,通过极简的线框与网格底纹,剥离现实世界的杂光,构建出极致的专业战术模拟器氛围。

手势引导界面
02 // COMMAND_INPUT

手势指令引导库

作为系统级的手势词典,采用微距发光的线框图标结合清晰的中英文字段,有效降低了用户在空间交互中的认知负荷。

训练档案界面
03 // PERFORMANCE_LOG

训练档案与数据看板

采用模块化的 Bento (便当盒) 设计排列复杂的性能数据。运用柱状图直观呈现用户的“神经反馈趋势”,强化训练成就感。

靶标配置界面
04 // TARGET_SIM

沉浸式靶标配置系统

提供多维度的虚拟靶标设置。从经典环形靶到高精度战术模拟人型靶,配合发光选中状态,增强交互确认感。

核心设置界面
05 // CORE_CONFIG

音频与画面反馈配置

抛弃传统移动端控件,运用极简的线性进度条与数字步进器,让各项感官参数的调节过程更加精准且充满机械控制感。

神经同步界面
06 // SYS_DISCONNECT

神经同步与系统终端

即使是简单的系统断开与确认界面,也通过细致的边框刻线与发光点缀,保持了全局冷峻的科幻美学基调。

05 成果与总结

本项目不仅产出了高保真的VR手势交互原型规范,更重要的是提供了一套“从主观感受向客观数据转化”的科学评估范式

  • 成功搭建适用于VR空间交互评估的主观问卷量表体系。
  • 沉淀了VR场景下自然交互(NUI)的设计原则与人机工学数据支撑。
  • 验证了以“用户心理阈值”为导向的研究方法在VR设计中的必要性。

Next Case Study

基于iOS的AR增强现实技术探索

Ecosystem Analysis Apple Vision Pro

基于iOS的AR
增强现实技术采纳度研究

面向行业输出深度报告:通过构建TAM模型与宏观PEST分析,拆解头部应用设计模式,洞察空间计算时代开发者的机遇与挑战。

基于iOS的AR增强现实技术探索

01 研究宏观框架 (Macro Analysis)

本报告首要任务是对iOS平台ARKit技术架构进行技术解析,并运用PEST模型对整个iOS AR生态的发展趋势进行全景式扫描。预测Vision Pro硬件普及对行业带来的颠覆性影响。

PPolitics

政策导向与隐私合规

EEconomy

硬件普及率与商业转化

SSociety

用户认知度与教育成本

TTechnology

ARKit架构与算力突破

02 项目背景与桌面调研 (Background & Desk Research)

在空间计算(Spatial Computing)时代到来的前夕,移动端AR正处于从“尝鲜体验”向“实用工具”转型的关键节点。本模块通过系统性的桌面调研,深度梳理了目前 iOS 生态下 AR 技术的演进脉络。重点聚焦于软硬件协同发展趋势、行业头部应用的设计范式,以及用户在真实场景(如教育、文旅、电商等)中的核心痛点。通过剖析现有的市场缺口,为后续的 TAM 采纳度分析与体验重塑提供了坚实的理论依托。

桌面调研核心发现 (Key Findings)

VisionOS 范式转移

将AR交互从“2D屏幕视窗”推向“3D全景沉浸”,对UI元素的景深(Depth)、材质和光影提出了全新的规范要求。

多模态交互崛起

传统点按操作被“眼动追踪+捏合手势”取代。如何提供精准的防误触微交互与即时反馈,成为核心痛点。

现实与虚拟的锚定

数字信息如何与复杂的物理环境进行稳定、无违和的“锚定(Anchoring)”,是影响用户认知与沉浸感的最大挑战。

03 用户洞察与TAM采纳模型构建 (User Insights)

覆盖教育、零售、文旅、购物、游戏5大核心赛道,广泛收集整理了200+份目标用户需求问卷,深挖用户在使用AR技术时的核心痛点。

为了量化分析,我引入了技术采纳模型(TAM)。通过对“感知有用性(PU)”和“感知易用性(PEU)”的交叉对比分析,得出了决定性结论:

85%

关键制约因素:设备兼容性

数据表明,高达85%的用户将跨设备体验的一致性与硬件兼容门槛视为阻碍其高频使用AR功能的第一要素。这为后续的空间UI设计指明了“降本增效”的优化方向。

04 核心界面设计落地 (Spatial Interface Design)

基于前期的桌面调研与 TAM 采纳模型推导,我针对“设备兼容性”与“沉浸式体验”两大核心诉求,依托 Apple HIG 空间计算设计规范,输出了一套具有玻璃微透视质感(Glassmorphism)与深度层级(Spatial Depth)的 AR 界面视觉体系。

AR 空间主界面
交互组件细节

空间景深与视觉层级

利用真实的材质光影与动态模糊底板(Vibrancy),确保界面在任何复杂的现实物理背景下都能保持极高的文本可读性与操作清晰度。

视线与手势交互

眼动与手势的自然协同

抛弃传统的点按点击逻辑,界面元素在用户视线注视(Eye Tracking)时提供微妙的高光反馈,配合轻捏(Pinch)手势完成确认,实现无感交互。

沉浸式场景应用

Next Case Study

校园共享洗衣机全链路体验设计

UI/UX Design Gamification Service Design

面向大学生的 Siemens 共享
洗衣机全链路体验设计

颠覆传统校园共享洗衣体验,通过游戏化机制与情感化UI,解决“排队等待焦虑”与“卫生信任感”等核心痛点,打造“年轻人的第一台智能洗衣机”。

Siemens 共享洗衣机全链路体验设计

Role

Lead UI/UX Designer

Brand

Siemens (Concept)

Target

Gen Z / College Students

Deliverables

Journey Map, UI Kit,
Hi-Fi Prototypes

01 竞品分析与痛点洞察 (Competitive Analysis)

大学生作为校园共享经济的主力军,对共享洗衣机的依赖度极高。我选取了市场主流应用(U净、海狸洗衣、兰德力、胖乖生活等)进行了横向竞品分析,挖掘出以下未被满足的核心痛点:

无聊的等待焦虑

长达40分钟的洗衣过程仅有冷冰冰的倒计时,缺乏交互与进程反馈,导致用户产生等待焦虑。

卫生信任危机

共享设备的公共属性使得“桶内卫生”成为主要顾虑,现有App缺少可视化“桶自洁”的交互反馈。

过度商业化干扰

竞品首页充斥无关商业广告,导致扫码预约、进程查看等核心操作路径被打断,易用性差。

02 用户体验旅程图 (User Journey Map)

基于触点分析,我绘制了涵盖“洗衣前 - 洗衣中 - 洗衣后”全周期的用户旅程图,精准定位了用户情绪曲线的“谷底”,并借此推导出体验创新的设计机会点。

洗衣前 (计划与预约)
洗衣中 (等待与监控)
洗衣后 (取衣与结束)
😐

“又要洗衣服了,不知道天气好不好”

机会:天气与预约联动
😖

“洗衣机干净吗?还要等多久?”

机会:桶自洁验证 & 游戏化等待
😊

“终于洗完了,可以去晾晒了”

机会:动态视觉提醒,避免遗忘

03 核心功能与视觉体验落地 (Core Features & UI)

在 UI 表现层,我摒弃了传统工具类 App 枯燥复杂的面板风格,确立了清新、柔软、智能的品牌基调。通过引入情感化微交互与动态元素,大幅提升了操作的趣味性与呼吸感。

智能感知首页与预约
01 / Smart Booking

智能感知与极简预约

打破传统App满屏商业广告的行业乱象,采用模块化卡片设计,高度聚焦“扫码洗涤”与“空闲设备查看”两大核心诉求。

创新性融入了动态天气感知模块,系统会根据当日温湿度智能推送洗晒建议,从源头提供超出预期的贴心服务。

游戏化等待机制
02 / Gamification

“Bubble Life” 状态追踪

针对漫长的洗衣无聊期,设计了漂浮气泡的轻游戏交互。用户可通过点击气泡收集金币兑换洗涤券,成功将“等待焦虑”转化为“期待互动”。

桶自洁与情感化反馈
03 / Emotional UI

自洁验证与情感反馈

启动前提供“可视化桶自洁”建立卫生安全感。结束时以全屏气泡绽放动画取代冷冰冰的弹窗通知,打造温暖治愈的完整体验闭环。

Next Case Study

AI辅助写作的粒度机制研究

HCI Paper Generative AI Cognitive Load Theory

基于认知负荷理论的
AI 辅助写作粒度机制研究

当大语言模型(LLMs)成为“共同作者”,过度干预是否会剥夺我们的创作能动性?本研究引入“AI辅助粒度”,系统探究人机协作中的认知卸载与能动性维持之争。

AI Writing Research

Research Focus

"Balancing Efficiency and Cognitive Engagement in LLM-Assisted Co-writing."

Role

UX Researcher

Subject

Human-Computer
Interaction

Methodology

Latin Square Design,
ANOVA Analysis

Participants

N = 21
(College Students)

01 研究背景与核心悖论 (The Paradox)

生成式人工智能(Generative AI)为写作增添了全新的协作维度,将其从传统的个体表达演变为人与机器之间的“协同创作(Co-creation)”。然而,这种技术跃进引发了一个核心的 HCI 悖论:

为追求生产力而设计的 AI 辅助,可能无意中削弱了作者的核心创作体验,包括其能动性(Agency)、对产出文本的归属感(Sense of Ownership),甚至将原本具有知识建构意义的写作过程,沦为简单的“任务外包”。

为了破解这一悖论,本研究引入了“AI 辅助粒度(Granularity)”作为关键设计变量(即 AI 提供建议的范围是词语、句子还是段落),并结合认知负荷理论(CLT),系统探究不同干预粒度如何在效率提升与维持用户深度思考之间创造出截然不同的体验。

02 实验设计与量表重构 (Methodology)

我们招募了 21 名大学生,使用基于 React + Tiptap 框架定制开发的 AI 写作工具完成议论文写作。为了剥离顺序效应的干扰,研究采用了被试内设计(Within-subjects design)并结合拉丁方阵(Latin Square)来平衡任务顺序。

LEVEL 01

句子级提示

低支持条件

单句形式呈现,提供有限结构支持,保留更多构思空间。类似于自动补全。

LEVEL 02

段落级提示

中支持条件

提供完整的段落建议,内容完整、结构清晰,对写作提供较强的思路引导。

LEVEL 03

全文结构提示

高支持条件

直接提供完整范文或大纲供参考。最大程度降低构思负担,但可能削弱原创性。

定制化 Leppink 认知负荷量表

传统的任务难度评估无法精准剖析 AI 交互的阻力来源。本研究改编了经典的 Leppink 量表,将评估解构为三个独立维度:

  • 内在负荷 (Intrinsic CL): 通过AI辅助后,用户对写作任务本身的复杂性感知。
  • 外在负荷 (Extraneous CL): 评估不同粒度建议的整合过程(如思路打断、采纳摩擦)带来的额外精力损耗。
  • 相关/生成性负荷 (Germane CL): 评估 AI 是否成功扮演了“思维脚手架”,激发用户的元认知与批判性重构。

03 定量分析与核心洞察 (Data Analysis & Insights)

通过对收集到的实验数据进行方差分析(ANOVA),我们揭示了 AI 辅助粒度在“认知卸载”与“能动性维持”之间的动态张力。

ANOVA 方差分析核心结果

p < 0.001 ***

1. 句子级提示 (Sentence Prompt)

高外在摩擦,打断创作心流

数据表明,句子级辅助的外在认知负荷极高 (ECL M=4.86, SD=1.46)。过于琐碎的单句建议迫使写作者在自身思路与 AI 输出之间频繁切换。尽管它保留了最大的创作能动性,但也极大增加了任务的固有难度感知(ICL M=4.44)。

2. 段落级提示 (Paragraph Prompt)

“适度引导”效应的最佳甜点区

段落级提示在生成性认知负荷 (Germane Load) 上表现最佳 (GCL M=5.10, SD=1.32)。这意味着它提供了足够宏观的结构支撑,有效降低了无效耗损,使得大脑能够将释放出的工作记忆用于更高阶的信息整合与深度思考。

3. 全文结构提示 (Full-Text Prompt)

负荷最低,但削弱了深度参与

全文辅助最大化实现了“认知卸载”,将内在(ICL M=2.75)与外在负荷(ECL M=2.10)降至最低。然而,高度结构化的信息直接输送给用户,导致写作者将其视为“任务外包”,从而显著降低了批判性建构的意愿与创作者的归属感。

04 设计启示与未来展望 (Design Implications)

本研究的发现为下一代以人为本(Human-centered)的生成式 AI 写作工具提供了关键的设计指导。AI 不应仅仅是一个被动的“内容生成器”,而应进化为一个动态的“认知调节器”。

结论:引入动态可调节的“辅助粒度”机制

未来的协作系统应允许用户根据当前的创作阶段自适应调整支持层级。例如,在构思初期使用大纲级/全文级粒度快速突破“冷启动障碍”;在中期过渡到段落级辅助以激发深度思考和相关负荷;在定稿期则退回词句级进行细节润色。只有在效率、创造性与能动性之间建立动态平衡,才能真正实现人机共创的最佳体验。

Return to Home