基于描述向量的手势一致性评估

参与式设计是一种流行的设计技术，在设计过程的早期阶段让最终用户参与进来，以获得用户友好的手势界面。可猜测性研究随后进行的一致性分析，常用于引出并理解参与者的偏好（或手势/提议）。以往评估一致性的方法将手势分组为等价类，并忽略了它们之间共享的内在属性。在本工作中，我们使用二值描述向量表示手势，以允许它们部分相似。在此背景下，我们引入了一种称为软一致率（SAR）的新度量，用于量化参与者之间的共识水平。此外，我们进行了计算实验以研究部分一致性公式的行为，并从数学上证明现有的一致性度量是我们的方法的一个特例。我们的方法通过一组神经外科医生参与的手势引出研究进行了评估。尽管如此，我们的公式可应用于任何其他用户引出研究。结果表明，SAR 度量得到的一致水平是现有度量的 2.64 倍。除最被认同的手势外，SAR 公式还提供了最被认同的描述符，这可能有助于设计者得出最终的手势集。