介绍 — 系统用户体验研究

“人工智能”来自控制论的控制论（1974）。

系统用户体验（UX）研究员负责阐明人们的感知，言论和行为如何以及以何种方式被更广泛的技术系统网络（例如数据，输入，条件等）摄取并准确表示。

在在本文中，我将介绍用户体验（UX）研究的一个新分支，称为“系统UX研究”。它建立在人机交互（HCI）和UX的基础之上，在逻辑上将当前的重点扩展到用户与界面交互之外，以关注后端编码系统中用户生成输入的集成和表示。随着用户体验研究的范围扩展到技术系统，用户体验研究人员需要对技术系统的制作和运作进行流利的对话并实际熟练。这对于识别用户生成的数据和信号到计算系统中的表征或集成问题以及成功倡导其改进至关重要。

承认和阐明系统用户体验研究的方法和实践与消费产品和功能中新人工智能应用的快速增长越来越相关。（对于那些不熟悉AI，GenAI和LLM的人，请参阅文章末尾的简短信息说明）。人工智能技术从大量用户衍生的数据点和信号中提取，以提供有针对性的广告、“相关”查询结果、个性化体验和内容创建。人工智能加速了人机之间的反馈循环，大量用户数据（特定和通用）被收集和分析，看似实时，从而增加了用户（输入）和人工智能（输出）之间的交互频率。用户在高接触技术系统中的表示，无论是作为机器可读语言还是数据点，都更容易出现错误，与错误陈述或误解对所述产品或服务的体验质量（和业务流动性）的影响成同等比例。

UX专业人员作为系统UXers将需要能够注意一个人与高度复杂的技术产品的交互与将所述用户活动和信息转换为计算机可读语言或数据的后续翻译之间形成的当前差距，因为它被集成到编程的计算机应用程序中。科技行业内没有其他人关注这种日益扩大的差距，相反，工程师、产品经理、项目经理、UX、营销和数据分析师之间的专业化和孤岛化加剧了这种脱节。现在是我们考虑以用户为中心的系统思维与系统UXR建立的时候了。

什么是系统？

在这一点上，你可能会被“系统”这个词所困扰，所以让我花点时间在这里解开“系统”的工作定义，然后我们可以继续将其与用户体验研究的相关性作为系统用户体验研究。

在软件工程中，“系统”是一个常用的术语，指的是操作系统（例如MacOS，Linux，ChromeOS等）及其架构。从技术的角度来看，系统是硬件和软件的汇编，这些硬件和软件旨在协同工作以实现某个目标或目标。这些技术通常是在不同的时间，由不同的人，甚至不同的公司开发的，并且需要额外的支持软件，如应用程序编程接口（API），作为其他外来系统之间的转换器，以实现相互通信。系统研究的工作是研究其他不同系统之间的关系，以确保成功和可预测的互操作性（主要来源：维基百科，“系统”，10 年 2023 月 <> 日访问）。

系统研究人员有兴趣了解系统如何工作，如何将多个子系统组合在一起以实现共同的目标或目的，以及如何通过提高跨系统互操作性来优化其性能。相比之下，Systems *UX* Research感兴趣的是了解人类和计算机如何结合在一起形成一个更大且理想的可互操作系统，以实现一致的目标。

如果我们在概念上有一个小小的飞跃，并将人（即技术产品和服务的用户）视为一种与操作系统不同的“系统”，那么我们可以很容易地转向对系统用户体验研究的讨论，重点是确保两个外来系统（人员系统和技术系统）之间的顺利翻译，以确保相互交流。系统UXR的作用是确保在所有人技系统接触点都有支持层，以实现成功的合作或互操作性。这是确保复杂的人工技术系统的整体效率和性能的重要组成部分。

系统用户体验研究

系统UXR关注人作为系统与技术系统的可通信性，反之亦然，在技术系统和人作为系统之间，以确保在形成的更大的人为技术系统的开头，中间或结尾没有引入错误。我认为这是一种新颖的用户体验方法;将人作为系统视为与技术系统连续和连续的，需要我们更全面的视角来处理它。

目前，用户体验行业发现自己的学科和实践仅限于人即系统和用户界面领域，无法将以用户为中心的视角扩展到这些接触点以外的技术系统。虽然上述人与技术系统之间的接触点极为重要，但将用户体验范围限制在所述微交互上并不能解决宏观系统级问题，这些问题很容易削弱通过用户界面改进获得的人技系统互操作性的任何收益。

UX在很大程度上被限制在与技术系统的用户界面领域，界定了该学科对错误识别的控制，以及用户输入通过的更广泛的技术系统的处理。这在现有的用户体验学科实践中很明显，这些实践已经建立了一门科学，通过信息架构、内容策略、用户对用户心智模型的研究、设计原则等来改进用户界面。最大限度地提高所述技术系统与人员系统的互操作性。（图片来源)

迄今为止，很少有时间和注意力关注人即系统与可互操作技术系统综合体的更广泛整合和可交流性。在技术领域，用户体验专家负责理解和倡导将以用户为中心的思维纳入产品构思、设计和交付。正如我在这里所论述的，用户体验专家也最适合识别和倡导改进用户衍生数据和用户生成信号在技术系统中的表示、翻译和流程处理，并将其集成到并作为输出传递。

作为“系统用户体验研究员”必须解决的系统是具有多个翻译层的子系统的真正串联（包括具有多种API层的微服务，编码语言更改和十年前的遗留系统）。每个系统接触点，无论是人与技术系统之间的接触点，还是技术系统与技术系统之间的接触点，都是一个风险点，其中用户信号或数据可能会被不当处理、变异并完全放弃。

作为系统UXR，您需要了解用户生成的输入在整个更广泛的系统综合体中的完整反馈循环，以确保其得到正确处理，并且退化或突变最小。这需要相当但不是专家的技术理解水平，以便通过技术系统端到端地映射用户数据和输入的旅程。为此，许多IT公司鼓励他们的用户体验专业人员投资于编程和数据分析的学习基础知识，甚至以象征性的费用提供各种继续教育电子课程。

系统用户体验研究实践

到目前为止，UX只关注理解和改善人力和技术系统互操作性问题的冰山一角。作为系统用户体验专业人员，我们可以将整个复杂系统视为推动整体和有影响力的变革。

我们永远不应该期望我们的用户理解光鲜的用户界面背后的技术“黑匣子”，但这并不意味着我们作为UX专业人员不应该关注它（请参阅我之前关于用户体验黑匣子的文章）。用户对任何技术、输入及其输出的体验都应该是直观的、预期的和一致的，因为对其输入的端到端系统处理不应引入错误的突变或更改。用户体验的不一致或缺乏直观性是需要探索和解决一个或多个系统的互操作性问题的信号。问题很可能出在用户界面上，即人即系统和技术系统之间的接触点，但系统用户体验专业人员的注意力不应局限于该界面，而应映射整个人机系统，以确定更广泛的反馈循环中的所有可能原因：

绘制人机系统

1. 识别现有用户输入的所有形式，包括内容/信息、状态更改、设置或参与等。
2. 控制用户界面，以确保没有任何与可用性相关的问题导致互操作性问题
3. 识别利用用户输入的所有系统输出，并将输入→输出/结果相关联
4. 注意用户生成的信号在系统中处理过程中的所有翻译点或突变点。

另外需要注意的是，从用户的角度来看，我们的技术系统应该仍然是黑匣子——看不见的、简单的和可预测的。他们不负责理解各种技术程序和应用程序中数据的信号突变和表示值，以便“理解”输出。他们投入和输出的东西应该“保持”为同一枚硬币的一致和连贯的一面。作为系统用户体验专业人员，我们的工作是确保系统冰山的浸没部分是健全的。

下一步是什么？

阅读本文后，许多UX专业人员和研究人员会发现他们已经执行了系统UX研究的各个方面。部分原因是它是HCI和UX研究的许多核心原则和功能的逻辑延伸。无论你是否尝试过系统用户体验研究，我希望这种表达能够成为进一步讨论更广泛地被认为是系统用户体验研究的方法和实践的催化剂。

术语快速说明：

• 人工智能 （AI） 是一类广泛的机器学习应用程序，可自动执行大规模数据分析或计算程序，以执行某些功能，例如定向广告、用户个性化、方向引导、数据查询等。
• 生成AI（GenAI）是人工智能用于生成内容的应用。最公开认可的形式包括Microsoft和OpenAI的ChatGPT，但也可以包括图像生成，视频生成和代码生成。
• 大型语言模型（LLM）也是人工智能，顾名思义，它可以获取非常大和复杂的语言内容数据集，并开发该语言的代表性模型。这些模型可用于生成内容（如 ChatGPT 和 Bard 的情况）或执行计算。