互动媒体实验分析——流动墨迹速度感知实验

实验内容：

从张旭作品《古诗四帖》中摘选一个字”丘“作为样本，制作3种不同的流动墨迹效果，并且通过随机的旋转+镜像的方式，对每种效果产生8个扭曲版本。测试者要在目测6个标记点（ABCDEF)的流动速度，通过拖动箭头的方式评估流动方向和速率。
线来看下这几个风格的字：

风格一：

风格二：

风格三：

8种显示方向（扭曲版本）：

实验数据

实测数据

测试数据

（部分截图）

实验问题及分析

1、三种流动风格中，测试者对哪种风格的感受一致性最好？（核心问题）
分析：
一致性的在这里可以理解为，感受的相似性。这个实验问题的主要变量：墨迹流动的风格。 比较的主要量即我们上面展示的三种不同的墨迹流动风格。这也可以理解为不同的测试者对同一种风格测试数据的差异性。

2、三种流动风格中，人们对哪种风格的速度感受更符合事实情况？
这个问题就要和实测数据进行比较，主要比较的量为三种风格的速度情况。

数据指标

方差与标准差

1、方差

用来度量随机变量和其数学期望（即均值）之间的偏离程度。
在概率论和统计学中有不同的定义
概率论：概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度
统计学：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数
计算：各个数据与平均数之差的平方的平均数

2、标准差

又称均方差，也能反映一个数据集的离散程度。

计算：方差开根号

均值

样本均值(sample mean)又叫样本均数。即为样本的均值。均值是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。

数据整理

从我们需要探究的实验问题触发，将测试数据进行合理的分类整理，便于我们下一步的数据分析：

风格一 速率、方向（部分截图）：

风格二速率、方向（部分截图）：

风格三速率、方向（部分截图）：

数据分析

对于第一个问题，我们想要了解的本质上就是数据的离散程度，用方差或者均方差作为指标都可以帮助我们来对数据进行分析，这里我选用的是标准差（均方差）
用python的numpy库 之前整理出来的数据分别进行计算分析得到如下表格：

heets =wb.get_sheet_by_name("风格一")
sheet1=wb.get_sheet_by_name("标准差感知对比")

for colNum in range(4,16):
     data=[]
     for rowNum in range(2,112):
        data.append(sheets.cell(row=rowNum,column=colNum).value) #获得数据
     sheet1.cell(row=4, column=colNum-2).value=np.std(data)
     print(np.std(data))
wb.save('流动墨迹 问题一.xlsx')

风格速率均方差：

风格方向均方差：

#读取workbook中所有表格
sheets =wb.get_sheet_by_name("风格三")
sheet1=wb.get_sheet_by_name("均值数据")
#打印所有表的名字
for colNum in range(4,16):
     data=[]
     for rowNum in range(2,112):
        data.append(sheets.cell(row=rowNum,column=colNum).value) #获得数据
     sheet1.cell(row=4, column=colNum-2).value=np.mean(data)
     print(np.mean(data))
wb.save('流动墨迹 问题一.xlsx')

风格速率均值：

风格方向均值：

数据可视化

不同风格，速率均方差

不同风格，方向均方差

因为问题探究的是速度，所以我们只把速度部分的方差的数据进行可视化，为了更好的比较与真实值的偏离程度，我们用小圆，的散点图进行可视化，看相应数据小圆的重叠程度：

风格一：

风格二：

风格三：

总结

对数据进行分析以及可视化之后便可以得到下列的结论（解答相关问题）：
三种流动风格中，测试者对哪种风格的感受一致性最好？

1、从数值上来说，三个风格的方向数据的离散程度比思虑数据的离散程度大，即测试者对三个风格的方向感知比速率感知要差
2、从可视化图像来说，风格三的感受一致性最好，风格二的感受一致性最差

三种流动风格中，人们对哪种风格的速度感受更符合事实情况？

1、从数值上来看测试者三种风格对于D点的感受状况更接近标准值，更符合事实情况
2、从整体的可视化图像上三个风格中，风格二图像的小圆的重合度更高，更符合事实情况.