再談人因工程，和UX的同與不同（中）：人體工適學案例介紹
延續著前篇，在這篇文章中我將專注於分享人體工適學。這個領域是目前在做硬體設計時的一個大領域，雖然研究方式看起來繁瑣但是所得到的結果相對直觀，也可以直接影響到設計與開發。
由於我目前所經手的項目都是高度保密，所以無法直接分享研究的內容，就請讓我使用由Professor C.J. Snijders的研究加上一小部份我為了這篇文章所製作的(但不是亂掰的)的一些數據為例吧。這雖然只是一個假想研究(數據為假)，但是方法流程以至於數據的解釋都是認真的。
注意:本案例並非真實研究，只是為解釋HF研究內容的假想案例，所以文中出現的數據以及結論皆非真實，請勿當作參考資料使用。
人與人是不同的
人體工適學的一個前提就是人與人之間是有著差異的，每個人的身高、體重、四肢長度、肌耐力等等都不太相同，因此在進行人體工適學研究時，這些個體差異就必須要被納入考量。人體工適學是一個收束型的研究，透過針對各種不同群體的研究，把個體差異納入考量並規整，最終期待能收束到一個可以規整並轉化成產品規格的結論。下面我們就以一個假想案例：設計一隻滑鼠為例。
設計一隻滑鼠
研究背景
對於任何的現代人來說，滑鼠是不可或缺的電腦配件之一(除非你是MacBook使用者)。但一般市面上的滑鼠在設計上對於手腕會有不良的影響，在長時間使用下會造成手腕的痠痛，也就是俗稱的腕隧道症候群。 腕隧道症候群由於手腕長期進行重複性的動作，並因為手腕並非和手掌在同一直線上而是有一個角度，而導致了Median nerve在的腕隧道發生神經壓迫的症狀。主要症狀包含大拇指、食指、中指及無名指靠中指側會發生疼痛、麻木、刺痛感等等。
為了因應這個問題，各大硬體廠商開始推出了各種的人體工學鍵盤滑鼠。鍵盤上，透過增加鍵盤整體的弧度甚至將鍵盤拆解成兩個區域來讓手腕不需要彎曲。而滑鼠上則透過不對稱的設計使得左或右手在抓握的時候可以避免手向上折的狀況，以減少手腕的負擔。這兩種設計的目的都是一樣的，讓手腕和手掌可以保持一直線，減少因為手腕彎曲而對Median nerve壓迫的狀況。
研究產品
你所在的公司最近為了趕上全民人體工學這股潮流，製作了一隻垂直滑鼠，但是公司內卻出現了一個爭議，一派人士認為垂直滑鼠來是要動手腕，比國軌跡球，而另一派人則認為垂直滑鼠可以讓手腕和手掌保持平行，減少手腕負擔，因而你的老闆希望你幫忙比較者兩種滑鼠哪種比較好。
研究問題
“哪一種滑鼠比較好”是一個非常模糊的問題，我們可以分別從UX和HF來切入，列出一些可能的研究問題:
- 在不同的使用情境之下，使用者比較偏好哪一隻滑鼠? (UX角度)
- 使用者需要多少按鍵，在那些情況下會使用到這些按鍵? (UX角度)
- 在使用上，哪一隻滑鼠對手腕的負擔較小?(HF角度)
- 什麼樣的滑鼠設計可以增加使用者的工作效率並減少誤觸的機率? (HF角度)
- 滑鼠上的按鍵要如何安排才最容易使用? (HF+UX)
這些研究問題會依照這個產品在市場上的定位以及研究的著重重點而不同，即便是類似的問題，當從UX角度和從HF角度切入也會大幅度的改變研究的方法和可以導出的建議。這裡我們就先專注在”在使用上，哪一隻滑鼠對手腕的負擔較小?”和”什麼樣的滑鼠設計可以增加使用者的工作效率並減少誤觸的機率?”這兩個問題上吧。畢竟如果使用者手腕負擔小，減少了罹患腕隧道症候群的機會，並提升了工作效率，那無疑也是UX上的一大提升。
尋找受試者
和UX研究一樣，進行HF研究找到正確的受試者也是關鍵的一步。針對不同的研究問題，Screener的內容也會有很大的不同，但是凡是所有針對硬體的HF研究或是工業設計，人體計測學(Anthropometry)絕對都是不可或缺的。人體計測學透過大規模的對一個時代的人的各式身體部位進行測量，並將結果依照人種、性別、年齡、地理位置等等進行規整，最終能夠以數據化來客觀的呈現人的全貌。而以這個案例來說，既然這個裝置是設計給來抓握的，那手的資料自然就是一個最重要的受試者篩選因素。具體來說怎麼做呢?我們來看看下面這張圖。
在這張圖上羅列出了大量的手部測量數據，對於設計一隻滑鼠來說，最重要的就是手的長度，其次則為手的寬度，除此之外，由於食指、中指與無名指會需要點擊按鍵，所以手指的長度也需要納入考量。在圖片中可以看到每一個測量值都有三個數字，比方說男性手掌長度分別213mm, 191mm, 168mm，而女性手掌長度則是170mm, 150mm, 129mm，這三個長度分別是代表在其取樣的人群中手最大的(99%)、平均值的(50%)、以及最小的(1%)的抽樣數據排序下的長度。其他的測量值也以此類推。在知道了這些測量值之後，便可以將之轉變為Screening的條件。以這個案例來說，如果今天這個滑鼠不分尺寸，希望可以給幾乎所有手的大小(1–99%)的人使用，那我們就必須要確保我們我們的受試者中包含99%與1%手長的受試者。 理想上我們也希望可以將其他的測量值納入考量，不過實際上如果要考慮的數值越多，那找受試者的難度就會成指數上升，除非研究要求，一般僅會以一到兩個最重要的測量值作為篩選的標準。
由於大部分的受試者資料庫不會有這方面的資料，如果要受試者自己測量又會有很多的誤差，所以在實際徵集受試者時要不是預先建構自己的資料庫或和專門的公司合作，不然就只能亂槍打鳥，找一些可能落在區間內的受試者來再一一檢視剃除不合的資料。
值得注意的是在這個研究中性別、使用者的背景等等元素並沒有那麼重要，一般來說純HF研究我們不會刻意去進行平衡(如果有混UX的話則會加入，但這也容易造成找受試者的挑戰)。但由於肌肉的耐力與強度會隨著性別與年齡變化，因此如果滑鼠有主要面向的客群，那我們也會希望從該群體中找人，比方說包含小孩或是老人(如果他們也是此產品的目標客群)。
研究方法與儀器
和大家比較熟悉的UX研究法主要以主觀的質化方法不同的是，很多HF研究法多以產生可量化的客觀數據為目標。雖然說在HF研究中也會使用量表或是簡單的訪談，但多半是被用來輔助數據的解釋。以這個滑鼠研究來說，我們會使用到生物力學領域(Biomechanics)的肌電圖(Electromyography, EMG)。
肌電圖是人因工程中人體工適學裡最重要的研究法之一，其基本原理是透過貼附電擊於使用者相關的肌肉上，透過測量使用者肌肉收縮時產生之電位來理解指定動作對於該特肌肉之負擔與其他關連肌肉的關係。
上面的兩張圖便是兩種常見的肌電圖裝置，說破不值錢，實際上就是幾個電極貼片貼在相對應的肌肉位置而已，但是如何正確知道該要專注在哪一些肌肉上並能夠在千變萬化的人體上找到並識別出相對應的肌肉則需要數個月甚至數年的時間才能夠做到，這一些專家被稱為生物力學師(Biomechanist)，除了HF外他們也活躍於各種運動相關的科學研究。另外值得一提的是有時候部分的肌肉由於處在較為深層的地方，表面的電極難以測量，這時候就需要透過插針的方式來將電極植入到相對應的位置，有時候也需要透過超音波(Ultrasound)掃描來確定針要插入的深度。以這個研究為例，我們的目標是extensor carpi radialis longus(左)和extensor carpi radialis brevis(右)兩束肌肉，這兩個肌肉都與手腕的運動有關。
如果貼電擊的位置正確的話，就可以在肌肉運動時看到向下面這張圖的電位變化，而這個強度的變化便是一個客觀的，比較肌肉負擔的指標。
研究流程
介紹完了實驗的方法，接下來自然就必須要決定受試者必須要進行的任務(Task)。前面提到了HF研究偏要蒐集可以量化的客觀數據，因此在任務上我們也會希望不同受試者可以做一模一樣的測試。所以這裡我們將使用一個在研究輸入裝置時，非常常用的費茨法則(Fitts Law)。
Fitts Law的大名我想很多人早就聽過了，在很多UX設計準則之中也是常客。使用者於螢幕點擊不斷改變位置的目標，透過點擊所花費的時間、目標間的距離、以及目標大小，便可以規整出代表該輸入裝置表現的方程式。
Fitts Law於1954年由Paul Fitts提出，其意義是當目標離得越遠或大小越小，其點擊的難度會越高，從而導致點擊所需要的時間增加。具體公式如下，其中ID為Index of Difficulty，D是目標間的距離，W則是目標得半徑或寬度。後來Scott MacKenzie將之進行了修改，這個被稱為Shannon公式版本是目前最通用的版本之一。
我們在這裡使用Fitts Law有兩個目的，其一是Fitts Law是一個高度控制的任務，可以確保每個受試者都進行了相同的任務，其二是Fitts Law是一個很好的指標，可以用來衡量不同裝置在使用上的效率。
所以具體來說，在這個研究之中，我們找來了受試者，在其手臂上貼上了EMG的電極，之後讓其分別使用垂直滑鼠與軌跡球進行Fitts Law點擊任務。
研究結果
終於到了最後解釋數據的時間。下方的兩個EMG截圖是來自Professor C.J. Snijders的研究，而Fitts Law結果則是我自己的測試結果。
透過EMG，我們看到了以下的結果。在數據中有兩條不同顏色的線分別表示兩條和腕部相關的肌肉，其中紅色的是extensor carpi radialis longus，黃色則是extensor carpi radialis brevis。從EMG數據中我們可以看出軌跡球比起垂直滑鼠，對手腕肌肉的負擔要來的大得多。這意味著在長時間的使用下，使用者的手腕更容易產生疲勞。
不過由於每一束肌肉的施力(muscle force)都不同，個體之間也有著很大的差距，所以一般在比較時會以MVC (Maximum Voluntary Contractions，最大自主施力)來normalize數據，以上面的例子來說便是計算抓握不同滑鼠時的施力佔MVC的比值來進行比較。這個MVC和肌肉施力加上一些其他的數值，比方說RMS(Root Mean Square, 方均根)可以進一步測定肌肉隨時間的疲勞程度。肌肉力量會隨著持續施力，其與MVC的比值會慢慢下降(比方說從90% MVC -> 50% MVC)，代表該肌肉已經因為疲勞無法持續輸出原本的強度，而RMS所表示的肌肉電訊號振幅則會因代償而慢慢增加，這是因為人的肌肉內的運動單元(motor unit)並不是一次全部啟動，而是從小的單元開始逐步啟動，當這些的單元已經不足以應付施力時，更大更多的運動單元就會開始加入。這些訊息對於職場安全是非常重要的，透過審慎的研究測定可以有效的保護使用者免於職業傷害。
接下來我們來看一下Fitts Law的結果，這裡我們也可以明顯地看到，使用軌跡球在點擊目標的速度上比起垂持滑鼠要來的慢一些，軌跡球在點擊難度升高時，更難以快速的移動到指定位置，導致有不少的Outliner。
綜合以上兩點，讓我們試著回答我們一開始的兩個研究問題
- 在使用上，哪一隻滑鼠對手腕的負擔較小?
- 什麼樣的滑鼠設計可以增加使用者的工作效率並減少誤觸的機率?
第一個問題，我們可以透過EMG來回答，垂直滑鼠比起軌跡球是一個較好的選擇，其對於手腕的負擔較小。而第二個問題則可以看Fitts Law的結果，垂直滑鼠在工作效率上比較好，誤觸機率則可以另外使用向是Mousotron這種工具來紀錄。所以針對這兩個問題，我們的建議就可以是垂直滑鼠比軌跡球來的好。
更多的分析
由於篇幅有限加上這只是假想研究，因此在這篇文章中我只有包含最低限度的方法與分析內容，實際上的研究會比這個複雜許多。比方說我們也會蒐集使用者的主觀回饋，使用Likert量表來衡量舒適度。在任務上也不會只做Fitts Law，而是不同的情境測試來做評估。前面說的不同年齡(肌耐力)以及手的大小，也能幫助設計師決定產品的理想重量，重心，以及是否需要針對不同的手型推出不同大小的產品。除此之外，Fitts Law還可以針對不同游標的移動軌跡、速度、點擊的位置進行更進一步的分析。這一些也會對最後的結論與建議產生影響。
而既然我們研究的是滑鼠，那手腕的角度自然也是一個指標，所以這裡又有一個很常用的工具測角儀(Goniometer)。測角儀的運作原理很簡單兩個基座中間連接一個可伸展變形的彈簧，如此便可以透過彈簧的變形來測量關節的伸展與彎曲，包含強度與頻率。更進一步的，如果我們希望將整個身體納入考量(還有關於坐姿，座椅高低，桌面角度和深度等等問題)，甚至需要動用到動態捕捉攝影機(Motion Capture Camera, MoCap)來建構一個完整的使用者Profile，實際上我在公司做研究時，EMG和MoCap幾乎每次都會用到。(由專業的生物力學師來進行)
小結
上述這個案例是我實際上執行過的研究之一(雖然數據是假的而且我當時使用了更多的儀器)，相比於UX研究，大家可能會注意到HF研究有兩個特色
- 重視客觀數據的蒐集: 相對於UX使用很多訪談和觀察法，強調捕捉使用者的感受，HF研究中更多的運用各種儀器來蒐集數據，捕捉使用者的生理反應與客觀的行為評估。雖然其目的都是提升使用者體驗，但HF所回答的問題和UX有很大的不同。
- HF很吃重基礎的學科知識，從測量儀器的應用到資料處理與詮釋皆須要有相對應的專業訓練，實際上我在執行這個研究時是與3個各別領域的專家一起協同進行，動用了3台電腦來記錄數據，並花上了一個多星期來整理結果與查文獻，最後才好不容易能好好的詮釋結果。
希望這篇文章可以讓大家一窺HF研究的冰山一角，由於寫得有點混亂，所以如果有問題也歡迎提出一起討論。在下一篇文章中我想分享另一個不同的案例，透過腦電圖(EEG)與NASA_TLX量表等方式來判斷人的認知負荷的HF研究。
注意:本案例並非真實研究，只是為解釋HF研究內容的假想案例，所以文中出現的數據以及結論皆非真實，請勿當作參考資料使用。
