本文是对“用户体验情绪评估”系列的总结，将6种情绪测量方法（PAD方法、SAM方法、PrEmo方法、Emocards方法、3E方法和DRM方法）进行梳理总结，并对比各种方法的使用场景以及优劣。

情绪在人类决策过程中起着至关重要的作用。如今，用户越来越关注产品所提供的情感体验以及其背后的情感价值，用户亦更愿意为愉悦感付出更多成本。

一、情绪在产品体验中的价值

在产品使用过程中，情绪的重要性主要体现在以下几个方面：

①用户体验：情绪对用户体验产生直接影响。愉悦、满足、惊喜等正面情绪能够让用户感受到舒适、愉悦的使用体验，从而提高产品的口碑和用户满意度。相反，负面情绪则会导致不良口碑和用户忠诚度。

②购买决策：产品使用过程中如有付费环节，情绪对付费转化亦起到关键作用。正面情绪会激发用户的购买欲望，促使他们积极寻求并尝试新服务或产品。而负面情绪则会促使用户对产品产生抵触情绪，降低购买意愿。

③口碑传播：情绪在口碑传播中具有重要作用。用户在使用产品过程中产生正面情绪，会更加愿意与朋友、家人分享，从而提高产品传播率。负面情绪则会导致用户对产品产生负面评价，阻碍传播。

④改进与创新：分析用户在产品使用过程中产生的情绪反馈，可更好地了解用户需求，对产品进行更有针对性的改进和创新，从而提高市场竞争力。

总之，情绪在产品使用过程中的重要性不容忽视，让用户产生丰富情感的产品往往能获得用户的长久青睐。因此，测量用户使用产品时的情绪体验，能够帮助我们更好地设计出满足用户情感诉求的产品和营销内容，从而实现业务增长。

二、情绪的测量方式

在用户研究过程中，情绪表现在用户对不同事物的偏好程度上。

当用户在使用一款产品时，如果他们产生了愉快的感受，那么这种积极的情绪就会被储存在他们的脑海中，从而使他们对该产品持有良好的评价。

此外，情绪体验亦是一种心理上的认同感。用户对产品的情绪体验源于产品对自己预期的满足程度。这种预期既体现在产品的使用功能层面；又体现在心理、文化上的精神价值需求层面，是一种主观与客观兼具、感性与理性共舞、感官与经验协同作用的综合感受。

在我们的日常研究项目中，对于情绪的研究常通过以下几种方式：

①自我报告：自我报告的方法很简单。在这个方法中，研究者只是要求用户描述他们当前的、过去的或常见的情绪。同时，用户会在一个量表上评估他们的紧张、快乐和其他情绪的水平。

②生理测量：主要考察的是身体准备这些行为的方式。如对交感神经系统和副交感神经系统的生理指标（如皮肤电、心脏血管反应、神经成像等）进行测量。

③行为观察：研究者通过观测行为（比如面部表情、肢体动作等）来对自我报告进行补充，因为人们经常不能或者不愿意准确报告自己的情绪。

首先介绍的是目前比较常用的PAD情感测量法，该方法具有适用范围广、快速直观、容错性好等优点。

01 PAD情感测量法

一、理论基础

PAD情感模型能够就用户情感作出判断，并对情感倾向进行量化表达，在针对产品、服务、营销的情感体验评估、及后续的体验设计指导中，均具有较强的理论和实践价值。

该模型由Mehrabian和Russell于1974年提出，由三个维度组成：愉悦度（Pleasure-displeasure）、激活度（Arousal-nonarousal）、支配度（Dominance-submissiveness），PAD三维情绪空间模型如下图所示。

图1.1 PAD三维模型情感模型示意图

PAD模型中的愉悦度（P）反映了产品的可用性和友善性，当愉悦状态高时，用户具有流畅的思维和判断，能够选择最有效的方法完成任务。例如愤怒这种情绪在愉悦度上一定是负向的。

当用户处于一定激活（A）或兴奋状态时，有利于注意力集中，也易受产品吸引并产生兴趣，但激活度太高且持续时间过长，用户则会因长期处于高度精神集中易造成疲惫感，因此，正向的、较低水平的激活度才更有助于提升用户的情感体验。例如失落这种情绪，是负向的、较低水平的激活度；而愤怒则是负向的、较高水平的激活度。

支配度（D）是指产品对于用户而言是否可控，支配度越高，用户的认知负荷和学习成本越低，也就越容易按照产品预设进行正确操作，即产品的易用程度越高。例如害怕这种情绪，支配度很低，因为人们很难控制住害怕的情绪。

二、PAD情感量表

在丰富多样的测量工具中，PAD三维情感模型适用于不同文化背景，且具有快速直观、容错性好、适用类型范围广等优点。

基于这一模型，Mehrabian等人编制了PAD情感量表，用于测量情感值。此后，中国科学院心理研究所又总结出一套适用于中国语境的中文简化版PAD情感量表，已被证明具有较好的结构效度和适用性，并在国内多个领域和学科广泛使用。

1、量表简介

该量表共有12个项目，每个维度各4项。

每一项的词汇在对应的维度上相反，但在其他两个维度上基本相同（如Q1中，“愤怒的”和“有活力的”在维度P上相反，但在A、D两个维度上没有差别）。

量表中每个项目可以在[-4,4]之间进行评分。如表1.1所示。

表1.1 中文简化版PAD量表

2、维度分值计算

模型中P、A、D各维度的值等于对应的项目评分的平均值，由于每个维度存在一半的颠倒项目（消极的描述），各维度分值具体计算方式如下：

3、确定情感倾向

中科院心理所经过进一步实验研究，获得了14种基本情感PAD值参照表，见表1.2。有了基本情感PAD值，便可以评估用户的情感倾向与倾向程度。

表1.2 14种基本情感倾向及其对应维度值

当用户完成测验之后，需要通过欧式距离算法求出用户情感倾向与14种基本情感之间坐标位置的距离关系。计算公式如下：

L为被测情感状态与14种基本情感在情感空间内的坐标距离，P、A、D为被测情感状态e在情感空间内的坐标值，pn、an、dn为基本情感类型en的坐标值（如表1.2）。

距离值的大小反映了用户的情绪与14种基本情感的倾向程度。其中，与用户情绪距离值最小的基本情感类型，被认为是该用户在使用这一产品时的PAD情感倾向。

三、应用示例

案例

西南交通大学的研究者对3款医疗类APP的“预约挂号”功能进行了测试。用户在相似的情境中使用相同设备完成既定任务（在当前距离最近的三甲医院，预约泌尿外科、职称最高医生、第二天的门诊号）。被试者可以随时向研究人员寻求帮助。

从45名用户处收到了41份数据（3款软件依次为14、14、13），计算得到的PAD值如表1.3所示。

表1.3 3款APP的PAD值

结合表1.2数据以及欧氏距离算法，可以求出用户在使用3款APP时的情感倾向。

以“应用A”为例，用户在使用应用A时的情绪状态与14种基本情感的距离值可见表1.4。

距离值最小为0.68，对应的情感类型为“恐惧”。由此可得，用户在使用应用A预约挂号时，往往会感到“恐惧”。

表1.4 14名用户使用应用A预约挂号时的情绪状态与14种基本情感的距离值

以此类推，我们还可以得出使用应用B预约挂号带给用户的体验是“轻松”（0.52），应用C则是“无聊”（0.67）。

另外，我们还可以根据用户使用3款APP进行预约挂号时的PAD值得到一些结论，以应用A为例：

“应用A”的PAD值为[-1.50，1.25，-1.00]，情感倾向为“恐惧”。P值为负，表明该款APP在预约挂号方面的可用性和友善性较差。A值为正，表明用户在使用时较为兴奋；但在长时间使用后往往会导致疲劳，降低使用体验。D值为负，意味着该APP学习成本高，在使用时带给用户的认知负荷大，易用性差。

除了单独分析PAD值外，研究者还可以结合实验过程中的一些其他指标（如用户完成任务的时间、求助次数、事后访谈等）进行综合分析，从而能够得到更准确的结果。

下一个是SAM情感测量法，这是一种非言语工具，可以适用于文化程度不高、或出身于不同文化背景的用户。

02 SAM情感测量法

一、方法介绍

SAM量表是由学者Bradley与Lang于20世纪末合作开发出的一种自我报告量表。

在结构上，这一量表与PAD模型相似，都是通过愉悦度、唤醒度与支配度三个维度来评估用户的情感。

不过与PAD模型不同的是，SAM每个维度通过一系列图片来对应不同等级的情绪状态，如图2.1所示。

图2.1 SAM量表示意图

每个维度包含5张人偶图片与9个等级选项，第一个维度是情绪效价（valence，即愉悦度），主要测量正负面情绪。1代表“非常愉快”，5代表“中立”，9代表“非常不愉快”。

第二个维度是情绪唤醒（arousal，即唤醒度），代表情绪被激发的程度，主要测量情绪的强弱。1代表“非常兴奋”，5代表“中立”，9代表“非常平静”。

第三个维度是情绪支配（dominance，即支配度），代表个人对该情绪的控制程度，主要测量人们对于情绪反应的支配能力。1代表“完全被控制”，5代表“中立”，9代表“完全控制”。

SAM量表具有易于理解，使用方便的特点，理论上可以用于不同地域文化背景下的情感测量情境。

但是，因为SAM只能够捕捉到用户的情绪，而非产生这些情绪的背景或原因；因此，需要对情绪的起因进行额外的评估。

二、应用示例

案例

清华大学的研究者们使用SAM量表测量了用户使用5款不同风味（薄荷、冬青、葡萄柚、丁香、玫瑰）漱口水时的情绪状态。

被试为24名在校大学生，其中女性14名，男性10名。平均年龄为23岁。

数据收集完毕后，由于SAM量表的结果不符合正态分布，因此需要使用非参数检验方法对其结果进行统计分析。

这里，我们选择了Friedman检验方法。

该方法适用于检验多个（3个及以上）相关样本之间的差异；其中，目标变量应为连续（或等级）变量，不同组别中的目标变量不需要符合正态分布。

SPSS软件操作如图2.2所示：【分析】→【非参数检验】→【旧对话框】→【K个相关样本】。

图2.2 SPSS软件中进行Frideman检验的步骤

Friseman检验可见表2.1。

表2.1 用户使用不同风味漱口水时的情绪体验（SAM量表）

结果显示，五种风味的漱口水在情绪效价和情绪唤醒上存在着显著差异（p<0.01），而在情绪支配方面的差异并不显著（p=0.35）。

另外，“葡萄柚”风味的漱口水能够给用户带来最正面、最平静的情绪；而当用户使用“丁香”风味的漱口水时，会体验到最负面、最激烈的情绪。

这表明“葡萄柚”风味的漱口水能够为用户带来积极、正面的情绪体验，可能会受到更多消费者的喜爱。而“丁香”风味的漱口水会令用户感到不舒服，受众甚少，销售惨淡。

下一个是PrEmo情感测量法，同样是一种非言语工具，并且可以使用户感到放松、舒缓，并且能够测量复杂、细微的情感。

03 PrEmo情感测量法

一、方法介绍

PrEmo是由学者Desme编制的一种非言语自我情绪评定工具，通常被使用来评估现有产品或新产品设计概念的情感反应。目前主要应用于汽车造型、产品配色、用户偏好分析等多个领域。

1、量表简介

PrEmo的核心是一系列带有面部表情和身体动作的卡通人物，如图3.1所示。

图3.1 14种PrEmo表情

与之前介绍的具有三个维度的PAD量表相比，PrEmo仅具有“愉快”和“不愉快”两个维度，每个维度各包含七种情绪。

在图3.1中，第一行表示的是“愉快”维度，其中的情绪从左到右依次是：快乐（joy）、钦佩（admiration）、骄傲（pride）、盼望（hope）、满意（satisfaction）、着迷（fascinaiton）、渴望（desire）。

第二行表示的是“不愉快”维度，其中的情绪从左到右依次是：悲伤（sadness）、恐惧（fear）、羞愧（shame）、轻蔑（conempt）、愤怒（anger）、无聊（boredom）、厌恶（disgust）。

在使用时，用户可以根据自己对产品的感受，依次对每张卡通人物进行评价。每次评价可以从三个选项（也可以是五个或七个）中选择一项，这三个选项从强到弱分别是：

“我确实感受到了这种情感”；

“在某种程度上我感受到了这种情感”；

“我完全没有感受到这种情感”。

该量表拥有两个版本：用于学术研究的纸质版本与用于商业行为的在线版本（详见https://diopd.org/premo/，“Availability”部分）。

2、优点与局限

由于PrEmo量表使用的是卡通人物，在测试过程中，用户较为轻松愉悦；这对测试的准确性、有效性有所帮助。

与SAM量表相比，用户不需要通过思考来唤醒头脑中的情感记忆，而是直接通过“表情”来诉说情感。这种方式使得PrEmo能够测量复杂、细微的情感体验，且避免了由于文化和语言引起的误差。

另外，PrEmo的材料（即卡通人物图）还可根据使用需求进行定制，如图3.2呈现的男性角色与女性角色。

图3.2 PrEmo的男性和女性角色

但是，该量表在设计时主要针对的是静态产品（如图片等），对于动态交互过程情感反馈的测试效果不佳。

二、应用示例

案例

使用PrEmo电子问卷，获取用户对于六款儿童教育类APP界面特征的情感偏好指标。该研究中，问卷使用的是李克特量表（0、1、2、3、4），其中：

“4”表示“我确实有强烈的感觉”

“3”表示“我确实感觉到了这个”

“2”表示“我感觉到了这个”

“1”表示“我有点儿感觉到了这个”

“0”表示“我没有感觉到这个”

从30名参与者处收集到了30份数据，他们对于每个样本的14种情感评分均值如表3.1所示。

表3.1 30位用户使用6款APP时的PrEmo评分均值

将表3.1数据绘制成雷达图如图3.3所示。

图3.3 30位用户使用6款APP时的PrEmo评分均值

结果显示：第一，用户对于六款APP的情绪基本为正面。

第二，应用A和应用D的正向情感评分最为显著，在“快乐”、“满意”、“渴望”三种情绪指标上的得分最高；且负向情绪得分均较低。因此，应用A和应用D最符合用户的情感偏好。

第三，应用C和应用E的正向情绪得分较低，在“钦佩”和“渴望”两种指标上最为明显；并且应用E在“无聊”这一指标上的评分较高。

下一个是Emocards情感测量法，该方法对硬件要求较低，测试过程更简单。

04 Emocards情感测量法

一、方法介绍

Emocards是由学者Desmet基于Russell的情感环状布局开发出的，同样是一种非言语自我报告方法。

1、量表简介

Emocards量表由16张卡通面孔组成，分别描述了八种情感，每一种情感都包含一张男性面孔和一张女性面孔。

这八种情感的图片分布在环形上，两两间隔45°。

该量表包含“唤醒度（arousal）”、“愉悦度（pleasantness）”两个维度，如图4.1所示。

图4.1 Emocards量表中环状布局的八种表情

八种情感与两个维度的对应关系如表4.1所示，每种情感的命名为维度的组合，例如，序号①的情感名称是“激动-中性”。

表4.1 Emocards量表中八种表情的对应维度

在使用时，用户需要从8张代表不同情绪的卡通面孔中选择一项；测试时只呈现面孔，关于这些面孔的解释不会出现。

这种方法常用于在使用产品前或之后，测量对某种产品的情绪。

2、优点与局限

Emocards使用方便、对设备要求低，并且可以使用数字表示结果（1-8）。

但用户常常表示难以找到能够表达他们情绪状态的图片。原因有以下几点：

第一，用户往往会选择从产品外观获得的情感，而我们研究的主要目标更多时候是交互体验。

第二，与动态表情相比，静态的面孔表情更难被识别。

第三，关于中性表情的面孔图片难以解读，用户往往能会将表情解释为愉快或不愉快，而非中性。

第四，男性和女性面孔的表情容易被理解为表达了不同的情感。如图1中序号①的两张图片，女性面孔的看起来没有男性面孔那么激动。

二、应用示例

案例

德国宝马公司和荷兰代尔夫特理工大学的研究者使用Emocards量表测量了21名用户对于三款汽车座椅的触觉体验。

首先，全部21名用户回想/想象一下他们坐在理想（perfect，不是李响的理想）汽车座椅上的感受，选择出他们坐在理想汽车座椅上时的情感状态，结果如图4.2所示。

图4.2 对于理想汽车座椅的情感状态

71.4%的用户选择了中等唤醒、愉快的表情（③号）

14.3%的用户选择了激动、愉快的表情（②号）

9.5%的用户选择了平静、愉快的表情（④号）

4.8%的用户选择了平静、中性的表情（⑤号）

之后全部用户分别体验三款座椅，并对每种座椅引发的情绪状态进行选择，汇总结果如图4.3所示。

图4.3 用户对3款汽车座椅引发的总体情感结果

（只呈现了理想座椅所需的情感）

由于第一步中用户对乘坐理想座椅时的情感状态选择包含②③④⑤四种，因此，图4.3只呈现了这四种情感的占比。

1号座椅 (85.7%) 引发了最积极的整体情绪，能够给用户带来唤醒度更高、整体更愉快的情感体验。2号座椅(76.2%) 和3号座椅 (52.4%)引发的积极情绪相对更弱一些。

下一个是3E情感测量法，该方法给予用户较高的自由度，并能够探究体验过程中用户情感产生的原因。

05 3E情感测量法

一、方法介绍

3E法同样是一种自我报告方法。这种方法为用户提供了一个简单的表达情感和体验的图形模板。该方法会呈现给用户一个带有两个气泡的人形图片（早期的3E法只包含一个人形），如图5.1所示。

图5.1 3E法示意图

用户可以在人形上画一张脸，从而将自己当前的情绪状态投射到这个人物身上。也可以在云朵形状的气泡中描绘自己的想法，在方形气泡上进行言语表达。

3E方法提供了一种通过书写和绘画来表达情感和经历的方法。这有助于不同的人群之间通过自己喜欢的方法交流感受。另外，3E作为一种投射性测验，能够帮助用户安全地表达负面情绪。

二、应用示例

图5.2为来自芬兰国家技术研究中心（VTT）的一张示例。

图5.2 带有多种情感的3E法示例

左边第一个方形（言语）气泡的内容是“我只是想写一条信息，为什么要选这么多东西？（I just want to write a message, why so many things to select?）”；

左边第二个画出来的气泡中的内容是“好漂亮的颜色！（Nice colours!）”；

右边第二个云朵（想法）气泡中的内容是“这个按键好小啊！它在哪儿？（this buttons are so small! where is it?）”；

最右边的气泡图中的内容是“我还是更喜欢我的手机，虽然它的按键也不大。（I like my phone better but it also has small keys.）”

在示例图中，用户描绘了矛盾的情绪。他很满意产品的某些方面（颜色），但对另外一些功能非常愤怒（按键大小）。从图片中我们能够观察到用户的感受以及产生这种感受的原因。

3E法也常常和其他情感测量法联合使用，从多个角度研究用户的体验过程。在介绍最后一个方法之前，我们先为大家展示一个同时使用了Emocards和3E两种情感测量法的研究实例。

三、3E法的方法论三角检验

三角检验（triangulation）是指使用多种来源的数据进行研究，或使用多种方法分析数据，以提升调查研究的可信度。

其中，“方法论的三角检验（methodological triangulation）”指使用不同的方法来研究一种情景或现象。其目的是用其他方法的优点补足某一种方法的不足和偏差，用一种方法得出的结果来提升、增强和阐述另一种方法的结果。

3E法提供了丰富的素材，这是它的优点，但同时，这也是它的局限所在。

对研究者来说，分析如此丰富的素材是一个耗时且费力的过程。

并且，对这些素材的解读，也完全取决于研究人员个体的理解。在某次研究中，三名研究者独立分析的结果只具有中等程度的相似性。

但如果将3E法作为其他研究方法的补充，3E法分析的结果便可以与主要研究方法获得的信息进行比对和验证。

下面，我们为大家介绍一项使用了多种情感测量法的研究。

案例

曾经有机构开发了一个名为“Similar Products”的应用程序，这个程序能够为用户推荐与他们检索的产品类似的商品。（类似淘宝“找相似”）

有研究者使用了Emocards方法和3E法，让10名用户对该程序的体验进行评估。

1、Emocards结果

首先，我们来看Emocards的结果。

结合图5.2，我们发现大多数用户在使用该程序时感到平静、中性愉快（对应⑤号卡片）；

有一些用户也会觉得平静、不愉快（对应⑥号卡片）；

仅一名用户具有激动、中性愉快的情绪体验（对应①号卡片）。

2、非结构化访谈结果

接着，我们遵照Desmet等人（Emocards量表是由他们开发）的建议，采取非结构化访谈的形式，询问用户选择特定卡片的原因。

以下为对其中一位用户的访谈摘录：

主持人：在您体验这款应用程序时，您会选择哪张卡片来表示您的感受呢？

受访者：额...我会选择这一个。（受访者选择了⑥号卡片，代表着平静、不愉快）

主持人：为什么呢？

受访者：因为这个程序展示的信息太多了，界面过于混乱，让我没有办法清楚地了解下一步要做什么。我也不喜欢它的界面设计，不同层次之间的结构太模糊。这些都让我觉得不舒服。...

主持人：您在选择时是否会考虑其他的卡片？

受访者：我也会选择这个。（受访者选择了①号卡片，代表着激动、中性愉快）

受访者：最开始使用这个程序时，我不知道它能不能同时对比不同产品？如果有这种对比表格的话，我会觉得惊讶和更高兴一点。...

图5.3 受访用户使用Samilar Products时经历的情感变化

3、3E法结果

然后，我们来看3E法的结果。

其中一位用户填写的3E示例如图5.4所示。

图5.4 1名用户填写的3E法示例，他从“Similar Products”中体会到的情感很复杂

从图5.4中可以得知，该用户对于这款应用程序的情感很复杂，因此，他在面部画上了两张脸：一半是高兴和惊讶，另一半是愤怒。

用户表示，①他感到困惑；②应用程序中有大量杂乱的信息；③成功搜索到产品需要经过很多步骤。

另外，用户似乎对于橙色的观点似乎并不一致。左边的气泡中显示了“Orange is nice”，右边的气泡则显示了“Orange???? I Hate it!”。这可能是由于用户不愿意透露自己的真实想法；而这种行为能够被3E法“察觉”。

由此可以得出，这款名为“Similar Products”的程序给这位用户带来的情感体验并不是很积极。究其原因，很可能是因为程序中的杂乱信息过多，以及搜索流程繁琐。

4、其他结果

最后，当询问用户对于Emocards量表与3E法的偏好时，选择Emocards的用户表示，这种方法更具有视觉吸引力；并且更加客观，能够直接表达自己的想法。

选择3E法的用户则认为，他们感到更加自由；并且可以彻底解释他们产生不同情绪的原因。

以上的5种方法，都只能在用户使用产品之前或之后进行测量，相对来说，测量的时效性较差（不能够测量使用过程中用户瞬时的情绪体验）。最后，我们要为大家介绍的是一种不受用户记忆偏差影响，在使用期间多次施测的DRM情感测量法。

06 DRM情感测量法

一、方法介绍

用户研究领域的许多内容都需要详细了解用户在特定时刻和一段时间内的想法，DRM就是此类研究中被广泛使用的一种成熟技术。该方法对于用户的负担较轻，且基本不受记忆偏差的影响。

该方法要求用户根据一定的问题框架，回忆、再现前一天/当天的生活事件，并描绘相应的情感体验，然后研究者会对这些用户报告的情感体验进行评估。

目前，DRM广泛应用于对用户日常活动及情感体验的研究、和对特定群体情感体验的研究，均具有良好的信效度。

该工具主要由四部分组成：

（1）人口统计学信息量表：用来统计用户的基本情况；

（2）“昨日日记重构”部分：以电影片段的方式回忆前一天的每一个片段，并根据事件内容对每一个片段进行命名；

（3）“片段描述”部分：详细描述（2）中的每个片段，包括起止时间、事件内容、发生地点、互动对象，并需要用一个情感形容词描述当时的情感体验；

（4）与调查有关的其他信息。

二、应用示例

案例

使用DRM方法对136名幼儿园教师一日工作的情感体验进行调查，研究不同因素（当天经历事件的起止时间、事件内容、发生地点、互动对象以及教师本身的情况）对于幼儿园教师工作状态的影响机制。

1、研究流程与指标

在进行正式的调查之前，为确保选项内容能够尽可能多地涵盖受访者的选择意向，且方便填答。首先对10名教师进行访谈，将他们一日工作中事件内容、发生地点、互动对象和情感体验以穷举的方式进行了记录。

接着将含义相近项进行合并，选取提及率靠前的答案，结合访谈内容，最终确定了活动种类16项、活动地点9个、互动对象6类、情感词汇12个。

12个情感词中，积极词汇和消极词汇各6个，如表6.1所示。在正式的调查中，受访者被要求就每个选择的项目（时间、事件、地点、对象），对这12种情感进行7点评分（0分：一点儿也没有；3分：一般；6分：非常强烈）。

表6.1 幼儿园教师一日工作中最可能体会到的12种情感

这项示例中的主要测量指标是净值效应，即积极情感得分均值减去消极情感得分均值。

净值效应的得分范围在-6到6之间，正数代表情感体验更积极，负数表示情感体验更消极，分数绝对值越大表示情感体验越强烈。

2、研究结果

之后向不同地区的4所幼儿园投放问卷，收集到的136名幼儿园教师的部分情况见表6.2。

表6.2 136名教师的人口学统计信息（部分）

将136幼儿园教师回忆的全部工作片段对应的情感体验整理汇总，其一日工作情感体验总体情况见表6.3。

表6.3 136名幼儿园教师一日工作情感体验的总体情况

结果显示：幼儿园教师工作的情感体验总体来看是积极的，但程度不大。

此外，积极情感中，“充实感”体验最强，对“感动”体验最弱；消极情绪中“疲惫感”体验最强，对“生气”的体验最弱。可见“充实感”和“疲惫感”对幼儿园教师工作总体情感体验的影响相对较大。

呈现全部的结果（时间、事件、地点、对象）所需篇幅较长，因此，这里只放出了大多数教师印象最为深刻的四类事件及其情感体验得分，如表6.4所示。

表6.4 136名幼儿园教师印象最为深刻的四类事件及其情感体验得分

印象最深刻的四类事件中，积极情感体验高于消极情感体验。其中，“户外游戏”这一事件的净值效应最高。说明这一事件能够为幼儿园教师带来最积极的情感体验。

接着对不同类型的幼儿园教师情感体验的净值效应进行差异性检验，结果可见表6.5。

表6.5 136名幼儿园教师印象最为深刻的四类事件及其情感体验得分

从表6.5中可以看出，只有学历对于幼儿园教师工作的情感体验净值效应的影响是显著的，具有高中/中专学历的教师净值效应显著高于大专及以上学历的教师（t=2.175，p=0.031<0.05）。

3、DRM在用户研究中的应用

下面，我们改编一个头戴式耳机的案例来讲解DRM方法在用户研究领域中的应用。

案例

某耳机厂家正在调研用户对某款头戴式耳机产品的使用体验，调研过程中使用了DRM方法来测量用户在使用耳机时的情感体验。

调研过程持续7天，每天晚上21:00，用户会被要求回忆当天使用该款耳机时，印象最深刻的事件，并记录下当时的具体情况和情绪体验。

正式调研时，受访用户首先会写下当天使用耳机时印象最深刻的事件，接着回答了有关每个事件的结构化问题，包括：

（1）事件发生的时间：包括开始时间和结束时间；

（2）他们在做的事情：对应之前写下的事件；

（3）事件在哪里发生；

（4）事件发生时正在和谁互动；

（5）事件发生时他们的感受：对预先选出的12个情感描述词进行7点评分（0分：一点儿也没有；3分：一般；6分：非常强烈）。

表6.6 预先选出的12个情感描述词及其分类

之后的分析过程与前述“幼儿园教师一日工作的情感体验”例子的过程类似，这里就不再赘述。

总结

至此，6种常用于用户体验中情绪评估的方法已经介绍完毕。最后，我们用一张表格对这6种方法进行梳理总结，请大家查收~

6种情感测量法概括与比较