基于内容分析法的阅读类APP用户使用偏好研究

第43卷 第8期 包 装 工 程

2022年4月 PACKAGING ENGINEERING

157

基于内容分析法的阅读类APP用户使用偏好研究

韦艳丽，蒋小庆，李安，徐曦

（合肥工业大学，合肥 230009）

摘要：目的 通过对阅读类APP的用户评价文本进行语意分析，挖掘用户的潜在需求和使用偏好，为此类产品提供优化设计方向。方法 通过内容分析法进行用户使用偏好研究。首先选择一些评分较高的阅读类APP的用户评价，对文本进行归纳和整理。其次利用ROST CM6软件对用户评价文本进行语句的拆解和词频的计算。再对用户的需求进行编码和排序，量化分析用户在使用阅读类APP时的偏好度，明确优化设计方向，构建阅读类APP的偏好模型，并对模型结果进行应用和验证。结论 通过阅读类APP用户评价可以定性分析用户对产品的满意度，定量挖掘用户潜在的需求和偏好，从而明确此类产品的优化设计方向，培养用户养成良好的阅读习惯，提高其阅读质量，最终提升用户的使用效率和满意度。

关键词：内容分析法；阅读类APP；词频计算；需求编码；偏好模型

中图分类号：TB472 文献标识码：A 文章编号：1001-3563(2022)08-0157-07

DOI：10.19554/.1001-3563.2022.08.020

Reading APP Users Preference Based on Content Analysis

WEI Yan-li, JIANG Xiao-qing, LI An, XU Xi

(Hefei University of Technology, Hefei 230009, China)

ABSTRACT: Through semantic analysis of user evaluation texts of reading APPs, the potential needs and preferences of

users are explored to provide optimization design directions for such products. Conduct user preference research through

content analysis. First, select some user evaluations of high-scoring reading APPs, and summarize and organize the texts.

Secondly, use ROST CM6 software to disassemble sentences of user evaluation text and calculate the word frequency.

Then, code and sort the user’s needs, quantitatively analyze the user's preference when using reading APPs, clarify the

optimization design direction, build a preference model for reading APPs, and apply and verify the model results. Through

the user evaluation of reading APPs, it is possible to qualitatively analyze the user’s satisfaction with the product, and

quantify the potential needs and preferences of users, so as to clarify the optimization design direction, cultivate users to

develop good reading habits, improve the reading quality and finally improve users' usage efficiency and satisfaction.

KEY WORDS: content analysis; reading APP; word frequency calculation; demand coding; preference model

在信息化快速发展的今天，人们的阅读方式发生了改变，阅读媒介从原来的报纸、书本，简化到如今可以随时随地打开的智能手机。移动阅读类APP以其移动性、参与性、交互性等特点，激发了用户的阅读、传播、评论等兴趣，使阅读类APP拥有巨大的发展空间[1]。手机应用商店中存在大量的阅读APP，截至目前，市场活跃的移动阅读类APP有400余款[2]。然而，国内整体的阅读情况却不是很乐观，根据第十六次全国国民阅读调查结果显示，国内年人均读书量

收稿日期：2021-12-07

为3.32本，与韩国人均11本、日本人均40本、以色列人均60本相比，国内相对较少[3]。如何使用户利用碎片化的时间进行高质量阅读、养成主动阅读的良好习惯、提升用户使用体验，是目前阅读类APP设计的重点。决定用户是否想用一款APP的关键因素在于此款APP是否满足了用户需求、是否迎合了用户使用偏好。在阅读类APP的研究中，刘鸣筝等[4]利用层次分析法和德尔菲法构建了一个评价阅读类APP的评估模型，对阅读类APP的用户需求进行了作者简介：韦艳丽（1977—），女，博士，副教授，主要研究方向为交互设计。

158 包 装 工 程 2022年4月

量化分析。韩静华等[5]基于用户感官、交互、情感3个方面的体验，对几款典型的阅读类APP提出了相应的设计点来改善用户体验。王晰巍等[6]从用户体验出发，将移动阅读类APP对用户体验的影响分为社会性价值、情感满足、感知物理示能性、内部组织环境和阅读价值认知5个方面。在阅读类APP用户偏好研究方面，赵之咏[7]以D&M信息系统成功模型为基础，通过研究90后大学生对阅读类APP的使用偏好，得出了强化产品特色、提供个性化服务是用户最关心的偏好。在研究过程中发现，目前对阅读类APP的研究比较倾向于用户体验方面，范围较广，对用户偏好的研究只是部分内容，没有深入进行探索，因此，笔者希望通过内容分析法对用户偏好进行深度挖掘，找出用户在使用阅读类APP时的关注重点，从而构建用户偏好模型，并对其进行应用与验证。

1 内容分析法

内容分析法是一种基于信息特征研究的系统、客观的定量研究方法[8]，其实质是对传播内容中所包含的信息先进行定量的编码分析，然后根据编码结果得出更深层次的定性分析，常用于新闻传播学、政治学和社会学科等方面，应用范围逐渐变广[9]。内容分析法的重点在于对文本内容的分析和深层信息的挖掘。

笔者基于内容分析法，首先研究用户在使用阅读类APP时对不同使用需求的重视程度，然后深入挖掘用户的使用偏好，利用偏好模型找到更多设计内容。内容分析法步骤见图1。首先选择几款评分较高的阅读类APP，对其中的用户评价文本进行归纳整理，利用ROST CM6软件对评价文本进行句子拆解和词频计算，得到多个分析单元。其次对编码方案进行设计，将分析单元进行有效分类。编码完成后，可利用SPSS数据处理软件对编码结果进行信度计算，以保证编码结果有效。最终得到偏好的编码结果。依据编码结果，对用户偏好进行重要性排序，并构建偏好模型，为阅读类APP的优化设计提供明确方向。因此，通过内容分析法对阅读类APP进行分析，从用户需求着手深入研究用户偏好，是文中的重点。

图1 内容分析法步骤

Fig.1 Steps of content analysis

2 阅读类APP评价文本收集与分析单元提取

2.1 阅读类APP评价文本收集

首先需要进行内容文本的收集，本次内容文本为用户评价。在线用户评论是用户对产品的真实反馈，对用户和企业来说是重要的潜在情报[10]。在手机APP应用商店中，可以查看当前软件的评分、评价、下载数量等信息，并以此衡量这款产品的受欢迎程度，因此可使用APP商店中的用户评价作为此次样本收集的来源。在APP应用商店中搜索“阅读”，可以得到很多阅读类APP产品，根据下载量选择排名前5的APP作为此次的研究对象，见图2。排名前5的阅读类APP，分别是微信阅读（103万次）、番茄小说（98万次）、小说阅读器（92万次）、百度阅读（46万次）、QQ阅读（40万次）。

图2 APP商店中排名前5的阅读类应用

Fig.2 Top 5 reading APP in the APP store

根据评价类型中“最有帮助”对评价样本进行筛选，在筛选过程中排除了一些凑字数、恶意的评价，对各APP搜集有用的10条评价，5个APP共计50条，共50个分析样本，50条评价样本概况见表1。

表1 50条评价样本概况

Tab.1 Summary of 50 evaluation samples

评价序号 评价来源 数量

1—10 微信读书 10条

11—20 番茄小说 10条

21—30 小说阅读器 10条

31—40 百度阅读 10条

41—50 QQ阅读 10条

2.2 阅读类APP分析单元提取

确定了内容文本之后可以进行分析单元的提取。分析单元即将用户评价样本拆解成一个个分词，并进行分词筛选和频数计算。可以将50条评价分别储存为txt.文本格式，然后将文本导入ROST软件中进行分析。ROST是一款可进行文本内容处理的内容挖掘软件，可对文本内容进行分词和词频计算，因此，可以利用ROST分别得到分词文本和词频文本，最后将结果进行统计，得到95个分析单元，共计238个词，见表2。

第43卷 第8期 韦艳丽，等：基于内容分析法的阅读类APP用户使用偏好研究 159

表2 95个分析单元

Tab.2 95 analysis units

序号

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

分词/词频 序号 分词/词频

打发时间/3

舒服/2

惊喜/2

鼓励/2

分类/2

社交/2

读者/2

互动/2

世界评价/2

充电提升/2

奖励机制/2

趣味乐趣/2

情感/2

兑换书籍/2

赚点小钱/2

休闲/1

序号

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

分词/词频语意不通/1闲暇/1

赚币/1

分类方式/1陪伴/1

海量小说/1无限卡片/1更新及时/1搜索功能/1英文原版/1获得点赞/1深夜模式/1流行/1

强制/1

签到积分/1不会孤独/1序号49565758596061626364分词/词频方便/1

穿越/1

无限金币/1增长知识/1深色模式/1便宜/1

便捷/1

激励/1

互相关注/1互相推荐/1丰富细节/1功能好用/1心理暗示/1心理反馈/1爱上读书/1穿越类型/1序号65666768697677787980分词/词频

好看/1

无需注册/1

无需登录/1

想看类型/1

书源丰富/1

碎片时间/1

简约大气/1

分类明确/1

没有广告/1

主动权/1

评价互动/1

闲暇时间/1

资源丰富/1

需要学习/1

时长兑换/1

内容丰富/1

序号

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

分词/词频简单上手/1发表意见/1夜间模式/1弹窗内容/1经典书籍/1海量/1

简洁/1

首页推荐/1友善/1

书量/1

网友/1

一起评价/1积分/1

查看书友/1书的质量/1

读书阅读/37

17

永久免费/34

18

广告/8

界面设计/8

功能/7

听书/7

付费氪金/7

种类齐全/7

书币/4

无限/4

选择权力/4

体验感受/4

错字/3

新书/3

代金卡券/3

兑换书币/3

19

20

21

22

23

24

25

26

27

28

29

30

31

32

3 阅读类APP编码方案设计与编码信度计算

3.1 编码方案设计

确定了分析单元之后需要将单元进行编码。编码方案通常有3个来源，分别是数据、已有的相关研究、[11]已有的理论。编码可以根据归纳的方式进行推理。为了研究用户有哪些使用偏好，可首先从用户需求入手，通过用户不同的需求来找出更多的用户偏好，再对其进行编码，因此，将使用需求作为一级编码指标、使用偏好作为二级编码指标。根据对阅读类APP的文献研究情况来看，可将用户需求分成4个基本模块，分别为社交需求、情感需求、功能性需求、阅读需求，并根据需求和用户评价结果的内容，归纳总结出13个使用偏好作为二级编码指标。编码方案设计见表3。

社交需求指用户在阅读时希望找到志同道合的“书友”，或是和其他人分享自己的所思所想，得到社会认同，提升自己的存在价值。情感需求包含了情感化、个性化等需求，在强调用户体验的今天，情感化越来越受到关注。功能性需求包括操作是否简单、是否有小福利，例如阅读时长兑换无限卡、书籍是否需要购买等需求。阅读需求指书本资源是否丰富、是否能满足用户求知需要等。以下将根据这4类需求对不同用户偏好进行定量研究。

3.2 编码信度计算

基于前文已经得到的分析单元，开始进行编码工作。为了保证编码过程的有效性和公平性，该研究选择了2位研究生作为编码人员，并对编码人员进行简单的培训。在编码过程中，若出现有歧义的词，会对词进行适当的调整，继而重新编码，以保证编码的

表3 编码方案设计

Tab.3 Coding scheme design

一级编码：使用需求

社交需求

二级编码：使用偏好

1. 结识朋友

2. 读书分享

3. 点赞评价

4. 心情放松

情感需求

5. 工作解压

6. 知识储备

7. 操作简单

功能性需求

8. 听书、搜索、分类

9. 福利因素

10. 书籍丰富

阅读需求

11. 是否收费

12. 界面设计

13. 有无广告

有效性。另外，为了保证编码的结果是可信的，需要对编码人员进行信度测试。Cohen's kappa系数是一种可以衡量分类精度的数值，可用来计算编码结果的一致性可靠度[12]。可以利用SPSS数据分析软件来计算将2位研究生的编码结果数据导入SPSSkappa值[13]。软件中，并进行数据运算分析，结果见表4。

表4 利用SPSS计算kappa值结果

Tab.4 Calculate the kappa value by using SPSS

kappa值

协议测量Kappa有效个案数

0.766渐进标准

近似Tb

误差a渐进显著性

0.053 12.716 <0.00195

160 包 装 工 程 2022年4月

根据计算结果，本次kappa值为0.766，Cohen's

kappa系数的一致性含义见表5。由表5可知，系数在0.61~0.80时编码具有较强的一致性，因此此次编码结果的可信度是较高的，证明结果有效。

表5 Cohen's kappa系数的一致性含义[13]

Tab.5 Consistent meaning of cohen's kappa coefficient[13]

Cohen's kappa系数

<0.02

0.21~0.04

0.41~0.60

0.61~0.80

0.81~1.00

一致性强度

较差

一般

中等

较强

强

4 阅读类APP用户需求与偏好编码结果分析

4.1 阅读类APP用户需求编码结果分析

通过以上内容分析，可得到总数量为235个词的内容分析结果，见表6。可以看出，用户在使用阅读类APP时关注的使用需求顺序依次为阅读需求（134）>功能需求（54）>情感需求（31）>社交需求（16），根据使用需求的重要性程度可以进一步对用户的使用偏好进行分析。

4.2 阅读类APP用户偏好编码结果分析

在用户使用偏好中，用户对书籍是否丰富（61）、书籍是否收费（42），以及在阅读过程中是否有福利因素（25）较为关心。用户对书籍是否能够分享（4）、是否能增加知识（5）、和是否能收到点赞和评价（6）一般关心。对偏好的收集和整理可以帮助设计者更加了解用户在使用阅读类APP时所关心的问题，从而提升用户的使用体验。详细的用户偏好分布见图3。

图3 编码结果之用户偏好占比

Fig.3 Percentage of user preferences for coding results

根据以上偏好分布结果，可提炼出在进行阅读类APP设计时需要关注的重点内容如下。

1）丰富书籍展示区，强调资源充足。对用户来说图书的丰富是最基本的需求。由马斯洛需求理论可知，生理需求是最基本的需求，若一款阅读类APP的资源不足，就失去了吸引用户使用的最基本的要素。因此，在一款阅读类APP的首页有必要尽可能多地展示书籍，从而增强用户对阅读的兴趣。

2）设计福利机制，吸引用户每日读书。用户在使用阅读类APP中十分在意奖励机制，有了奖励更能鼓励用户去阅读。例如，微信阅读中的“无限卡”奖励机制，无限卡的获得较为容易，用户可以通过分享好友链接、集赞等互动方式获得无限卡。有了无限卡便可以随意选择书籍进行阅读，因此对用户来说会形成一种“即使不读书也要获得无限卡”的心理。游戏化的思维和有趣的元素能够激励用户行为，促进用户的使用欲望[14]。

表6 内容分析结果

Tab.6 Content analysis results

使用需求 使用偏好 编码结果 词频 占比/%结识朋友 22，23，57，94

社交需求

读书分享 24，45，58，75

总数量：16（6.8%）

点赞评价 25，43，82，91，92

心情放松 18，19，20，12，34，37，48，56，61，62，70，76，74

情感需求

工作解压 17，29，32，28

总数量：31（13.2%）

知识储备 26，52，63，78

操作简单 5，49，55，66，67，81，89，46

功能性需求

听书、搜索、分类 6，41，59，60，88，21，36，72

总数量：54（22.98%）

福利因素 9，10，15，16，27，30，31，35，39，47，51，79，93

书籍丰富

1，8，14，38，40，42，50，64，65，68，69，77，80，85，86，90，95

6 2.55

4 1.7

6 2.55

19 8.09

7 2.98

5 2.13

14 5.96

15 6.38

25 10.64

61 25.96

42 17.87

18 7.7

13 5.53

阅读需求

是否收费 2，7，54

总数量：134（57.06%）

界面设计 11，84，4，44，53，71，83，87

有无广告

3，13，33，73

第43卷 第8期 韦艳丽，等：基于内容分析法的阅读类APP用户使用偏好研究 161

3）适当添加社交功能，放松用户心情。现在几乎任何APP都会附带一些社交功能模块，这是因为讨论和分享已逐渐成为用户操作过程中必不可少的一部分。对于阅读类APP，也可以适当引入社交模块，让更多书友在一起分享读书心得和精品书单，趣味化的阅读过程，可以缓解生活压力、放松心情。然而，不能完全社交化阅读类APP，否则容易让用户在操作时感到迷惑和反感。

4）优化界面设计，增加美感，提升温度。美观的界面往往更能吸引用户，让用户在阅读时有更好的沉浸体验。在有限的界面空间中应该充分利用每一寸设计空间，强调适当引入品牌设计元素，加强用户对产品的了解，不仅在视觉上享受，也赋予产品一定的情感温度，对需求升华，为用户打造更温馨的情感

体验[15]，减少广告等“中断感”因素让用户对产品产生廉价、无趣等负面印象[16]。

5 阅读类APP用户偏好模型的构建与应用

5.1 阅读类APP用户偏好模型的构建

根据以上对阅读类APP用户使用偏好的分析过程及分析结果，可进行阅读类APP偏好模型的构建。在进行偏好的具体设计时，可根据“丰富书籍、设置福利、适当社交、提升温度”4个重要的偏好进行横向展开，并通过“功能、布局、交互”3个方面，纵向将每个重要的偏好进行更明确地说明。通过内容分析的过程和结果，可以得到阅读类APP的用户偏好模型，见图4。

图4 阅读类APP用户偏好模型

Fig.4 Reading APP user's preference model

通过前期对阅读类APP用户评价文本的收集、分析单元的提取、编码方案的设计及编码结果的分析，可以得到4个重要的用户使用偏好，并根据“功能、布局、交互”3种表现形式进行偏好的设计，具体方法有以下几种。

1）丰富书籍。功能层面：可通过首页来尽可能多地展示书籍，避免留出空白给用户带来迷惑。布局层面：采用卡片式布局，以瀑布流的视觉形式呈现给用户，使书较多排列时也不会造成视觉上的混乱。交互层面：增加分类的数目，给用户更多选择，心理上让用户觉得库存丰富。

2）设置福利。功能层面：首页视觉中心的位置设置福利卡券或每日打卡奖励来吸引用户点击。布局层面：卡片的布局类似物理世界的优惠券，更能引起用户关注。交互层面：可以对坚持打卡的用户进行勋章奖励，设置不同勋章，增加仪式感，或集满勋章可领取限量版图书。

3）适当社交。功能层面：阅读过程中可以写读

书笔记、查看他人的读书笔记、或者及时分享书单。布局层面：以卡片形式呈现好友最近的阅读日记，适量但不影响用户阅读。交互层面：可进行好友读书时长PK，或者组队PK，从而游戏化读书过程。

4）提升温度。功能层面：在用户退出再次进行阅读时，在底部设置温馨弹窗，提醒用户是否继续阅读。布局层面：利用卡片式布局和色彩搭配让画面更加充实，减少留白产生的冷漠感。交互层面：对书本内容加载过程中的动效及缺省图，可以有效利用产品的IP形象进行设计，从而提升用户的品牌认知。

5.2 阅读类APP用户偏好模型的应用

为了验证阅读类APP偏好模型结果的适用性和可行性，选择一款在应用商店中评分较低的APP进行部分界面的优化设计。此次优化的APP为“饭团看书”，见图5。目前这款APP在应用商店的评分为3.9分，评分较低。

首页作为留住用户重要的功能入口之一，也决定

162 包 装 工 程 2022年4月

图5 饭团看书APP

Fig.5 Fan tuan reading APP

了用户对平台的第一印象。在APP商店中，“饭团读书”的标签为“拥有海量免费小说资源”，但在首页中并没有充分展现出来，用户需要点击右上角的“书

城”才能进入书籍界面，这一步增加了操作步骤，并且在书架没有收藏书单时首页更显单薄。另外在书单详情页中，页面头部简介和下面内容的分割过于简单，没有明显的区分，背景较为单调。根据以上偏好模型中的分析结果，可从4个重要偏好入手，并从功能、布局、交互3个层面进行优化方案的设计。

1）首页问题和解决方法见表7，首页改良前后对比效果见图6。

2）书单详情页问题和解决办法见表8，书单详情页改良前后对比效果见图7。

表7 首页问题与解决方法

Tab.7 Home page problems and solutions

问题

解决方法

功能

首页设置为书城，书架放在底部标签中的第3个入口

首页设置卡券，放在视觉中心，吸引用户点击

原界面大面积空白，首页进行设计后充实界面，减少用户困惑感布局

采用卡片式布局

以卡片的形式模拟现实世界优惠券的形式

卡片布局的使用让界面更加柔和，同时也更有秩序感

交互

将底部标签栏中的“书城”Logo以“饭团”APP的IP形象进行设计，增加操作和视觉上的趣味性

卡片的形式便于操作，用户若不需要可横向滑动取消

引入IP形象的设计让视觉上更有趣味性

书籍不丰富

无福利吸引

界面温度感弱

图6 “首页”改良前后对比

Fig.6 Comparison of "home page" before and

after improvement

图7 “书单详情页”改良前后对比

Fig.7 Comparison of "details page" before and

after improvement

表8 书单详情页问题与解决方法

Tab.8 Details page problems and solutions

问题

社交功能弱

解决方法

功能

可在右上角设置一键分享功能，实时分享书单给好友

设置一键将所有书加入书架功能，减少用户将书一本本加入书架的繁冗操作

布局

可利用色彩将说明文字和详情页进行模块的区别

利用饭团APP的IP形象作为背景纹理，一方面能加强用户品牌认知，另一方面能给用户带来温馨的视觉感受

交互

用户将书单分享给好友后，可设置反馈提示，告知用户好友已收到

在用户将书单分享给用户后提示用户“分享成功啦”等有情感温度的提示语，鼓励用户继续使用。

界面温度感弱

第43卷 第8期 韦艳丽，等：基于内容分析法的阅读类APP用户使用偏好研究 163

5.3 阅读类APP用户偏好模型的验证

改良后需要对设计结果进行验证，具体通过调查问卷的方式进行。分别将首页和书单详情页改良前后的页面进行对比，观察用户更偏爱改良前还是改良后的界面。共发送问卷60份，有效填写问卷60份，问卷调查结果见图8。研究结果显示，用户普遍更喜欢改良后的界面，证明了此次优化设计结果是有效的。

图8 “用户更喜欢改良前还是改良后界面”

问卷结果调查

Fig.8 "Do users prefer the modified or

pre-modified interface" survey results

6 结语

文中利用内容分析法对阅读类APP的用户评价进行了信息特征的研究，通过将用户评价进行语句拆解、词频计算、编码设计的方式，总结出了用户在使用阅读类APP时的使用需求，得到其需求强度分别为阅读需求>功能需求>情感需求>社交需求。通过用户需求可更进一步对用户偏好进行研究，对不同使用偏好进行重要度排序，并通过内容分析法的过程和分析结果来构建阅读类APP用户偏好模型，为优化阅读类APP提供设计提供思路，让设计产物更加符合用户预期，增加用户黏性，同时让设计结果更加有效，提升用户体验。另外，通过内容分析法对用户评论的研究，也可以为设计人员在分析其他种类APP的使用偏好时提供一种新思路，为产品的设计或优化提供一种参考方式。

参考文献：

[1] 孟晖, 黄瑚. 移动互联环境下阅读类APP的现状及问题研究[J]. 编辑之友, 2018(1): 25-30.

MENG Hui, HUANG Hu. Research on the Current

Situation and Problems of Reading APPS in Mobile

Internet Environment[J]. Friends of the Editor, 2018(1):

25-30.

[2] 易观千帆.中国大众阅读市场年度综合分析2019 [EB/

OL]. (2019-07-01)[2020-11-25]. m.

com/it/.

Yi Guan Qian Fan. Annual Comprehensive Analysis of

the Chinese Mass Reading Market 2019[EB/OL]. (2019-

07-01) [2020-11-25]. /it/2521078.

html.

[3] 至诚网. 我国人均一年读4本纸质 2018年世界人均读书量排名榜[EB/OL]. (2019-04-17)[2020-11-25].

. China's per Capita Reads 4 Paper Books

a Year, Ranking the World's Per Capita Reading Volume

in 2018[EB/OL]. (2019-04-17)[2020-11-25]. m.

/mip/

[4] 刘鸣筝, 邱泽涵. 读者需求与市场满足:阅读类APP评估体系研究与应用[J]. 图书馆学研究, 2020(8):

73-84.

LIU Ming-zheng, QIU Ze-han. Reader Needs and Mar-ket Satisfaction: Research and Application of APP

Evaluation System for Reading[J]. Library Science Re-search, 2020(8): 73-84.

[5] 韩静华, 武丽莎. 以用户体验为中心的阅读类APP设计研究[J]. 包装工程, 2017, 38(24): 124-129.

HAN Jing-hua, WU Li-sha. Research on user Experi-ence-Centered APP Design for Reading. Packaging En-gineering, 2017, 38(24): 124-129.

[6] 王晰巍, 任明铭. 移动阅读工具对用户体验的影响因素研究[J]. 现代情报, 2019, 39(2): 73-84.

WANG Xi-wei, REN Ming-ming. A study on the Influ-ence of Mobile Reading Tools on User Experience.

Modern Intelligence, 2019, 39(2): 73-84.

[7] 赵之咏. 基于信息系统成功模型的九零后大学生阅读类APP偏好研究[J]. 山东图书馆学刊, 2016(2):

115-120.

ZHAO Zhi-yong. A Study on the Reading APP Prefer-ence of Post-1990 College Students Based on the In-formation System Success Model[J]. Journal of Shan-dong Library, 2016(2): 115-120.

[8] 邵雨虹. 基于内容分析法的在线短租房东形象简析——以Aribnb为例[J]. 福建质量管理, 2019(9): 205-207.

SHAO Yu-hong. An Analysis of the Online Short-Term

Landlord Image Based on Content Analysis: a Case

Study of Aribnb[J]. Fujian Quality Management, 2019(9):

205-207.

[9] NEUENDORF K A. The Content Analysis Guide-book[M]. Los Angeles: Sage, 2016.

[10] 邱均平,

王曰芬. 文献计量内容分析法[M]. 北京: 国家图书馆出版社, 2008.

QIU Jun-ping, WANG Yue-fen. Content Analysis[M].

Beijing: National Library Press, 2008.

[11] 张艳丰, 王羽西, 彭丽徽, 等. 基于文本挖掘的在线用户追加评论内容情报研究——以京东商城手机评论数据为例[J]. 现代情报, 2020, 40(9): 96-105.

ZHANG Yan-feng, WANG Yu-xi, PENG Li-hui, et al.

Research on Text Mining Based on the Intelligence of

Online User's Appending Comment Content: Taking

as an Example[J]. Modern Intelligence, 2020,

40(9): 96-105.

（下转第216页）

216 包 装 工 程 2022年4月

try of Image Perception[J]. Journal of Vision, 2016,

16(11): 8.

[21] DRAKUL A, BOCKISCH C J, TARNUTZER A A. Does

Gravity Influence the Visual Line Bisection Task? [J].

Journal of Neurophysiology, 2016, 116(2): 629-636.

[22] ELDER J, ZUCKER S. The Effect of Contour Closure

on the Rapid Discrimination of Two-Dimensional Shapes

[J]. Vision Research, 1993, 33(7): 981-991.

责任编辑：陈作

[18] BLASCHECK T, BESANCON L, BEZERIANOS A, et

al. Glanceable Visualization: Studies of Data Compari-son Performance on Smartwatches[J]. IEEE Transac-tions on Visualization and Computer Graphics, 2019,

25(1): 1-1.

[19] FARRELL-WHELAN M, BROOKS K R. Differential

Processing: Towards a Unified Model of Direction and

Speed Perception[J]. Vision Research, 2013, 92: 10-18.

[20] AFSARI Z, OSSANDÓN J P, KÖNIG P. The Dynamic

Effect of Reading Direction Habit on Spatial Asymme-

（上接第163页）

[12] 仝冲, 赵宇翔. 基于内容分析法的弹幕视频网站用户使用动机和行为研究[J]. 图书馆论坛, 2019, 39(6):

80-89.

TONG Chong, ZHAO Yu-xiang. Content Analysis on

User Motivation and Behavior in Barrage Video

Sites[J]. Library Forum, 2019, 39(6): 80-89.

[13] 李侗桐. 利用SPSS进行一致性检验并计算Kappa值[EB/OL]. (2019-04-03)[2020-11-25]. /

com/news/statistics/.03)./com/news/statistics/.

LI Tong-tong. Using SPSS to check the consistency and

calculate the Kappa value[EB/OL]. (2019-04-03)[2020-

11-25]. /com/news/statistics/.

03)./com/news/statistics/.

[14]

韦艳丽, 周璇, 刘煜炜. 基于八角行为分析法的学习类APP游戏化驱动设计研究[J]. 包装工程, 2021,

42(8): 148-155.

WEI Yan-li, ZHOU Xuan, LIU Yi-wei.

Research on

Game Driven Design of Learning APP Based on Oc-tagonal Behavior Analysis[J]. Packaging Engineering,

2021, 42(8): 148-155.

[15] 韦艳丽, 王松琴, 孙虹, 等. 互联网产品的情感温度提升策略研究[J]. 包装工程, 2019(20): 1-5.

WEI Yan-li, WANG Song-qin, SUN Hong, et al. Emo-tional Temperature Enhancement Strategy of Internet

Products[J]. Packaging Engineering, 2019(20): 1-5.

[16] 邓欣阳, 万萱. 针对弹出式广告阅读“中断感”的设计研究[J]. 包装工程, 2021, 42(18): 292-299.

DENG Xin-Yang, WAN Xuan. Research on the Design

of "Sense of Interruption" in Pop-up Advertising Read-ing[J]. Packing Engineering, 2021, 42(18): 292-299.

责任编辑：马梦遥

（上接第209页）

[18] 姚晓林. 智能针织CAD提花档案制作工艺[J]. 针织工业, 2018(3): 10-13.

YAO Xiao-lin. Manufacturing Process of Intelligent

Knitting CAD Jacquard File[J]. Knitting Industry,

2018(3): 10-13.

[19] 李华, 张敏, 程丽娜. 基于CATIA/CAA的轮胎花纹设计及自动节距排列[J]. 轮胎工业, 2021, 41(1): 9-12.

LI Hua, ZHANG Min, CHENG Li-na. Tire Pattern De-sign and Automatic Pitch Array Based on CATIA/CAA

[J]. Tire Industry, 2021, 41(1): 9-12.

[20] 徐伯初, 李洋. 轨道交通车辆造型设计[M]. 北京, 科学出版社: 2012.

XU Bo-chu, LI Yang. Modeling Design of Rail Trans-portation Vehicles[M]. Beijing, Science Press: 2012.

[21] 朱昱宁, 徐博群, 刘肖健. 基于交互式遗传算法的参考图像辅助配色设计[J]. 包装工程, 2020, 41(2): 181-188.

ZHU Yu-ning, XU Bo-qun, LIU Xiao-jian. Reference

Image Assisted Color Matching Design Based on Inter-active Genetic Algorithm[J]. Packaging Engineering,

2020, 41(2): 181-188.

[22] 李愚, 刘肖健, 孙艳. 产品配色设计的色彩邻接网络模型[J]. 计算机集成制造系统, 2019, 25(9): 2355-

2364.

LI Yu, LIU Xiao-jian, SUN Yan, LU Chun-fu. Color

Adjacent Network Model for Product Color Matching

Design[J]. Computer Integrated Manufacturing Systems,

2019, 25(9): 2355-2364.

责任编辑：马梦遥