CN104011707B

CN104011707B - 用于数字文档的认知负荷评估

Info

Publication number: CN104011707B
Application number: CN201180076146.9A
Authority: CN
Inventors: K.M.里昂斯
Original assignee: Intel Corp
Current assignee: Intel Corp
Priority date: 2011-12-30
Filing date: 2011-12-30
Publication date: 2017-09-01
Anticipated expiration: 2031-12-30
Also published as: US10108316B2; KR101597616B1; KR20150072456A; CN104011707A; KR20140098222A; US20140208226A1; WO2013101143A1; EP2798525A1; EP2798525A4

Abstract

本发明的实施例包括一种跟踪用户对位于Web页面上的内容的瞳孔响应的系统。该系统然后确定用户的认知负荷，所述认知负荷是基于所测量的响应。认知负荷是指在任何一个瞬间施加于工作记忆上的心理活动的总量。再者，该系统可以将一个用户的认知负荷数据在时间上聚集，将多个不同用户的认知负荷数据聚集和/或将多个不同用户的认知负荷数据在时间上聚集。可以针对所显示的页面的不同部分，如页面上包含的文档对象模型（DOM）确定认知负荷。可以对构成DOM的不同元素指定认知负荷。再有，可以在一个时间瞬间或时间段上将认知负荷分摊在若干不同DOM元素上。本文描述了其他实施例。

Description

用于数字文档的认知负荷评估

背景技术

Web的出现促成巨大量的信息为许多人通过电子方式共享。使用注视跟踪器帮助确定用户如何与此信息交互。更确切地来说，注视跟踪器是跟踪正在查看显示器的用户的“视线”的系统。例如，注视跟踪器分析用户的眼睛以确定用户是否正在查看Web页面的顶部、Web页面的底部等。更一般性地来说，使用注视跟踪器收集有关用户如何查看呈示给他们的信息的数据。

在Web的场景中，研究人员进行用户研究以生成表示研究中的用户通常查看的位置聚集的“热地图”。这些地图可以帮助分析人员确定用户是否观看广告或阅读Web页面的内容。但是，除了用户观看屏幕上某个位置多久以外，很少了解有关用户的反应。

附图说明

从所附权利要求，一个或多个示例实施例的下文详细描述和附图将显见到本发明的特征和优点，其中：

图1包括本发明的系统和流程图。

图2（a）和图2（b）示出本发明实施例中的认识负荷的空间分布。

图3示出本发明实施例中的认知负荷的时间分布。

图4包括本发明的一个实施例的过程的流程图。

图5（a）、图5（b）和图5（c）示出本发明实施例中的对应于每个文档对象模型元素的认识负荷分析。

图6（a）、图6（b）和图6（c）示出本发明实施例中的对应于每个文档对象模型分支的认识负荷分析。

图7包括用于实现本发明的实施例的系统。

具体实施方式

在下文描述中，提出了许多特定的细节，但是没有这些特定细节，本发明的实施例仍可以实施。未详细地图示公知的电路、结构和技术，以不致于妨碍对本文描述的理解。对“一个实施例”、“多种实施例”等的引述指示，如此描述的实施例可能包括特定特征、结构或特点，但是不是每个实施例都必需地包括这些特定特征、结构或特点。一些实施例可以具有针对其他实施例描述的特征的其中一些、全部或完全不具有针对其他实施例描述的特征。“第一”、“第二”、“第三”等描述共有对象并且指示正在引述相似对象的不同实例。此类形容词不暗示如此描述的对象必须在时间上、空间上、评级上或任何其他方式上为给定顺序的。“连接”可以指示元件彼此直接物理或电接触，以及“耦合”可以指示元件彼此协同工作或交互，但是它们可能处于直接物理或电接触或可能未处于直接物理接触或电接触。再有，虽然不同附图中可能使用相似或相同编号来表示相同或相似的部件，但是这样不意味着包括相似或相同编号的所有附图构成单个或相同的实施例。

本发明的实施例包括一种跟踪用户对位于文档，如Web页面上的内容的瞳孔响应的系统。该系统然后确定用户的认知负荷，所述认知负荷是基于所测量的响应。认知负荷是指在任何一个瞬间施加于用户的工作记忆上的心理活动的总量。再者，该系统可以将一个用户的认知负荷数据在时间上聚集，将多个不同用户的认知负荷数据聚集和/或将多个不同用户的认知负荷数据在时间上聚集。可以针对所显示的页面的不同部分，如页面上包含的文档对象模型（DOM）确定认知负荷。可以对构成DOM的不同元素指定认知负荷。再有，可以在一个时间瞬间或时间段上将认知负荷分摊在若干不同DOM元素上。

图1包括本发明的系统和流程图。系统100包括处理系统110，如下文进一步描述的图7的系统。系统110可以被包括在例如个人计算机、服务器、膝上型计算机、移动电话、平板电脑等内。系统110经由无线或有线网络120耦合到如Web服务器130的内容提供商。系统110还经由网络120耦合到如服务器140的用作认知负荷聚集器的另一个处理单元，系统100可以视为包括至少一个处理器以用于处理瞳孔响应，该至少一个处理器耦合到至少一个机器可访问介质以用于存储处理的结果。系统100的单元（例如，单元110、120、130、140），其包括至少一个处理器和至少一个机器可访问介质，这些单元可以装在单个机箱中，装在分布式计算系统中等。

系统110可以包括显示器150以用于显示从服务器130提供的Web页面153。Web页面153可以包括DOM 151、152。下文更具体地进一步描述DOM。为了推断用户105的认知负荷，注视跟踪器155可以跟踪用户105的眼睛移动。

实施例中可以使用注视跟踪器，如来自Tobii Technology公司（www*tobii*com）的T/X序列眼睛跟踪器。可以使用注视跟踪器获取的眼睛的高分辨率图像来测量瞳孔尺寸的相对变化。系统100可以将此瞳孔响应与包括如刺激的情绪反应的认知负荷相关。测量瞳孔响应的值以及进而推断认知负荷具有多种好处。例如，聚集的数据可以帮助分析人员理解页面（例如，Web页面）中哪些部分较容易阅读，以及哪些部分较难阅读。此能力可以帮助进行广告分析，作为给作者和发行者的反馈以便改进他们制作的内容等。

在一个实施例中，注视跟踪器155被包括在单元110内（例如，在膝上型计算机上盖或平板电脑边框中），但是在其他实施例中，跟踪器155仅经由外设耦合来耦合到（而非包括在）单元110中。注视跟踪器155输出用户在计算机屏幕上观看的位置的估计和用户瞳孔的当前尺寸。例如，呈现引擎可以将DOM转换成像素。然后，DOM树中的每个元素/分支可以在呈现时具有位置和尺寸。使用来自呈现引擎的呈现信息，系统可以将给定的X/Y值关联到关联的DOM元素。

返回图1，注视跟踪器155可以监视（线156）用户的眼睛105以确定用户视线154的X/Y坐标。在图1的示例中，X/Y坐标与DOM 152对齐。在框160中，X/Y坐标链接到或耦合到语义内容，如DOM 152。单元110和/或单元140可以执行此操作。同样地，可以将系统100的至少一个处理器分布在系统内以及单元110和/或140之间。

在框165中，可以将数据“匿名处理”，无论仅构成X/Y坐标或构成更多处理的数据（例如，包括至语义内容的链接信息），由此将患者标识数据从内容移除。然后可以将匿名处理的内容加密（例如，使用对称/非对称加密协议），并将其传输到单元140。本发明的实施例可以利用联网的单元110、120、140来构建查看相同内容的多个用户的认知负荷的聚集模型。

在继续下文之前，更充分地描述DOM。DOM是文档，如超文本标记语言（HTML）和可扩充标记语言（XML）文档的应用编程接口（API）。DOM是定义文档的逻辑结构的分层用户界面（UI）模型的一种形式，以及访问和操作文档的方式。在DOM的情况中，术语“文档”广义地来被使用。例如，XML可以用作表示可存储在多种系统中的多种不同种类的信息的方式，并且传统上此信息多半被视为数据而非文档。尽管如此，XML将此数据呈示为文档，并且DOM可以用于管理此数据或文档。

在DOM的情况中，编程人员可以构建文档，导航文档的结构，以及添加、修改或删除文档的元件和内容。例如，可以使用DOM来访问、更改、删除或添加HTML或XML中常见的项。由此，DOM涉及如何表示页面（例如，具有本文、图像、标题、链接等的Web页面）中的对象。DOM定义什么属性与每个对象关联，以及可以如何操作这些对象和属性。动态HTML（DHTML）依赖于DOM以在这些页面被下载到用户的浏览器之后动态地更改Web页面的外观。

DOM允许将文档（例如，HTML或XML文档）表示为分层“树”模型。在分层UI模型，如DOM的情况中，树模型可以提供根、分支、叶等的分层。将这些层彼此相对地来查看，由此例如叶是比根更低分层级别。在DOM的情况中，每个文档具有“根”或“根节点”（顶层级别节点），其包含“子”或“节点”，而这些“子”或“节点”本身可以具有子。这些叶包含文档的文本，且没有子。这些节点也称为“元素”。

因此，正如本文所使用的，DOM广义地被定义为描述文档的逻辑结构且覆盖页面中呈示内容的抽象分层标识（即，模型）的一种形式的分层UI模型。

图5a包括DOM。DOM具有位于顶部分层级别的根节点A，其具有次高分层级别的四个子节点元素B、C、D和E。下一个分层级别包括子节点元素F、G、H、I、J、K、L。下一个分层级别包括“叶”（其没有子节点）M、N、O、P、Q、R、S、T、U、V、X、Y、Z。例如，图5（a）的DOM可以表示表。节点或元素A可以包括定义HTML表的<table>标记。元素B、C、D和E可各自包括定义HTML表中的行的<tr>标记。元素F、G、H、I、J、K、L可以各包括定义HTML表中的标题单元的<th>标记。标题单元可以包含提供粗体和居中的文本的标题信息。M、N、O、P、Q、R、S、T、U、V、X、Y、Z可以包括标题单元的文本。在图2-4的论述之后更详细地提供有关图5的论述。

基于图1和DOM的上述概述，统一地描述图2-4。

图4包括本发明的一个实施例的过程的流程图。过程400的框405包括使用至少一个处理器（例如其可位于单元110、单元140、单元110和140的组合等中）处理第一用户的瞳孔活动，来确定第一用户对于第一页面上显示的第一分层UI模型（例如，DOM）的第一和第二元素的第一认知负荷，第一页面显示彼此为第一控件朝向的第一和第二元素。

图2a示出具有元素1至16的DOM，其全部包含在第一页面中。这些元素可以全部位于相同的分层级别或可以跨多种分层级别。这些元素彼此按空间朝向布置。例如，元素6在元素10上方。图2b示出相同的DOM，但是此DOM在此第二页面上“回流（reflowed）” 此处，这些元素彼此按不同于图2a的空间朝向的空间朝向布置。例如，元素6不再位于元素10正上方。

因此，框405确定第一用户（例如图1的用户105）对图2a的第一页面上包含的第一DOM的第一和第二元素（如，元素6和10）的第一认知负荷。

框410包括使用至少一个处理器处理第一用户的瞳孔活动，确定第一用户对第二页面上包含的第一DOM的第一和第二元素的第二认知负荷，第二页显示彼此按第二空间朝向的第一元素和第二元素，第二空间朝向不等于第一朝向。例如，元素6和10的空间朝向从图2a到图2b已改变，因为图2a的第一页面以不同于图2b的第二页面的方式回流。

处理400可以包括将第一用户的第一和第二认知负荷存储在耦合到至少一个处理器的至少一个机器可访问介质中。同样地，可以将至少一个介质设在单元110、单元140、单元110和140的组合等中。

框图415包括基于第一用户的第一和第二认知负荷两者来确定第一DOM的第一和第二元素之一（例如，元素6、元素10、元素6和10）的单个聚集认知负荷。由此，例如，过程400提供彼此不同方式回流DOM的两个不同页面（图2（a）和图2（b））中的元素6的认知负荷的分析。下文描述基于逐个DOM元素确定聚集认知负荷的多种实施例。

图4的点划线和框帮助显示可以部分地或全部与图4的其他框协同工作的选项。

框420包括实施例，该实施例包括分别将第一用户的第一认知负荷的第一和第二部分归因于第一页面上包含的第一DOM的第一和第二元素。例如，在图2a中，可以由跨越元素6、7、10和11的圆圈表示认知负荷。在实施例中，认知负荷跨越这些元素分布。元素6占用认知负荷的75%，元素7占用认知负荷的10%，元素10占用认知负荷的10%以及元素11占用认知负荷的5%。因为这些相同的元素跨越不同页面回流，所以可以确定元素6保留认知负荷的大部分，而元素7、10、11消失，因为基于页面回流，它们远离了元素6。这种结果将强调应该真正地归因于元素6的认知负荷。例如，在第二页面（图2（b））上，元素6（由与元素6、7、11和12的圆圈判断）占用认知负荷的65%，元素7占用认知负荷的10%，元素11占用认知负荷的15%以及元素12占用认知负荷的10%。

现在，框图415（依据框420）可以通过按如下计算元素6的平均值来确定元素6的聚集负荷：[75%（图2（a））+ 65%（图2（b））]/2 = 70%将归因于元素6的认知负荷聚集。可以将元素6的聚集认知负荷与另一个元素，如元素10的聚集认知负荷比较。[10%（图2（a））+ 0%（图2（b））]/2 = 5%将归因于元素10的认知负荷聚集。然后对认知负荷的分析可以探究什么例如元素6具有比元素10高的聚集认知负荷的原因。

框425（可以取代框420或与之协同工作）包括在第一时间段处将第一用户的第一认知负荷的第一部分归因于第一页面上包含的第一DOM的第一元素；以及在紧随第一时间段之后的第二时间段处将第一用户的第一认知负荷的第二部分归因于第一页面上包含的第一DOM的第一元素。例如，在图3中，圆圈305、310、315、320表示分别在时间T、T-1、T-2和T-3处用户105注视点（以及对应的认知负荷）。在这种示例中，因为例如注视跟踪设备的时间延迟和不确定性或准确度的原因，注视点跨时间分布。由此，圆圈320归因认知负荷的20%，框315归因认知负荷的20%，框310归因认知负荷的50%以及框305归因认知负荷的10%。可以进一步分析这些归因中每一个归因。例如，还可以将圆圈310剖析为显示分别对应于元素5、6、9和10的X、Y、Z和W百分比（参见框420）。

可以采用不同形式图示认知负荷在时间上的分布（框425）和/或在空间上的分布（框420）。例如，可以使用直方图来图示在用户的注视开始离开元素之后认知负荷如何从该元素减小等。可以使用直方图来显示有关认知负荷所在的变化的置信度级别（例如，概率分布）。例如，认知负荷可以示出为空间上的概率分布（例如，基于注视跟踪硬件的误差估算和用户的中央凹视力的尺寸）。可以将该分析分割并赋予变化的DOM元素。然后，如果页面回流或改变，则仍存在认知负荷的映射。

有关时间分布，计算认知负荷可能需要查看相对瞳孔尺寸的变化，以及因此可以基于若干测量。例如，相对于时间2处的瞳孔尺寸判断的时间1处的瞳孔尺寸将得到瞳孔尺寸的变化以及认知负荷的变化。再有，按瞳孔响应测量的，刺激与最终状态变化之间可能存在延迟。由此，因为存在随时间变化的分量，所以在时间上分布认知负荷可以帮助采用与处理空间模糊（spatial ambiguity）（图2）相似的方式适应时间模糊（图3）。

由此，当一个实施例中同时包括框420和框425时，这些框包括在第一时间段将第一用户的第一认知负荷的第一部分归因于第一页面上包含的第一DOM的第一元素；以及在紧随第一时间段之后的第二时间段处将第一用户的第一认知负荷的第二部分归因于第一页面上包含的第一DOM的第一元素；在第一时间段处将第一用户的第一认知负荷的第三部分归因于第一页面上包含的第一DOM的第二元素；以及在紧随第一时间段之后的第二时间段处将第一用户的第一认知负荷的第四部分归因于第一页面上包含的第一DOM的第二元素。

返回到基于逐个DOM元素分析认知负荷的实施例的能力，图5（a）、图5（b）和图5（c）图示三个不同页面上的单个DOM。通过基于“每个元素”确定认知负荷，能够跟踪对图5（a）、图5（b）和图5（c）中分别见到的三个页面中每个页面中的元素P的认知负荷。由此，相同的内容可以显示在多个页面/网址上（例如广告），其认知负荷度量跟随跨页面的DOM元素。

图6（a）、图6（b）和图6（c）图示三个不同页面上的单个DOM。但是，每个页面中顶层三个分层层保持不变，而第四个分层层改变。例如，对于元素F，其子节点元素从元素M、N（图6（a））改变为元素P、Q（图6（b）），改变为元素R、S（图6（c））。元素F可以构成具有叶中的内容的单选按钮，这些叶中的内容随不同页面而改变（例如，元素M、N、P、Q、R、S是包含文本的叶）。由此，分析可以关注一个或多个用户的认知负荷（一个或多个用户或聚集或非聚集的）可以归因于单选按钮本身（元素F）还是元素F的叶中的内容（例如文本）。在图6（a）、图6（b）和图6（c）的示例中，圆圈指示认知负荷保持在单选按钮元素F，而无关于子节点叶关联的内容。

图6（a）、图6（b）和图6（c）还示出树的相同分支可能在不同页面上的不同位置中分离和重新连接。例如，广告有几个DOM元素（分支）构成。该分支可以对于不同页面/网址设在父树的不同位置中。认知负荷现在可能跟踪该分支，而非仅泛泛地跟踪DOM或仅随页面。

返回到图4，现在论述可选框430、435。框430包括重复的框405、410（其之前针对第一用户，如“用户1”），但是针对另一个用户，如“用户2”（且不是用户1）。确切地来说，框430包括使用至少一个处理器处理第二用户的瞳孔活动，确定第二用户对第一页面上包含的第一DOM的第一和第二元素的第一认知负荷。框430还包括使用至少一个处理器处理第二用户的瞳孔活动，确定第二用户对第二页面上包含的第一DOM的第一和第二元素的第二认知负荷。该框还可以包括将第二用户的第一和第二认知负荷存储在耦合到至少一个处理器的至少一个机器可访问介质中。由此，第二用户现在正在阅览例如图2a和图2b的页面1和2。认知负荷分析可以再次集中于任何元素，如元素6和/或元素10，尽管有图2a中相对于图1a中DOM的回流。

框435包括基于第一用户的第一和第二认知负荷以及还基于第二用户的第一和第二认知负荷来确定第一DOM的第一和第二元素之一的单个聚集认知负荷。由此，框435允许DOM元素6的认知负荷的聚集分析，因为该元素跨不同页面回流且被不同用户查看。

对于COM和图2a和图4，第一和第二元素（例如，元素6和元素10）可以各具有父节点和子节点。在此类情况中，元素6和10都不是根节点元素，以及元素6和10都不是叶。在一个实施例中，第一和第二元素中每一个元素可以包含在第一DOM的相同分层级别中。例如，元素6和10各可以是HTML表中定义行的<tr>标记。在另一些实施例中，可以将这些元素包含在第一DOM的单独分层级别中。元素6可以是<tr>标记，以及元素10可以是<th>标记。实际上，元素10可以是元素6的子节点，以及元素6可以是元素10的父节点。在又一些实施例中，元素6和10可以是包含文本的叶节点，从而有父节点而没有子节点。

在一个实施例中，在第一页面（例如，图2a）上，第一元素包括第一子节点，第一子节点包含第一内容，以及在第二页面上，第一元素包括第二子节点，第二子节点包含不等于第一内容的第二内容。由此，元素6可以是含有子节点的<th>标记，该子节点在图2a中显示“下次购买10%折扣”以及在图2b中显示“下次购买12%折扣”。这在图6（a）、图6（b）和图6（c）中还与元素F及其变化的子节点一起图示。

再有，返回过程400的框405，其中包括使用至少一个处理器“处理”第一用户的瞳孔活动，来“确定”第一用户的第一认知负荷。再有，单元110和/或单元140可以执行此操作。单元110可以确定认知负荷并将该值发送到单元140。在这种情况中，单元140仍可以说是通过例如将认知负荷值加载到其存储器中来处理瞳孔活动并确定认知负荷。

因此，本发明的多种实施例可以与Web浏览器接口连接，并确定用户正将其视线和注意力集中到的DOM组件。相对于泛泛地注意DOM或泛泛地注意页面，集中于DOM元素可帮助跨不同地再现相同的信息的不同浏览器的分析，或甚至可不同地基于窗口大小回流内容的相同的浏览器的分析。同样地，动态Web页面可能从相同页面对不同用户显示不同内容（例如，不同的广告）。因此，仅注意认知负荷的原始X/Y值可能较不理想。

在一个实施例中，将用户正在观看什么的语义信息与瞳孔放大的测量或推断的认知负荷估计捆绑。此数据可以经过可选的匿名化和加密阶段（例如，图1的框165），并然后通过网络发送到服务器。该服务器可以是内容的始发方（例如，Web页面的主机、广告提供商等）或潜在地是第三方。在云中，可以跨多个人将数据聚集并分析。例如，可以计算有关广告的认知负荷的简单统计（例如，平均值和方差）。可以应用更高级的数据挖掘技术，比较竞争对手内容和优化认知负荷。通过基于云的协议进行聚集允许规模化（scaling）跨多个不同用户的分析。可以通过热地图等来显示认知负荷结果。再者，注视跟踪可以使用Web摄像头以及专用于注视跟踪的装置来执行。

虽然本文示例涉及DOM，但是其他实施例不作此限制，并且更广义地扩充到分层UI模型。分层UI模型包括将元素彼此相关的分层层（例如，根、分支、叶）。这些模型定义文档的逻辑结构和能够访问和操作文档的方式。

再有，多种实施例包括处理瞳孔活动以确定认知负荷。这可以包括基于通过处理系统（例如，远离第一节点（例如经由因特网）设置的节点110）获得的数据在第一节点（例如框图140）处计算认知负荷。但是，处理瞳孔活动以确定认知负荷还可以包括在处理系统100上已经计算认知负荷之后，在节点140处从处理系统110接收认知负荷。

可以采用许多不同系统类型来实施实施例。现在参考图7，其中示出根据本发明实施例的系统的框图。多处理器系统500是点到点互连系统，并且包括经由点到点互连550耦合的第一处理器570和第二处理器580。处理器570和580中每一个处理器可以是多核处理器。术语“处理器”可以指处理来自寄存器和/或存储器的电数据以将该电数据转换成可以存储在寄存器和/或存储器中的其他电数据的任何装置或装置的一部分。第一处理器570可以包括存储器控制器集线器（MCH）和点到点（P-P）接口。相似地，第二处理器580可以包括MCH和P-P接口。MCH可以将处理器耦合到相应存储器，即存储器532和存储器534，它们可以是本地连接到相应处理器的主存储器（例如，动态随机存取存储器（DRAM））的多个部分。可以经由P-P互连分别将第一处理器570和第二处理器580耦合到芯片组590。芯片组590可以包括P-P接口。再者，芯片组590可以经由接口耦合到第一总线516。可以将多种输入/输出（I/O）装置514耦合到第一总线516，以及将第一总线516耦合到第二总线520的总线桥518。可以将多种装置耦合到第二总线520，第二总线520在一个实施例中包括例如键盘和/或鼠标522、通信装置526和可以包含代码530的如磁盘驱动器或其他海量存储装置的数据存储单元528。代码可以包含在一个或多个存储器中，包括经由网络等耦合到系统500的存储器，存储器528、532、534。而且，还可以将音频I/O 524耦合到第二总线520。

实施例可以采用代码来实现，并且可以存储在其上存储有指令的存储介质上，这些指令能够用于将系统编程来执行这些指令。该存储介质可以包括但不限于任何类型的存储盘，包括软盘、光盘、固态硬盘（SSD）、压缩光盘只读存储器（CD-ROM）、可写压缩光盘（CD-RW）和磁光盘；半导体装置，如只读存储器（ROM）、如动态随机存取存储器（DRAM）、静态随机存取存储器（SRAM）的随机存取存储器（RAM）、可擦写可编程只读存储器（EPROM）、闪存存储器、电可擦写可编程只读存储器（EEPROM）、磁卡或光卡；或适于存储电子指令的任何其他类型的介质。

本发明的实施例在本文中可参考如指令、函数、过程、数据结构、应用程序、配置设置、代码等来描述。当该数据被机器访问时，该机器可以通过执行任务、定义抽象数据类型、建立低级硬件场景和/或执行其他操作来进行响应，正如本文更详细描述的。可以将该数据存储在易失性和/或非易失性数据存储装置中。术语“代码”或“程序”涵盖广义范围的组件和构造，包括应用、驱动程序、进程、例行程序、方法、模块和子程序，并且可以是指在被处理系统执行时执行期望的操作或操作的任何指令集合。此外，备选实施例可以包括使用比所披露的操作的全部更少的过程、使用附加操作的过程、按不同顺序使用相同操作的过程以及其中将本文披露的个体操作组合、拆分或以其他方式改变的过程。在一个实施例中，使用术语控制逻辑包括硬件，如晶体管、寄存器或其他硬件，如可编程逻辑装置（535）。但是，在另一个实施例中，逻辑还包括软件或代码（531）。可以将此类逻辑与硬件集成，如固件或微码（536）。处理器或控制器可以包括要表示本领域中公知的范围广的多种控制逻辑的任何一种的控制逻辑，并且因此，可以较好地实现作为微处理器、微控制器、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、可编程逻辑装置（PLD）等。

虽然本发明是结合有限数量的实施例来描述的，但是本领域技术人员将设想到基于此的多种修改和变化。所附权利要求理应涵盖所在本发明的真实精神和范围内的所有此类修改和变化。

Claims

1.一种至少一个处理器执行的用于数字文档的认知负荷评估的方法，其特征在于：

使用所述至少一个处理器处理第一用户的瞳孔活动，以确定所述第一用户对第一页面上包含的分层用户界面UI模型的第一和第二元素的第一认知负荷，所述第一页面显示彼此按第一空间朝向的第一元素和第二元素，其中所述瞳孔活动包括瞳孔尺寸的相对变化；

使用所述至少一个处理器处理所述第一用户的瞳孔活动，以确定所述第一用户对第二页面上包含的分层UI模型的所述第一和第二元素的第二认知负荷，所述第二页面显示彼此按第二空间朝向的所述第一元素和第二元素，所述第二空间朝向不等于所述第一空间朝向；

将所述第一用户的第一和第二认知负荷存储在耦合到所述至少一个处理器的至少一个机器可访问介质中；以及

基于所述第一用户的第一和第二认知负荷两者来确定所述分层UI模型的所述第一和第二元素之一的单个聚集认知负荷。

2.如权利要求1所述的方法，其包括：

使用所述至少一个处理器处理第二用户的瞳孔活动，以确定所述第二用户对所述第一页面上包含的所述分层UI模型的所述第一和第二元素的第一认知负荷；

使用所述至少一个处理器处理所述第二用户的瞳孔活动，以确定所述第二用户对所述第二页面上包含的所述分层UI模型的所述第一和第二元素的第二认知负荷；

将所述第二用户的第一和第二认知负荷存储在耦合到所述至少一个处理器的所述至少一个机器可访问介质中；以及

基于所述第一用户的第一和第二认知负荷两者以及还基于所述第二用户的第一和第二认知负荷两者来确定所述单个聚集认知负荷。

3.如权利要求1所述的方法，其中所述第一和第二元素的每一个元素具有父节点和子节点。

4.如权利要求1所述的方法，其中所述分层UI模型包括第一文档对象模型DOM以及所述第一和第二元素都包含在所述第一DOM的单个分层级别中。

5.如权利要求1所述的方法，其中：

所述第一和第二元素的每一个元素具有父节点但是没有子节点；以及

处理所述第一用户的瞳孔活动以确定所述第一用户的第一认知负荷包括如下步骤的其中之一：（a）基于通过处理系统获得的数据计算所述第一认知负荷，以及（b）在所述处理系统上计算所述第一认知负荷之后从所述处理系统接收所述第一用户的第一认知负荷。

6.如权利要求1所述的方法，其中在所述第一页面上，所述第一元素包括第一子节点，所述第一子节点包含第一内容，以及在所述第二页面上，所述第一元素包括第二子节点，所述第二子节点包含不等于所述第一内容的第二内容。

7.如权利要求1所述的方法，包括分别将所述第一用户的第一认知负荷的第一和第二部分归因于所述第一页面上包含的所述分层UI模型的所述第一和第二元素。

8.如权利要求1所述的方法，其包括：

在第一时间段处将所述第一用户的第一认知负荷的第一部分归因于所述第一页面上包含的所述分层UI模型的所述第一元素；以及

以及在紧随所述第一时间段之后的第二时间段处将所述第一用户的第一认知负荷的第二部分归因于所述第一页面上包含的所述分层UI模型的所述第一元素。

9.如权利要求1所述的方法，其包括：

在第一时间段处将所述第一用户的第一认知负荷的第一部分归因于所述第一页面上包含的所述分层UI模型的所述第一元素；

在紧随所述第一时间段之后的第二时间段处将所述第一用户的第一认知负荷的第二部分归因于所述第一页面上包含的所述分层UI模型的所述第一元素；

在所述第一时间段处将所述第一用户的第一认知负荷的第三部分归因于所述第一页面上包含的所述分层UI模型的所述第二元素；以及

在紧随所述第一时间段之后的所述第二时间段处将所述第一用户的第一认知负荷的第四部分归因于所述第一页面上包含的所述分层UI模型的所述第二元素。

10.一个或多个存储介质，其上存储有一组指令，所述一组指令被至少一个处理器执行以实现如权利要求1至9所述方法。

11.一种用于数字文档的认知负荷评估的设备，包括：

至少一个处理器；

耦合到所述至少一个处理器的控制逻辑，

特征在于所述控制逻辑用于：

使用所述至少一个处理器处理第一用户的瞳孔活动，以确定所述第一用户对第一页面上包含的分层用户界面UI模型的第一和第二元素的第一认知负荷，所述第一页面显示彼此按第一空间朝向的所述第一元素和第二元素, 其中所述瞳孔活动包括瞳孔尺寸的相对变化；

使用所述至少一个处理器处理所述第一用户的瞳孔活动，以确定所述第一用户对第二页面上包含的所述分层UI模型的所述第一和第二元素的第二认知负荷，所述第二页面显示彼此按第二空间朝向的所述第一元素和第二元素，所述第二空间朝向不等于所述第一空间朝向；以及

12.如权利要求11所述的设备，其中所述控制逻辑用于：

使用所述至少一个处理器处理所述第二用户的瞳孔活动，以确定所述第二用户对所述第二页面上包含的所述分层UI模型的所述第一和第二元素的第二认知负荷；以及

基于所述第一用户的第一和第二认知负荷两者以及还基于所述第二用户的第一和第二认知负荷来两者确定所述单个聚集认知负荷。

13.如权利要求11所述的设备，其中所述第一和第二元素的每一个元素具有父节点和子节点。

14.如权利要求11所述的设备，其中所述分层UI模型包括第一文档对象模型DOM以及所述第一和第二元素都包含在所述第一DOM的单个分层级别中。

15.如权利要求11所述的设备，其中所述第一和第二元素的每一个元素具有父节点但是没有子节点。

16.如权利要求11所述的设备，其中在所述第一页面上，所述第一元素包括第一子节点，所述第一子节点包含第一内容，以及在所述第二页面上，所述第一元素包括第二子节点，所述第二子节点包含不等于所述第一内容的第二内容。

17.如权利要求11所述的设备，其中所述控制逻辑用于分别将所述第一用户的第一认知负荷的第一和第二部分归因于所述第一页面上包含的所述分层UI模型的所述第一和第二元素。

18.如权利要求11所述的设备，其中所述控制逻辑用于：

在紧随所述第一时间段之后的第二时间段处将所述第一用户的第一认知负荷的第二部分归因于所述第一页面上包含的所述分层UI模型的所述第一元素。

19.如权利要求11所述的设备，其中所述控制逻辑用于：

20.一种包括如权利要求11至19所述的至少一个处理器的计算机系统，所述计算机系统还包括至少一个机器可访问介质，所述至少一个机器可访问介质耦合到所述至少一个处理器，以用于存储所述第一用户的第一和第二认知负荷。