# 05 场景化/情境化交互设计与音频优先产品的用户研究（RQ5）

> 状态：完成 ｜ 调研日期：2026-08-30 ｜ 对应章程 RQ5
> RQ5：不同使用场景（睡前/通勤/摸鱼/下班疲惫）与人群（学生/视障/白领/工人）对纯音频游戏交互提出什么不同约束？如何据此给出多套交互方案？
> 方法：WebSearch/WebFetch 桌面调研，英文一手来源为主。搜不到一手来源处明确标注「推断」。

---

## ① 研究问题

本项目是手机网页纯音频游戏（无画面、音频+震动、6 种手势、单局短），面向 4 类人设 × 4 类场景。RQ5 要回答：

1. **场景侧**：移动游戏真实发生在哪些场景？各场景的注意力、噪声、社会、生理约束分别是什么，有无量化证据？
2. **产品侧**：已被验证的音频优先产品（播客/睡眠/车载）在「免视、免手、可中断、噪声环境」下沉淀了哪些交互模式？
3. **人群侧**：不同人群（熟练度、时间预算、认知资源）对同一套音频交互的期望差异有无研究支撑？
4. **框架侧**：有没有可直接复用的「情境→设计约束」分析框架？
5. **综合**：据此为本项目推导出**多套**（而非单一）交互方案的方向性建议。

---

## ② 分主题发现

### 2.1 移动游戏场景分布：床是第一场景，「在家」远多于「在路上」

| 数据点 | 数值 | 来源 |
|---|---|---|
| MocoSpace 调查（1.5 万美国手游玩家，2012）：在家玩 | 96% 每天至少一次 | [TechCrunch](https://techcrunch.com/2012/03/22/home-is-where-the-mobile-game-is-96-play-games-in-the-house-53-in-bed/) |
| 在床上玩（最常见地点） | **53%**（Max FM 调查为 61%） | 同上；[Max FM](https://max1073.com.au/articles/people-play-mobile-games-in-bed/) |
| 在厕所玩 | 5%（MocoSpace）~ 29%（Max FM），口径差异极大 | 同上 |
| 通勤/公共交通上玩 | **20%**（YouGov 2025 美国调查）；9%（Max FM 澳洲） | [YouGov Reality Checks](https://yougov.com/en-us/articles/52890-reality-checks-talkshow-mobile-game-download-habits-andre-gualda) |
| 外出时（排队/候诊）玩 | 83% 至少偶尔 | TechCrunch（同上） |

**结论**：手游的主战场是「家」（床/沙发），通勤是第二梯队；「床上玩」是绝对多数场景，这直接支持本项目把「睡前」当一等公民场景。单次时长：行业基准为手游中位单局 **4–6 分钟**，头部 25% 游戏 8–10 分钟；每日 4–6 次微会话、日总时长中位约 22 分钟（GameAnalytics 基准）、美国用户日均 33 分钟（Flurry）（[Icon Era 统计汇编](https://icon-era.com/statistics/average-gaming-session-length-by-age-group/)）。→ 本项目「单局 1–5 分钟」的假设与行业中位吻合，天然就是 micro-session 形态。

### 2.2 打断频率与恢复成本：被打断是常态，恢复是隐性成本

- 经典研究（Gloria Mark 等，UC Irvine）：被打断后完全回到原任务平均需 **23 分 15 秒**，82% 的被打断工作当天会续上（[综述](https://addyo.substack.com/p/it-takes-23-mins-to-recover-after)；原文 Mark et al., "The Cost of Interrupted Work"）。
- 打断存在**速度-准确率权衡**：恢复 lag 越短，出错越多（[PubMed](https://pubmed.ncbi.nlm.nih.gov/23795978/)）。→ 对游戏设计的含义：**强制即时恢复（回来直接续打）会放大出错与挫败；恢复时应给「低风险缓冲期」**。
- 职场打断频率：84.2% 上班族每小时被手机打断 1–3 次，30% 达 5 次以上；员工日均个人手机使用约 60 分钟（Screen Education 调查，见 [cyberloafing 汇总](https://www.myshyft.com/blog/interruption-science-scheduling/)及下文 2.7）。
- → **摸鱼场景的核心约束不是「玩多久」而是「随时会被叫走」**：恢复成本必须由游戏承担（自动存档、回来先口头重述局面），而不是让玩家记。

### 2.3 Micro-session 游戏设计实践（单局 1–5 分钟怎么设计中断与续玩）

- 行业实践共识（无单一一手论文，多来源交叉）：**「灵活会话」设计**——把长流程切成可独立完成的微循环，任何时刻退出都不损失进度（[Mobile Free To Play: Flexible Sessions](https://mobilefreetoplay.com/mobile-session-design-flexible-sessions-2/)、[Design The Game: Micro-Sessions](https://www.designthegame.com/learning/tutorial/micro-sessions-engaging-on-the-go-players)）。
- **建模玩家时间**：把玩家日程中的「碎片缝」作为设计对象，提供 30 秒/3 分钟/10 分钟多档目标（[UX Collective: Modeling Player's Time](https://uxdesign.cc/modeling-players-time-e2c69b2eef47)）。
- 体力/生命值机制的另一面：它既是付费墙也是**天然停机点**，替玩家解决「该停了」的自控问题（[GameRefinery](https://www.gamerefinery.com/3-things-to-know-about-session-length-restriction-when-designing-a-free2play-game/)）。
- 学术方向：「disengagement-friendly game design」开始出现——主动设计「友好退出/再进入」，降低中断的心理成本（[ACM 2025](https://dl.acm.org/doi/10.1145/3772318.3790564)）。
- → 归纳出 micro-session 三件套（**推断**，由上述来源综合）：①单局闭环小且完整；②任意时刻可无损暂停/退出，回来有「局面复述」；③重进入口零摩擦（一击即续播）。

### 2.4 音频优先产品的场景 UX：已被验证的免视模式

**播客/有声书（通勤与家务场景的成熟答案）**：

| 模式 | 具体做法 | 来源 |
|---|---|---|
| 精确续播 | 重进 App 自动恢复到上次的精确位置，无需书签操作；每档节目记忆独立设置 | [Pocket Casts](https://apps.apple.com/ro/app/pocket-casts-podcast-player/id414834813)、[Podtastic（per-podcast 设置）](https://apps.apple.com/us/app/podtastic/id6761050924) |
| 变速 | 0.5x–3x 连续可调，老用户常态 1.5x+ | Pocket Casts（同上） |
| 跳过静音 | Smart Speed/剪静音；静音门限可配置（−60 至 −20 dB） | [Overcast](https://overcast.fm/)、[AppleVis 论坛（阈值配置）](https://applevis.com/forum/ios-ipados/seeking-testers-my-new-ios-macos-podcast-app?page=1) |
| 响度自适应 | Overcast Voice Boost 2：按广播级 LUFS 感知响度算法做动态归一+真峰值限制器，明确卖点是「在嘈杂车里也听得清」 | [overcast.fm](https://overcast.fm/)、[Marco Arment 技术说明](https://marco.org/2020/01/31/voiceboost2) |
| 睡眠定时器 | 全员标配、入口常驻播放器；有用户仅因睡眠定时器 UI 更好而换 App | [Apple Podcasts 重设计案例](https://uxdesign.cc/fixing-things-that-bug-you-or-redesigning-the-apple-podcast-app-6d438a7b4a78)、[TidBITS 讨论](https://talk.tidbits.com/t/do-you-use-it-podcast-apps/27148?page=3) |

**睡眠音频产品（Calm/潮汐/白噪音）**：深夜 UI 一致走向**暗色低对比 + 极简夜间交互**——内容即界面（Sleepcasts/自然声/睡前故事），播放页控件极少，默认防误触；「内容音频化、操作最少化」是被验证的睡前形态（[Calm](https://www.calm.com/)、[Headspace](https://www.headspace.com/)、[冥想类 App UI 案例研究](https://gummble.com/blog/best-meditation-app-designs-2026)）。

**驾车/CarPlay（免视安全约束的法规锚点）**：
- NHTSA 驾驶分心指南：单次视线离开道路 **≤2 秒**、单任务总视/手操作 **≤12 秒**；CarPlay 设计（语音优先、大目标、少文本）即按此收敛（[Apple CarPlay 开发者](https://developer.apple.com/carplay/)、[DesignCode: Designing for CarPlay](https://designcode.io/ui-design-handbook-designing-for-carplay/)）。
- NN Group：「好的**一维音频界面**设计既服务盲人用户，也服务驾驶等『眼睛忙』情境」——**situational impairment 把无障碍设计变成通用设计**（[NN Group: Alternative Interfaces for Accessibility](https://www.nngroup.com/articles/alternative-interfaces-for-accessibility/)）。
- → 提炼出免视交互通用法则（**推断**，综合上述来源）：①任何一条语音指令/反馈必须能在 **≤2 秒注意力窗口**内被理解；②单次交互只做一个决定；③关键信息冗余编码（语音+音色+震动）；④一切操作可被一句话撤销/重听。

### 2.5 环境噪声与语音可懂度：地铁是「压力测试环境」

**噪声量级**：
- 纽约地铁平均 **80–90 dBA**（[PMC](https://pmc.ncbi.nlm.nih.gov/articles/PMC6302728/)）；MTA 站台均值 81.1 dBA、峰值 90.2 dBA（[AJPH](https://ajph.aphapublications.org/doi/full/10.2105/AJPH.2008.138297)）；车内 74–81 dB（[Hearing Health Foundation](https://hearinghealthfoundation.org/subway)）；港铁报告区间 80–112 dB（[Harvard](https://dash.harvard.edu/entities/publication/fd5e76ac-8511-4e7b-9d69-2eab31f67137)）。
- 记住一个数：**地铁环境≈80 dBA 本底 + 突发尖峰**，耳机内 SNR 常年在 **0–10 dB** 之间摆动。

**SNR 与可懂度**：
- SNR −5~0 dB 时语音可懂度崩塌；自然语音在噪声中的可懂度可从 71.7% 跌到 22.8%（[Kim et al. 2009, PMC](https://pmc.ncbi.nlm.nih.gov/articles/PMC2757424/)；JASA Express Letters，转引自搜索结果）。
- 工程经验：<15 dB SNR 就需要整套噪声鲁棒处理（VAD、降噪、动态响度）（[Forasoft](https://www.forasoft.com/blog/article/speech-recognition-accuracy-noisy-environments)）。
- 地铁站台广播可懂度差的根因=高噪声+长混响，普通 SNR 标准在地铁站失效（[SSRN 论文](https://papers.ssrn.com/sol3/Delivery.cfm/4015e7b5-0278-4aa0-b841-1c4dee512535-MECA.pdf?abstractid=5339289)）。

**「一遍听不清怎么办」的已有做法**：
- 响度自适应（Voice Boost 式 LUFS 归一）是播客端被验证的产品级答案（见 2.4）。
- 语速维度：正常语音 120–180 wpm；视障资深用户经训练可听 500+ wpm，但**新手与普通用户在噪声下应降速而非提速**——加速会进一步压缩掩蔽间隙（[Bragg et al. 2021 听速大样本研究](https://dl.acm.org/doi/fullHtml/10.1145/3461700)）（后半句为**推断**）。
- 重听：读屏工具普遍提供「重复最后一句」指令，说明**重听必须是零成本一级操作**（读屏通用实践，具体手势因系统而异——通用实践/推断）。
- → 设计对策（**推断**，由上述证据综合）：关键信息默认**两遍式播报**（一遍原样+一遍关键值）；任何时刻一键重听；噪声环境下自动降语速+提响度+拉长语句间隙。

### 2.6 社会约束场景：纯震动玩法可行吗？

**震动语言的表达上限（关键参数）**：
- 信息论视角：单个震动刺激实际可传递约 **2–3 bit**（≈4–8 个完全可辨选项）；序列化呈现可叠加。触觉通信的最优传输率约 **7.9 bit/s**，且在「每刺激 3 bit」的编码下取得（[Tan, Reed & Durlach, IEEE ToH 2010](https://engineering.purdue.edu/~hongtan/pubs/PDFfiles/J45_TanReedDurlach_ToH2010.pdf)）。
- 可学习词表规模：实用场景下用户经训练可稳定掌握 **约 10–25 个震动模式**；用节奏×频率×幅度参数化可做出 **84 个可辨触觉图标**（[Boulos et al., Springer](https://dl.acm.org/doi/10.1007/978-3-540-69057-3_24)）；运动 App 的时序震动模式集在实验室辨识别率 96%、真实场景 88.7%（ActiVibe, AVI 2018，转引自检索汇总）。
- 注意资源上限：同时呈现的触觉刺激超过 **约 4 个**后判断力骤降（[Gallace, Tan & Spence 2007](https://engineering.purdue.edu/~hongtan/pubs/PDFfiles/J30_GallaceTanSpence_PnP2007b.pdf)）→ **震动必须串行、低频次、只编码「状态变化」而非连续数据流**。
- 认知负荷下的可用性：用户在专注其他任务时仍能学会识别小规模触觉图标集，但学习速度显著变慢（[Chan & MacLean, UBC](https://www.cs.ubc.ca/labs/spin/sites/default/files/local_pdfs/Learning_and_identifying_haptic_icons_under_workload.pdf)）——支持「摸鱼模式只保留 3–6 个震动语义」。
- 盲聋人群的震动语言先例：Mobile Lorm Glove（Lorm 触觉字母手机化）、Tactile Board（文本/语音→震动符号实时转译）（[arXiv 2205.04802](https://arxiv.org/pdf/2205.04802)）、Neosensory Buzz（声音→ wrist 震动模式）（[Deafpedia 概述](https://deafpedia.org/visual-tactile-technology-for-deaf-people/)）。→ **震动承载一门「小语言」已被多次验证，但词表都是几十个以内且需学习期**。

**单手/不看屏**：
- 真实持机观察（n=1333）：**49% 单手、36% 托持、15% 双手**；**75% 的触控由拇指完成**（[Hoober, UX Matters 2013](https://www.uxmatters.com/mt/archives/2013/02/how-do-users-really-hold-mobile-devices.php)）。→ 6 种手势若全部单手拇指可达，覆盖近半真实使用姿势；躺床姿势（屏幕朝上/朝侧）进一步要求**手势不依赖屏幕坐标**——这恰是纯音频手势的天然优势（**推断**）。
- 静音可行性：手机震动本身近乎无声，但网页游戏若保留任何提示音需默认静音+仅震动；音效泄漏与 TTS 在安静办公室的清晰度是主要风险（**推断**，无直接研究）。

### 2.7 人群差异：场景画像的行为证据

**摸鱼/白领（cyberloafing 研究）**：
- 92–96% 员工在工作日使用个人手机；60–80% 承认 cyberloafing；日均约 60 分钟（低自报口径）~2 小时（高口径）；动机依次为愉悦 79%、放松 77%、无聊 71%（[Screen Education/Zippia/OFO 调查汇总](https://www.myshyft.com/blog/interruption-science-scheduling/)、[Vouchercloud 2019](https://www.vouchercloud.com/resources/office-worker-productivity)）。
- **恢复视角**（重要反直觉）：短暂的网页浏览比午餐/锻炼更「回血」，适度摸鱼提升后续专注（recovery theory，South University 等汇总，同上来源）。→ 摸鱼游戏的价值主张应是「3 分钟回血」，而非「沉浸世界」。

**视障玩家（专业用户群）**：
- CHI 2025《How Users Who are Blind or Low Vision Play Mobile Games》：**优先选择与读屏兼容的游戏**，读屏适配决定其游戏选择（[ACM](https://dl.acm.org/doi/10.1145/3706598.3714205)）。
- 音频游戏设计指南（分析 9 款音频游戏提炼 **50 条指南**）：空间音频、一致的听觉词汇、清晰的「等待输入」信号是核心（[Design Guidelines for Audio Games](https://www.researchgate.net/publication/296643157_Design_Guidelines_for_Audio_Games)）。
- 行业深访：要用尽声音的一切属性（音高/音色/响度/尤其**空间定位**）传信息（[AFB AccessWorld](https://afb.org/aw/fall2023/Blindness-Accessibility-in-Video-Games-A-Deep-Dive)）。
- 听速：资深读屏用户 400–600+ wpm、偏好更「机械但高速不失真」的语音；新手贴近 150–180 wpm 自然语音（[Bragg et al. 2021](https://dl.acm.org/doi/fullHtml/10.1145/3461700)）→ **同一游戏需要可调语速，且默认值因人群而异**。

**学生/时间充裕者**：Newzoo 分群（casual/midcore/core）显示年轻玩家动机偏向「与朋友完成任务、竞争、社交」与长线成长（[Newzoo Global Gamer Study](https://newzoo.com/products/global-gamer-study/)、[2024 参与度报告摘要](https://gamedevreports.substack.com/p/newzoo-how-people-engage-with-games)）。直接针对「大学生音频游戏偏好」的一手数据未检索到——**推断**：会话预算大、可接受 10 分钟+沉浸局与成长系统，对重复说教敏感。

**工人/体力劳动者**：
- 疲劳与无聊**预测**更多手机使用（客观传感数据）（[ResearchGate: Fatigue, Boredom and Objectively Measured Smartphone Use at Work](https://www.researchgate.net/publication/353085835_Fatigue_boredom_and_objectively_measured_smartphone_use_at_work)）。
- 蓝/白领可用性痛点研究：移动优先、低数字素养人群需要**极简流程、低认知负荷**（[Jansen et al. 2025, ACM](https://dl.acm.org/doi/full/10.1145/3750069.3750390)）；低文化程度用户界面设计研究同向（[Microsoft Research](https://www.microsoft.com/en-us/research/publication/designing-mobile-interfaces-for-novice-and-low-literacy-users/)）。
- 触控疲劳：长时间触屏操作本身产生肌肉疲劳（[ACM 2025](https://dl.acm.org/abs/10.1007/978-3-031-92707-2_14)）→ 下班疲惫场景应**减少每局操作次数**。
- 未检索到「蓝领手游偏好」专门行业报告——「偏好简单规则与即时反馈」这一人设假设目前由上述可用性文献**间接支撑（推断）**。

### 2.8 情境化框架：可直接借用的两个模型

**Context-aware computing（Dey & Abowd）**：
- 定义：**「上下文是任何可用于刻画实体情境的信息」**（位置、身份、活动、时间）；「若系统利用上下文为用户提供相关信息/服务，且相关性取决于用户任务，则它是上下文感知的」（[Dey 2001, PDF](http://www.cs.umd.edu/class/spring2018/cmsc818G/files/contextdey.pdf)、[Dey & Abowd, HCI Journal 2001](https://dl.acm.org/doi/abs/10.1207/s15327051hci16234_02)）。
- → 对本项目：**手机网页拿不到精细传感器上下文，但可以用「入口选择/首局试探」做轻量上下文**：让玩家（或首次体验模式）声明场景档位，游戏据此切换交互参数包。这是把 context-awareness 降维成「场景预设 profile」的可行路径（**推断**）。

**Microsoft 包容设计：permanent / temporary / situational（情境性损伤）**：
- 官方框架（[microsoft.com/design/inclusive](https://www.microsoft.com/design/inclusive/)）：同一功能约束有三种来源——永久（独臂/盲/聋）、暂时（手臂打石膏/白内障/耳部感染）、**情境**（抱婴儿单手抱机/强光下看屏/酒吧嘈杂中听不清）。
- → 核心推论：**为视障用户设计的免视交互，就是为通勤、摸鱼、睡前所有「情境性失明/失聪」时刻设计的交互**（与 NN Group 结论互证，见 2.4）。这使 RQ3（视障惯例）的成果可以直接复用到 RQ5 的场景方案里。

### 2.9 睡前场景特殊性：低负荷、零光线、可入睡

- **睡眠惰性（sleep inertia）**：刚醒来认知最差，典型持续 **15–30 分钟**、极端 15–120 分钟，决策能力受影响最明显（[ScienceDirect Topics](https://www.sciencedirect.com/topics/medicine-and-dentistry/sleep-inertia)、[PLOS ONE](https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0079688)）→ 不仅「睡前犯困」，**早晨睁眼躺床也是认知低谷**；两端的共同设计答案是「低记忆负荷+高容错」。
- 手机在床使用的实证：影响入睡潜伏期、心率与 HRV（[PMC9643910](https://pmc.ncbi.nlm.nih.gov/articles/PMC9643910/)）；大学生 **70.1% 关灯后仍玩手机**、关灯后平均 38.5 分钟（[Nature Sci Rep](https://www.nature.com/articles/s41598-026-42454-7)）；睡前看屏者睡眠质量差的比例高 33%（[SleepEducation.org](https://sleepeducation.org/screen-time-and-sleep-what-new-studies-reveal/)）；蓝光抑制褪黑素（[Brain Communications](https://academic.oup.com/braincomms/article/6/3/fcae173/7675955)），但也有综述认为影响仅约 9 分钟延迟（[BBC Future](https://www.bbc.com/future/article/20260407-the-blue-light-from-your-phone-isnt-ruining-your-sleep)）。
- → 对纯音频游戏：**无画面是睡前场景的结构性优势**（零蓝光、暗处可用），但音量敏感（同枕他人/室友）+困倦认知下降是硬约束；「帮人入睡后不吵人」的睡眠定时器是睡眠音频品类标配（2.4），纯音频游戏也应提供「定时软退出」。

---

## ③ 场景→设计约束映射表

> 四个目标场景 × 关键约束（附证据强度）× 交互对策。证据强度：【实】有一手研究/产品实证；【推】推断。

| 场景 | 关键约束 | 证据 | 交互对策 |
|---|---|---|---|
| **睡前躺床**（占比最高的手游场景，53–61% 在床上玩） | ① 音量敏感（同室他人/浅眠）② 零视觉本来满足，但屏幕亮度/蓝光需为零 ③ 困倦→工作记忆下降，记不住复杂规则 ④ 想玩到睡着→需要「软着陆」退出 ⑤ 躺姿单手、拇指操作 | 【实】2.1/2.9 | 暗黑模式常驻+屏幕常暗（无画面即优势）；默认低音量曲线+人声为主；单局规则 ≤3 条、无长链状态记忆；内置睡眠定时器（如 10/20 分钟后柔和收尾）；每局结束播一句「晚安式」低刺激收束音；手势全部单手拇指可达 |
| **地铁通勤**（约 20% 用户在公共交通玩；80–90 dBA 噪声、SNR 0–10 dB） | ① TTS 可懂度崩塌风险 ② 站到站的 3–8 分钟碎片窗口+到站打断 ③ 单手+可能站着晃动 ④ 噪声中自感音量过大伤耳 | 【实】2.2/2.5 | 响度自适应（LUFS 归一+动态提亮人声频段）；关键信息两遍式播报+一键重听（零成本重听手势）；到站铃声/打断后回来先播「局面复述」再继续；单局按 3 分钟设计，站间可完成整数局；降语速、拉长语句间隙；提供「本站模式」短局变体 |
| **上班摸鱼**（92–96% 员工工时用手机；84% 每小时被打断 1–3 次；怕出声） | ① 绝对静音（TTS/音效可能外泄）② 随时被叫走→30 秒级中断 ③ 屏幕需可瞬间藏匿（.alt-tab 心理模型）④ 短时回血定位而非沉浸 | 【实】2.2/2.7 | 「纯震动模式」：仅 3–6 个震动语义（开始/正确/错误/等待输入/结算），串行低频次（同发 ≤4 是上限）；自动暂停零损失、回来一句话复述局面；单手拇指完成全部 6 手势；单局 ≤3 分钟、可中途放弃不计失败；无长激励音效 |
| **下班疲惫放松**（疲劳预测更多手机使用；触控操作本身致疲劳） | ① 认知资源低：学新规则成本高 ② 容错要求高，惩罚性失败劝退 ③ 需要即时正反馈回血 ④ 可能边做家务边听（耳机可能不戴） | 【实】2.7 | 规则复用已知手势（不引入新手势）；失败降级为「再来一次」而非重头；正反馈前置（前 30 秒内必有一次明确成功反馈）；免耳机可玩（扬声器模式语音更慢更响）；每局操作次数压缩（少而重的反馈，避免连续高频触控） |

---

## ④ 人群→设计偏好映射表

| 人设 | 关键证据/推断 | 交互偏好 | 设计对策 |
|---|---|---|---|
| **视障玩家**（专业评委） | 【实】读屏兼容是选游戏首要标准（CHI 2025）；听速 400–600+ wpm；期望空间音频与一致听觉词汇；50 条音频游戏指南 | 高信息密度、高速语音、严谨一致的听觉语言；反感「为健全人降智」的简化和过度提示 | 提供语速 1x–3x 可调（默认偏快）；完整空间音频信息；手势/音色词汇与读屏惯例对齐；绝不抢读屏焦点；邀请其「挑错」的心智模型 |
| **时间充裕的大学生** | 【推】由 Newzoo 年轻玩家动机（社交/竞争/成长）+ 长 session 分群间接支撑 | 愿意深玩：期待沉浸感、成长曲线、可钻研深度；讨厌说教与手把手引导 | 保留完整状态层+成长系统；允许跳过教程直达硬核模式；提供可探索的深度机制（连击/排行）；引导做成可跳过的一句话而非连续课程 |
| **时间紧张的白领** | 【实】cyberloafing 数据：日均 60 分钟、每小时被打断；摸鱼动机=放松回血 | 即时满足、3 分钟一局、随时中断续玩、静音可玩、零学习成本 | 见③摸鱼列：震动模式+自动暂停+局面复述；即时小结算（每局都有收获感）；无需登录/设置即可玩 |
| **工人（体力劳动）** | 【推】由疲劳→更多手机使用、低认知负荷界面、触控疲劳等文献间接支撑；无直接「蓝领手游偏好」一手报告 | 简单规则、即时正反馈、高容错、少操作 | 每局规则 ≤2 条且开局口播；失败不惩罚（无「游戏结束」重挫音，改为鼓励+重试）；大粒度反馈（成功/失败二值为主，少灰色评价）；操作频次低 |

---

## ⑤ 对本项目的可操作建议（多套方案方向）

### 5.1 先立「全局基线」：所有场景共享的最小状态层

证据（2.4/2.5/2.6）收敛出四条任何场景都不该违背的底线，作为多方案公共内核：

1. **任意时刻可无损暂停，恢复时先播一句局面复述**（被打断是常态，恢复成本游戏承担）。
2. **零成本重听**：重听最后一条指令必须是单手势一级操作；关键信息默认两遍式（一遍完整+一遍关键值）。
3. **听觉词汇全局一致**：同一语义永远同一音色/earcon/震动模式，跨游戏复用（视障社区的硬期望）。
4. **语音参数可调**：语速（0.8x–2x，视障档至 3x）与响度（LUFS 归一基线）是全局设置而非各游戏散装实现。

### 5.2 四套场景方案（同一内核，四个参数包）

| 方案 | 名称 | 核心参数差异 | 一句话定位 |
|---|---|---|---|
| A | **通勤·噪声鲁棒版** | 语速 0.9x+句间停顿加大；响度自适应提亮；关键信息两遍式；单局 3 分钟、到站可弃局；手势全部单手拇指 | 「在 85 分贝里也玩得下去」 |
| B | **摸鱼·静默震动版** | 全静音，仅震动语言（≤6 个语义、串行播报）；自动暂停无感续玩；单手完成；单局 ≤3 分钟、随时弃 | 「领导走过来 0.5 秒切走，回来一句话接上」 |
| C | **睡前·助眠低负版** | 低音量曲线+暖音色；常暗常静；睡眠定时器；规则 ≤3 条；失败即鼓励；收束音低刺激 | 「玩着玩着能安心睡着」 |
| D | **下班·轻回血版** | 免耳机扬声器模式；即时正反馈前置；容错拉满；每局操作次数最少 | 「累成狗也能赢一局」 |

关键取舍说明：A 与 B 冲突最大（一个要「响」，一个要「无声」），**不应做成自动切换，而应做成入口显式选择 + 记忆上次选择**——因为手机网页拿不到可靠上下文传感器（2.8 的 context-awareness 降维方案）。C 与 D 可共享「低认知负荷」底层，仅音色/收束策略不同。

### 5.3 按人群的调优旋钮（在场景方案之上叠加）

- **视障档**：语速上限 3x、完整空间信息、严格读屏协作（不抢焦点、语义标签完整）——RQ3 的惯例清单直接作为该档验收标准。
- **学生档**：保留成长系统与深度机制，引导全部可跳过。
- **白领档**：默认即方案 B；结算即时化（每局都有「+1 进步」口播）。
- **工人档**：每局新信息量为零（只复用已学手势）；反馈二值化。

### 5.4 需要用试玩验证的风险假设（带入 RQ8）

1. 纯震动玩法的信息带宽是否够（理论上限 2–3 bit/刺激，需实测玩家在摸鱼分心状态下能否分辨 6 个语义——Chan & MacLean 显示分心会显著拖慢学习）。
2. 两遍式播报在低速语音下是否会拖节奏（通勤版需 A/B 检验）。
3. 「局面复述」的一句话是否真能重建状态感知（这是章程核心痛点在场景维度的检验点）。
4. 睡眠定时器与「软着陆」是否提升「愿意再玩」而非只提升「关掉」。

---

## ⑥ 参考来源列表

**场景分布与碎片化**
- TechCrunch — MocoSpace 手游场景调查（96% 在家/53% 在床）: https://techcrunch.com/2012/03/22/home-is-where-the-mobile-game-is-96-play-games-in-the-house-53-in-bed/
- YouGov Reality Checks（20% 通勤玩）: https://yougov.com/en-us/articles/52890-reality-checks-talkshow-mobile-game-download-habits-andre-gualda
- Max FM 调查（61% 床/29% 厕所/9% 通勤）: https://max1073.com.au/articles/people-play-mobile-games-in-bed/
- Icon Era 手游会话长度统计汇编: https://icon-era.com/statistics/average-gaming-session-length-by-age-group/
- Addy Osmani 打断恢复成本综述（23min15s）: https://addyo.substack.com/p/it-takes-23-mins-to-recover-after
- 速度-准确率权衡（恢复 lag 研究）: https://pubmed.ncbi.nlm.nih.gov/23795978/

**Micro-session 设计**
- Mobile Free To Play — Flexible Sessions: https://mobilefreetoplay.com/mobile-session-design-flexible-sessions-2/
- Design The Game — Micro-Sessions: https://www.designthegame.com/learning/tutorial/micro-sessions-engaging-on-the-go-players
- UX Collective — Modeling Player's Time: https://uxdesign.cc/modeling-players-time-e2c69b2eef47
- GameRefinery — Session-Length Restriction（体力值=停机点）: https://www.gamerefinery.com/3-things-to-know-about-session-length-restriction-when-designing-a-free2play-game/
- ACM — Disengagement-Friendly Game Design: https://dl.acm.org/doi/10.1145/3772318.3790564

**音频优先产品场景 UX**
- Pocket Casts（0.5x–3x 变速/剪静音）: https://apps.apple.com/ro/app/pocket-casts-podcast-player/id414834813
- Podtastic（per-podcast 音频偏好）: https://apps.apple.com/us/app/podtastic/id6761050924
- Overcast（Voice Boost LUFS 响度归一/Smart Speed）: https://overcast.fm/ ；技术说明: https://marco.org/2020/01/31/voiceboost2
- Apple Podcasts 重设计（睡眠定时器入口）: https://uxdesign.cc/fixing-things-that-bug-you-or-redesigning-the-apple-podcast-app-6d438a7b4a78
- Calm: https://www.calm.com/ ；Headspace: https://www.headspace.com/
- 冥想/睡眠 App UI 案例研究: https://gummble.com/blog/best-meditation-app-designs-2026
- Apple CarPlay 开发者页: https://developer.apple.com/carplay/ ；DesignCode CarPlay 设计: https://designcode.io/ui-design-handbook-designing-for-carplay/
- NN Group — Alternative Interfaces for Accessibility（一维音频设计服务「眼睛忙」场景）: https://www.nngroup.com/articles/alternative-interfaces-for-accessibility/
- Oakley — Designing Eyes-Free Interaction: http://www.whereveriam.org/work/etri/HAID07_Oakley.pdf

**噪声与语音可懂度**
- NYC 地铁噪声 80–90 dBA: https://pmc.ncbi.nlm.nih.gov/articles/PMC6302728/
- AJPH — MTA 站台噪声实测: https://ajph.aphapublications.org/doi/full/10.2105/AJPH.2008.138297
- Hearing Health Foundation — 车内噪声: https://hearinghealthfoundation.org/subway
- Harvard — 港铁噪声评估: https://dash.harvard.edu/entities/publication/fd5e76ac-8511-4e7b-9d69-2eab31f67137
- Kim et al. 2009 — 噪声中语音可懂度增强算法: https://pmc.ncbi.nlm.nih.gov/articles/PMC2757424/
- Forasoft — 噪声环境语音识别 SNR 工程阈值: https://www.forasoft.com/blog/article/speech-recognition-accuracy-noisy-environments
- SSRN — 地铁站台广播可懂度与混响: https://papers.ssrn.com/sol3/Delivery.cfm/4015e7b5-0278-4aa0-b841-1c4dee512535-MECA.pdf?abstractid=5339289
- Bragg et al. — 大样本听速研究（读屏用户 500+ wpm）: https://dl.acm.org/doi/fullHtml/10.1145/3461700

**震动/触觉语言与单手**
- Tan, Reed & Durlach — 触觉信息传输率（7.9 bit/s @ 3bit/刺激）: https://engineering.purdue.edu/~hongtan/pubs/PDFfiles/J45_TanReedDurlach_ToH2010.pdf
- Boulos et al. — 节奏化 84 个触觉图标: https://dl.acm.org/doi/10.1007/978-3-540-69057-3_24
- Gallace, Tan & Spence — 触觉同时感知上限（约 4 个）: https://engineering.purdue.edu/~hongtan/pubs/PDFfiles/J30_GallaceTanSpence_PnP2007b.pdf
- Chan & MacLean — 认知负荷下学习触觉图标: https://www.cs.ubc.ca/labs/spin/sites/default/files/local_pdfs/Learning_and_identifying_haptic_icons_under_workload.pdf
- Kutner & Hadžidedić — 盲聋震动通信（Tactile Board）: https://arxiv.org/pdf/2205.04802
- Neosensory Buzz（声音→震动）: https://deafpedia.org/visual-tactile-technology-for-deaf-people/
- Hoober — 真实持机观察（49% 单手/75% 拇指）: https://www.uxmatters.com/mt/archives/2013/02/how-do-users-really-hold-mobile-devices.php

**人群差异**
- ACM CHI 2025 — 视障/低视力用户如何玩手游: https://dl.acm.org/doi/10.1145/3706598.3714205
- Design Guidelines for Audio Games（50 条指南）: https://www.researchgate.net/publication/296643157_Design_Guidelines_for_Audio_Games
- AFB AccessWorld — 盲人游戏可及性深访: https://afb.org/aw/fall2023/Blindness-Accessibility-in-Video-Games-A-Deep-Dive
- Newzoo Global Gamer Study: https://newzoo.com/products/global-gamer-study/ ；2024 参与度摘要: https://gamedevreports.substack.com/p/newzoo-how-people-engage-with-games
- Cyberloafing 数据汇总（Screen Education 等）: https://www.myshyft.com/blog/interruption-science-scheduling/
- 疲劳/无聊→更多工作时段手机使用: https://www.researchgate.net/publication/353085835_Fatigue_boredom_and_objectively_measured_smartphone_use_at_work
- Jansen et al. 2025 — 蓝领/白领移动可用性痛点: https://dl.acm.org/doi/full/10.1145/3750069.3750390
- Microsoft Research — 低文化程度用户移动界面设计: https://www.microsoft.com/en-us/research/publication/designing-mobile-interfaces-for-novice-and-low-literacy-users/

**框架与睡前**
- Dey — Context 定义与 context-aware computing: http://www.cs.umd.edu/class/spring2018/cmsc818G/files/contextdey.pdf ；Dey & Abowd Context Toolkit: https://dl.acm.org/doi/abs/10.1207/s15327051hci16234_02
- Microsoft Inclusive Design（permanent/temporary/situational）: https://www.microsoft.com/design/inclusive/
- ScienceDirect — Sleep Inertia 综述（15–120 min）: https://www.sciencedirect.com/topics/medicine-and-dentistry/sleep-inertia ；PLOS ONE 晨间睡眠惰性: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0079688
- 手机在床使用与睡眠（HRV）: https://pmc.ncbi.nlm.nih.gov/articles/PMC9643910/ ；大学生关灯玩手机数据: https://www.nature.com/articles/s41598-026-42454-7 ；睡前屏幕与睡眠质量: https://sleepeducation.org/screen-time-and-sleep-what-new-studies-reveal/