感性工学在服装领域中的研究进展可视化分析

方蕾蕾

(浙江科技学院 艺术设计与服装学院,浙江 杭州 310000)

如今,现代消费已进入“精神消费”时代,服装作为彰显个性、体现身份的重要媒介,消费者对服装的需求不再仅是基本的穿着功能,而是期望在服装中能获得更高价值的审美体验和情感实现。为满足消费者与日俱增的审美期望与情感认同,如何基于消费者的情感体验进行设计成为当下设计师关注的热点。

然而人们对服装设计美感的评价与认识具有模糊性和不确定性,难以对其进行衡量与解析,如何获得顾客对服装的感性信息(如感性需求、感性偏好、感性评价等)、如何将消费者的感性认知规律提取出来并融合到服装设计之中,是需要解决的主要问题。对此类问题的分析与探索,诞生于日本的感性工学(Kansei Engineering,KE)提供了有力的研究工具。其创始人长町三生对感性工学的定义是:一种以顾客定位为导向的产品开发技术,一种将顾客的感受和意向转化为设计要素的翻译技术[1]。通过挖掘消费者的情感需求,对其进行定量分析,以指导设计出符合人感觉期望的产品。早在20世纪80年代感性工学理论体系就在日本产业界,尤其是家电、机械、汽车等行业领域得到了广泛的应用。

近些年,关于服装感性工学的理论研究、技术研究、应用研究大量涌现出来,但鲜有学者对服装感性工学的研究现状与趋势进行梳理和分析。因此,为了深入了解感性工学在服装领域中的研究情况,以中国知网(CNKI)数据库中有关服装感性工学的文献为研究对象,利用CiteSpace可视化分析软件,从多维度阐述感性工学在服装领域中的研究现状与发展趋势,为该领域的研究提供知识脉络和创新思路。

1 研究方法与数据

1.1 研究方法

CiteSpace是一款用于计量和分析科学文献数据的信息可视化软件,可以用来绘制科学和技术领域发展的知识图谱,直观地展现科学知识领域的信息全景,识别某一科学领域中的关键文献、热点研究和前沿方向[2]。目前CiteSpace已被广泛应用在各学科领域的热点研究和趋势分析上,在服装领域中也有所使用。何儒汉等[3]使用CiteSpace分析梳理了全球纺织服装的研究热点和趋势;李细珍等[4]基于文献计量法和CiteSpace分析阐述了目前服装设计领域的研究现状、研究热点和研究趋势。

借鉴相关文献的研究方法,利用CiteSpace对检索得到有关服装感性工学的文献进行分析,从作者、机构、关键词等方面,以一种多元化、动态化的知识图谱展示研究的演进历程,并运用文献计量学和可视化分析的理论知识对得到的图谱和数据进行阐释,进而归纳总结在国内服装领域中感性工学研究的发展脉络、热点主题和前沿方向。

1.2 数据来源与处理

1.2.1 检索方式

在中国知网(CNKI)数据库中,以“主题=服装*感性工学or题名=服装*感性工学(模糊匹配)”为检索式,且不设年限,于2021年9月18日进行高级检索。为了保证数据采集的准确性和有效性,在检索到的文献中剔除了重复、相关度不高、会议通知等无效文献,最终获得相关文献142篇,其中期刊论文94篇,博士论文7篇,硕士论文41篇。

1.2.2 数据转换

以“Ref Work”的格式将检索到的结果导出,并以“download_×××.txt”的命名方式命名数据文件,再使用CiteSpace自带的文本转换工具将文本文件转换为能够进行可视化的文本格式,即将CNKI导出的文件转换为适用于CiteSpace读取分析的文件格式。

1.2.3 参数设置

选用CiteSpace.5.8.R2,设置时间分区为“1998—2021”(在检索到的文献中最早发表年份为1998年),时间切片设置为“1”,网络节点类型分别选择“作者(Author)”“机 构(Institution)”和“关键词(Keywords)”进行分析,设置适当的阈值,选择节点修剪方式,最终得到对应知识图谱。

2 文献特征分析

2.1 年发文量分析

知识领域的年发文量作为衡量科学研究发展的重要指标,能直接反映出某领域研究水平的变化情况,在一定程度上能展现出在不同时间点学者们对某一主题的研究关注度、投入度及科研水平的高低。为能清晰地了解服装感性工学相关研究成果的产出情况,绘制了文献的量变趋势图(图1)。由图1可知,在服装领域中,以感性工学为研究主题的论文年发表量整体呈增长趋势,但也体现出一定的阶段性。

1998—2005年是萌芽阶段。如图1所示,感性工学最早在服装领域中被提到是在1998年。苏州大学的范彬[5]撰写了其对服装设计中感性的思考,并发表在《苏州丝绸工学院学报》(现为《苏州大学学报》)中,文中作者对感性的语义进行了解读和阐述,并首次提出感性研究的导入对服装设计的合理性、竞争性具有深刻现实意义。但在1999—2005年期间,并没有相关研究成果发表,服装感性研究基本处于停滞状态。

图1 文献年度量变趋势

2006—2016年是发展阶段。这段时间的发文量呈现出上下波动的态势,但整体趋势上升,增势较为缓慢。这表明感性工学开始受到国内服装学者和专家们的关注,2006年开始有学者将感性工学理论体系应用在服装研究的实践中。

2017—2021年是上升阶段。自2017年起,发文量逐年增加,且增长迅速。普赖斯曲线指出,科学文献增长与时间呈指数函数关系,当趋势线方差值越接近于1时,拟合程度越高,表明未来某一学科领域所发表的文献数量的增长速度越快[6]。由曲线拟合得到,样本载文量为Y=6.788 4e0.2282x,趋势线方差值R2=0.975 8,接近于1。可见,2017—2021年文献发表量的分布曲线符合这一规律,表明在未来一段时间,我国学者对服装感性工学的研究将继续深入,所发表的文献也会继续增多。

2.2 文献来源分析

从期刊论文的来源分布看(表1),收录服装感性工学相关的文献数排名TOP5的期刊分别是《天津纺织科技》《纺织学报》《山东纺织经济》《毛纺科技》《针织工业》,其中有3种期刊为核心及以上期刊,说明感性工学在服装领域的运用价值和其研究成果得到专家们的高度认可。并且发文最多的年份主要集中在2019—2021年,表明近3年是相关论文的高产年,感性工学在服装领域中的运用越来越受关注和重视。但统计发现,历年来高质量的核心期刊论文共25篇,仅占总样本文献量的17.6%,这表明相关研究有待深入,论文质量还有较大的提升空间。

表1 TOP5期刊文献收录情况

从学位论文的来源分布看,发表有关服装感性工学学位论文数排名TOP5的机构分别是苏州大学、东华大学、西安工程大学、武汉纺织大学、浙江理工大学,均是在全国具有影响力的服装院校。这表明,服装感性研究已获得国内高校一定程度的重视,并且全国排名前列的服装院校已经获得一定的研究成果。

2.3 作者分析

2.3.1 高产作者分析

普赖斯定律指出,高产作者的计算公式为:Nmin=,其中Nmax为本领域中发文量最多作者的发文量,如果某一作者的发文量不小于Nmin,则该作者被称为高产作者。根据公式计算得出Nmin≈1.675,即发文量2 篇及以上的作者将被称为高产作者。通过CiteSpace对文献作者进行统计分析,发现有34位作者发表论文数量在2篇以上。发文量最多的是西安工程大学的梁建芳,发文量为5篇;其次是苏州大学的朱佳妮、西安工程大学的刘驰,发文量为4篇。

2.3.2 作者合作分析

在CiteSpace 中,以“Author”为网络节点类型,“1998—2021”为时间分区,以1年为最小单元进行时间切片,top N 为50,得到作者合作网络知识图谱,如图2所示。图中一个节点代表一个作者,发文量越多其节点的半径及名字字体就越大,与其他学者的合作关系由节点周围发散的线条可以看出,连线颜色由浅至深分别表示合作的时间由早至晚。图2显示了以梁建芳、沈雷、刘驰、张英姿、王薇、蒋晓文等为中心的多个合作网络,但进一步分析发现,这些合作关系多为师徒合作或同门合作,合作的价值较小;由线条颜色的深浅看出,沈雷、朱佳妮、王莹等人的研究较早,梁建芳、王守明、蒋晓文、张英资、王薇等人在近几年的研究比较活跃;从整体来看,各个合作群体小而散,目前没有进行跨单位、跨学科大范围的合作。

图2 作者合作网络可视化图谱

2.4 机构分析

文献统计可知,西安工程大学研究最多,总发文量有31篇,是当前服装感性工学研究的主要机构;其次是苏州大学(21篇);再是东华大学(14篇)、常熟理工学院(9篇)等。其中苏州大学第一篇文献发表于2007年,是较早将感性工学运用在服装领域中的机构,而其余机构均是在近5～10年有大量的研究成果发表。在CiteSpace中以“Institution”为网络节点类型,运行得到机构合作网络知识图谱(图3)。由图3看出,目前各机构之间相对独立,并没有形成合作关系,可见该方面的研究还处于初期阶段,仅限于机构内部的研究,还未形成研究生态体系。因此,跨单位、跨学科等合作还有待开展,有助于推动研究的深入以及研究成果的产出与产业化。

图3 机构合作网络可视化图谱

3 研究热点与趋势分析

关键词是文献主体内容的提炼与浓缩,能集中体现学术研究主题和内容,通过分析关键词可以梳理出某学科领域的研究方向和研究重点,帮助了解该领域内的研究热点和研究趋势。

3.1 关键词聚类分析

由于1998—2005年期间的文献仅有1篇,其余文献均是在2006年以后发表,因此为了使结果更加科学合理,关键词聚类分析将时间区间设置为2006—2021年,使用对数似然比聚类算法(LLR)对样本文献的摘要进行分词、分类,并抽取名词短语作为同一类关键词的聚类标签,得到2006—2021年服装感性工学相关研究的聚类可视化图谱(图4)。其中,Modularity Q 值为0.829 1,表示得到的聚类效果较好;Harmonic Mean(Q,S)的值为0.893 2,大于0.5,S 值为0.968 1,表明聚类结果合理。由图4可见,可视化图谱中有#0～#15共16个聚类标签,再进一步分析聚类标签以及所包含的热点词,可从中归纳出感性工学在服装领域中的研究思路、研究热点与研究框架。

图4 关键词聚类分析知识图谱

3.1.1 基本研究思路

由聚类标签“#0感性工学”“#1感性评价”“#2感性量化”“#3感性”“#9感性分析”可知,在服装领域中,学者们利用感性工学理论和研究方法将模糊的感性需求和意象加以量化,定性、定量地从消费者的感性意象中分析出设计特性,构建服装产品设计要素与消费者意象认知之间的联系,指导服装产品的开发和设计优化。

3.1.2 研究热点内容

由聚类标签分析可将研究热点内容归纳为以下3类主题。

(1)服装产品外观属性的感性研究。主要由“#4服装款式”“#5造型要素”“#11服装色彩”“#13智能化”“#14女性形体”这5个聚类组成,包含的热点词主要有服装款式、廓型、服装色彩、色彩感觉、智能化、形态美等。梳理可知,目前研究者们主要从款式造型、色彩纹样、面料材质等方面对服装产品的外观进行感性研究。

在款式造型方面,马玲等[8]利用感性工学理论及研究方法量化消费者对于女性轻西装款式的感性评价,得到结构和风格是影响女性轻西装款式评价的2个主因子;穆云等[9]以3～6 岁女童连衣裙为研究对象,基于感性工学理论,提出了一种女童连衣裙款式设计方法;尹晓芳等[10]探讨不同领型女式衬衫对消费者在感性认知方面的影响,研究得到领型的感知差异主要体现在线条、设计元素、肌肤的袒露面积上。在色彩纹样方面,陈弈菲等[11]探究了不同国画图案与感性心理的关系,研究得到影响宋代国画图案旗袍设计的感性因子,并构建了旗袍刺激图与感性因子间的关系图;郝新月等[12]以消费者对袜子装饰图案的主观评价为切入点,探究影响袜子图案设计的感性因子;张红[13]以丝织物为载体,运用感性工学研究不同面积比色彩搭配的主观认识差异。在面料材质方面,周小溪[14]以服用色织面料为研究对象,提出了面料美感评价的量化概念及获取、分析方法,得到消费者对于面料美感评价的维度,建立服用色织面料设计要素与美感评价之间的关联;陈伟伟[15]对面料质感进行了感性分析,通过对面料质感感性形容词打分和数据分析,得到形成面料质感的两大主成分因子,构建用于服装协同设计系统的面料数据库。

另外,感性工学还被运用在功能性服装、智能服装等特殊服装的设计研究中,如洪文进等[16]以智能化安全童装为研究对象,分析服装在安全因子、色彩和款式中的具体感性需求,并提出了具体设计方法;杨小艺等[17]采用感性工学的阶层类别分析法提出了多种新型安全功能性服装设计要素和方法。

(2)服装产品文化属性的感性研究。主要聚类标签为“#6体验设计”,包含的热点词主要有视觉符号、服装品牌、诗化情感、民族性、地域性等,表明有部分学者利用感性工学对服装产品的民族特征、地域特征、品牌风格形象等文化属性进行了研究。吴艳华等[18]为了找到契合用户心理诉求的苗族服饰色彩,以感性工学理论为基础,结合图像分析技术,构建一种基于色彩HSL空间量化的KCQ-KE 模型;戴淑娇等[19]基于消费者认知,结合感性工学的感觉量化法及投射心理学实验对服装品牌名称进行评估研究,构建了服装品牌名称评估体系;刘邵文[20]从感官评价视角,采用眼动仪实验,收集消费者对中国元素在服装品牌视觉形象设计的主观认知数据,探索服装品牌视觉形象设计的关注热点和发展趋向;魏福红[21]以魏晋文化为研究载体,以设计符号学、产品语义学、感性工学、知识考古学等为理论基础,构建魏晋风格感性语义空间,进行基于文化及语义学的现代服装设计方法研究。

(3)消费者对服装产品的感性认知和感知差异研究。主要由“#8感性认知”“#12消费行为”“#15认知心理”3个聚类组成。包含的热点词有感性认知、评价过程、知觉、主观评价、消费行为、美感评价、视觉认知、统计分析等。研究者们通过调研目标消费群体对服装产品的感性评价来分析消费者的感性认知规律、消费者之间的感知差异性以及消费者和设计师意图的差异性。如高维[22]以女大学生为研究样本,从消费者认知规律、感知差异入手,考察顾客的产品经验水平对其服装评价的影响,探讨顾客对服装设计感性评价的个体差异问题;王守明等[23]通过研究消费者对衬衫面料线上线下的感性评价得到,面料的透气感、柔软感和厚薄感在线上线下的感知上存在显著差异,女性的线上线下感知差异小于男性,纺织专业被试者的感知差异小于非纺织专业被试者。

3.1.3 主要研究方法

“#7聚类分析”“#10决策模型”这两组聚类标签体现了服装感性工学的研究方法。“#7聚类分析”包含的热点词有聚类分析、感性因子、语义分析、因子分析等,多数词为感性工学研究方法体系中的心理指标量化方法,统计分析消费者的情感和意向。“#10 决策模型”包含的热点词有推荐系统、量化研究、决策模型、服装风格等,可概括为利用感性工学和数学模型对服装产品进行评判、选择或设计优化。目前感性工学研究流程主要为感性意象获取、模型构建、设计优化3个阶段[24]。

在感性意象获取阶段,为保证后续试验结果的准确性,研究者们通常尽可能多渠道收集产品样本和形容产品的感性词汇,建立样本库和语义词汇库。获取的方法主要有访谈、问卷、语义差异等,还有部分研究者采用眼动仪等仪器设备获取被测者的生理指标,更直接、准确地获取被测者的感性意象。刘咏梅等[25]在女性着装形象气质指标评价的研究中,通过文本、访谈收集整理描述气质的词汇,采用语义差异法问卷调研女性期待各类气质的偏好程度,研究提取出了8类气质指标;王守明[23]在研究衬衫面料线上展示方式的评价与优化中,建立了基于语义差异的面料质感评价方法,并利用眼动追踪技术,分析消费者对不同面料线上展示方式的视觉关注情况。

在模型建立阶段,研究者们会对上阶段获取到的感性意象进行分析和量化,通过统计分析、数学建模等方法探究数据间的相关性,从而建立用户感性意象与产品属性之间的映射模型。目前,研究者们主要通过线性回归、数量化Ⅰ类理论、模糊理论、神经网络、支持向量机等方法建立模型。王文青[26]以男西装为研究对象,提出了基于词向量聚类的感性评价方法,建立了基于多元线性回归和多层感知机神经网络两种服装感性意象预测模型;甘美辰等[27]利用感性工学量化基本程序,分析确定了设计要素与服装风格的对应关系,并运用数量化Ⅰ类理论建立服装风格量化模型,构建女装搭配推荐系统;尹光灿[28]提出了一种基于卷积神经网络的服装风格识别与推荐系统,在风格识别的基础上,结合用户的基本信息和个人偏好进行服装风格款式推荐。

在设计优化阶段,研究者们应用一些算法对模型进行优化,以提高模型评估预测结果的准确性,构建“感性意象—设计要素”感性工学应用系统。感性工学应用一般有两种方式:一是消费者决策辅助系统,即由消费者输入其偏好的意象语汇,系统通过推理而了解他们的需求,然后输出符合他们需求的产品;二是设计人员决策辅助系统,用于协助设计人员掌握产品的特性,了解产品元素和消费者感觉意象的关系[29]。随着人工智能技术和机器学习技术的发展,越来越多的研究者们将智能算法应用到对模型的优化和应用系统的开发上,如遗传算法、粒子群算法、蚁群算法等。但目前在服装感性工学的研究中鲜有研究者运用智能算法。

通过上述分析,可以大致梳理出感性工学在服装领域中的研究框架(图5)。

图5 服装感性工学的研究框架

3.2 演进趋势分析

采用CiteSpace中时区可视化及关键词突显功能,分析感性工学在服装领域中的研究演进趋势及前沿方向。

3.2.1 研究热点演变

在CiteSpace中,选择时区视图(Timezone View)得到时区可视化图谱(图6),经分析,服装感性工学的研究热点演进脉络可分为以下3个阶段。

图6 关键词时区可视化图谱

第一阶段为2006—2010年,是感性工学理论在服装领域中初步应用阶段。主要的关键词有感性工学、服装设计、感性评价、因子分析、聚类分析、款式、模型、造型要素等。这一阶段中,如何运用感性工学理论将消费者对服装的主观评价量化、如何提取感性因子等是主要的研究问题,且主要围绕服装款式造型展开。

第二阶段为2011—2015年,是服装感性工学研究扩展丰富阶段。主要的关键词有感性认知、视觉符号、消费者、情感需求、服装色彩、服装品牌、款式设计、民族化、地域化、整合等。在这一阶段中,研究对象不再仅限于服装款式造型,而是开始拓展到了服装整体,探究款式、色彩、面料等设计要素映射的感性意象;也有部分学者开始将感性工学应用在品牌形象、服装风格、地域民族内涵的研究中,从消费者情感需求角度切入。

第三阶段为2016—2021年,是服装感性工学研究细化提升阶段。主要的关键词有优化设计、领型、菱形纹、感性因子、功能性、色彩聚类、苗族服饰、女大学生等。这一阶段研究更为深入,研究对象更加细化。许多研究者主要针对某一服装部件、图案纹样、服装功能等设计细节或某一消费群体进行感性研究。与此同时,研究者也对服装感性工学的研究方法进行了提升,更注重评价模型或预测模型的准确性,运用一些智能算法进行设计优化、模型聚类,使得研究成果能更好地指导设计实践。

因此,在研究对象上,感性工学在服装领域中的研究演变以“局部—整体—局部”的路径发展;在研究方法上,以“应用—丰富—提升”的路径发展。

3.2.2 研究前沿分析

在CiteSpace 中将Term Type 选择为“Burst Terms”,得到关键词突显图谱(图7)。其中,“Strength”是由关键词的出现次数及中心性计算得到的综合指标;“Begin”为关键词频次数量突增的时间;“End”为关键词频次数量骤减的时间。

由图7可知,2006—2010年,根据突显强弱的关键词依次为“感性”“针织服装”“回归模型”“意象预测”“T恤衫”,反映出在这一阶段研究者们开始重视服装领域的感性研究,研究重点是构建感性工学回归模型,以实现服装感性意象的预测。另外,“T 恤衫”的突显时间最长,直到2012年才消失,这可能是因为T 恤的款式相对简单,比较适合在研究初期用于感性工学理论在服装领域中的应用探索。2010年,研究者们开始将研究对象范围扩展到了针织服装,各类针织服装成为热点研究对象。

图7 关键词突显图谱

2011—2015年,共突显了8个关键词,其中突显强度大于1的有“视觉符号”“服装品牌”“服装设计”“智能化”。“视觉符号”和“服装品牌”反映出了服装品牌形象风格的感性研究成为新的研究趋势;“服装设计”突显持续到了2018年,越来越多的研究者结合感性工学理论开展服装设计的相关研究,服装感性设计成为关注热点;2015年“智能化”突显,基于感性工学的智能化服装设计研究成为新的研究热点。

2016—2021年,突显强度大于1 的关键字有“领型”“菱形纹”“感性评价”“功能性”。2016 年,关于服装感性评价的研究热度持续上升,“领型”和“菱形纹”在2017年成为热门研究对象,研究热点落在了服装某一具体设计细节的感性研究上。其中,“领型”一词突显时间持续到了2021年,反映出了领型是影响服装风格的重要服装部件。2018年,功能性服装的感性研究成为新的前沿热点,且持续到2021年。随着生活品质的提高,人们开始注重服装功能性与感性体验的设计融合,功能性服装设计不再只注重基本功能的实现,开始重视功能性服装产品给消费者带来的审美感受和情感体验。

4 结束语

随着人们生活水平和消费需求的提高,情感化设计成为服装设计的新方向。感性工学作为一种“感性意象—设计要素”的翻译技术,能帮助指导设计出更符合消费者偏好和情感体验的服装产品,在服装领域中具有重要作用。然而,感性工学在服装领域中尚有较大的研究空间,服装感性研究的理念、技术、方法等仍需更深层次的探索和拓展。随着大数据、人工智能等新技术的发展及跨领域知识的融合,生理和心理指标测量技术的结合、基于智能技术的服装感性优化设计等将是服装感性工学研究发展的重要趋势。以上对相关文献的综述,旨在为研究者们提供研究方向和参考。