社交媒体广告的运动图形设计对互动意愿的影响路径研究

doi:10.11996/JG.j.2095-302X.2026030671

图学学报 ›› 2026, Vol. 47 ›› Issue (3): 671-682.DOI: 10.11996/JG.j.2095-302X.2026030671

社交媒体广告的运动图形设计对互动意愿的影响路径研究

陈航宇¹^,², 黄古月盈¹^,², 赵东民³()

¹ 全北国立大学设计制造工学系，全北特别自治道全州 54896
² 景德镇陶瓷大学设计艺术学院，江西景德镇 333403
³ 全北国立大学产业设计系，全北特别自治道全州 54896

收稿日期:2025-11-24 接受日期:2026-01-19 出版日期:2026-06-30 发布日期:2026-06-30
通讯作者:赵东民，E-mail：mellgipson@daum.net
基金资助:
景德镇陶瓷大学创新创业训练计划项目校级重点(21305004-065)

A study on the influence of motion graphic design in social media advertising on engagement

CHEN Hangyu¹^,², HUANG Guyueying¹^,², CHO Dongmin³()

¹ Department of Design & Manufacturing Engineering, Jeonbuk National University, Jeonju Jeollabuk-do 54896, Republic of Korea
² School of Design and Art, Jingdezhen Ceramic University, Jingdezhen Jiangxi 333403, China
³ Department of Industrial Design, Jeonbuk National University, Jeonju Jeollabuk-do 54896, Republic of Korea

Received:2025-11-24 Accepted:2026-01-19 Published:2026-06-30 Online:2026-06-30
Contact: CHO Dongmin，E-mail：mellgipson@daum.net
Supported by:
Jingdezhen Ceramic University Innovation and Entrepreneurship Training Program University-Level Key Project(21305004-065)

摘要/Abstract

摘要：

针对移动社交媒体语境下的“社交网络疲劳”与算法推荐机制，揭示了运动图形视觉设计要素对用户社交媒体互动意愿的驱动机制。基于S-O-R理论框架，结合认知负荷理论与格式塔原则构建了5个运动图形设计要素，并引入视觉注意力与信息加工深度探讨对用户互动意愿的影响路径。采用单因素组间设计的问卷实验，选取东亚高语境文化背景下的活跃用户为对象，采用结构方程模型为主要方法进行验证。研究结果揭示了运动图形的视觉设计对互动意愿具有非对称性影响。布局简洁性在注意到加工的连续过程中发挥稳定支撑作用，是形成有效视觉秩序的重要条件；视觉引导性与图形关联性能够提升注意与理解，从而促进互动；动画复杂度和信息密度则主要造成认知负担，其降低虽可减少干扰，但单纯降低信息密度并不足以增强吸引力。通过“视觉注意力→信息加工深度→互动意愿”的链式转化效应，表明基于深度理解而非瞬时注意，才是真正推动互动的关键。同时提出以视觉降噪和动态引导的优化设计策略，以增强社交媒体广告的传播效果。

关键词: 社交媒体广告, 运动图形, 视觉注意力, 信息加工深度, 互动意愿, 结构方程模型

Abstract:

This study addressed “social network fatigue” and algorithmic recommendation mechanisms in the context of mobile social media, aiming to reveal the driving mechanism of motion graphics visual design elements on users' willingness to interact on social media. Based on the S-O-R theoretical framework, and drawing on cognitive load theory and Gestalt principles, the study constructed five motion graphics design elements, exploring their impact on user interaction willingness with respect to visual attention and information processing depth. A single-factor, between-subjects questionnaire experiment was conducted, selecting active users from a high-contextuality East Asian culture as subjects, and structural equation modeling was used as the primary method for validation. The study revealed that the visual design of motion graphics exerted an asymmetric impact on interaction willingness. Layout simplicity played a stable supporting role in the continuous process of attention and processing, and was an important condition for forming effective visual order. Visual guidance and graphic relevance enhanced attention and understanding, thereby promoting interaction; animation complexity and information density mainly caused cognitive burden, and while their reduction reduced interference, simply lowering information density alone did not enhance attractiveness. The study further confirmed a chained transformation effect from visual attention to information-processing depth and subsequently to interaction intention, indicating that deep understanding rather than momentary attention was the key driver of user interaction. Based on this mechanism, the study proposed optimization strategies centered on visual-noise reduction and dynamic guidance to enhance the communication effectiveness of social media advertising.

Key words: social media advertising, motion graphics, visual attention, information-processing depth, interaction willingness, structural equation model

中图分类号:

陈航宇, 黄古月盈, 赵东民. 社交媒体广告的运动图形设计对互动意愿的影响路径研究[J]. 图学学报, 2026, 47(3): 671-682.

CHEN Hangyu, HUANG Guyueying, CHO Dongmin. A study on the influence of motion graphic design in social media advertising on engagement[J]. Journal of Graphics, 2026, 47(3): 671-682.

图/表 16

参考文献 38

[1]	李嘉兴, 王晰巍, 常颖, 等. 社交网络用户行为国内外研究动态及发展趋势[J]. 现代情报, 2020, 40(4): 167-177. DOI
	LI J X, WANG X W, CHANG Y, et al. Research trends and development trends of social network user behavior[J]. Journal of Modern Information, 2020, 40(4): 167-177(in Chinese).
[2]	李红. 理解高语境文化: 中国传播观念的超语言逻辑[J]. 南京社会科学, 2022(4): 97-104.
	LI H. Understanding high-context culture: the supra-linguistic logic of Chinese concept of communication[J]. Nanjing Journal of Social Sciences, 2022(4): 97-104(in Chinese).
[3]	DE VRIES L, GENSLER S, LEEFLANG P S H. Effects of traditional advertising and social messages on brand-building metrics and customer acquisition[J]. Journal of Marketing, 2017, 81(5): 1-15.
[4]	崔瑜琴. 基于AIDMA的隐性广告效果评估模型构建[J]. 商业经济, 2011(21): 39-40, 45.
	CUI Y Q. Construction of implicit advertising effectiveness evaluation model based on AIDMA[J]. Business Economy, 2011(21): 39-40, 45 (in Chinese).
[5]	李姝蓉, 钟旭东. 基于AISAS理论的电影营销传播策略分析[J]. 传媒论坛, 2022, 5(13): 60-62, 104.
	LI S R, ZHONG X D. Analysis of film marketing communication strategies based on AISAS theory[J]. Media Forum, 2022, 5(13): 60-62, 104 (in Chinese).
[6]	HE Y, ABD RAHMAN K A A, SHAARI N, et al. Sustainable consumption design in serious games: a consumer behaviour approach using the SIPS model[J]. GATR Journal of Business and Economics Review, 2025, 9(4): 12-22. DOI URL
[7]	郭线庐, 赵战. 新设计媒介和语言的确立与新设计观念的出现[J]. 南京艺术学院学报(美术与设计版), 2009(6): 170-172.
	GUO X L, ZHAO Z. Establishment of new design media and language and appearance of new design concepts[J]. Journal of Nanjing University of the Arts (Fine Arts & Design), 2009(6): 170-172(in Chinese).
[8]	刘兴, 陈玮. 可视化动画在新闻报道中的应用分析[J]. 出版广角, 2020(12): 80-82.
	LIU X, CHEN W. Application analysis of visualized animation in news reporting[J]. View on Publishing, 2020(12): 80-82(in Chinese).
[9]	MUÑOZ-LEIVA F, HERNÁNDEZ-MÉNDEZ J, GÓMEZ- CARMONA D. Measuring advertising effectiveness in travel 2.0 websites through eye-tracking technology[J]. Physiology & Behavior, 2019, 200: 83-95. DOI URL
[10]	SWELLER J. Cognitive load theory: recent theoretical advances[M]//PLASS J L, MORENO R, BRÜNKEN R. Cognitive Load Theory. Cambridge: Cambridge University Press, 2010: 29-47.
[11]	王连彬, 殷晓晨, 周涵, 等. 基于脑电信号的虚拟现实界面布局深度感知认知负荷研究[J]. 包装工程, 2025, 46(2): 71-81.
	WANG L B, YIN X C, ZHOU H, et al. Cognitive load of depth perception of virtual reality interface layout based on time-frequency analysis of EEG signals[J]. Packaging Engineering, 2025, 46(2): 71-81(in Chinese).
[12]	李娟, 李思原. 界面视觉设计干扰子对搜索效率的影响机制研究[J]. 包装工程, 2023, 44(14): 235-243, 269.
	LI J, LI S Y. Influence mechanism of interface visual design distractors on search efficiency[J]. Packaging Engineering, 2023, 44(14): 235-243, 269 (in Chinese).
[13]	YUNG H I, PAAS F. Effects of cueing by a pedagogical agent in an instructional animation: a cognitive load approach[J]. Journal of Educational Technology & Society, 2015, 18(3): 153-160.
[14]	LOWE R K. Extracting information from an animation during complex visual learning[J]. European journal of psychology of education, 1999, 14(2): 225-244. DOI URL
[15]	库尔特·考夫卡. 格式塔心理学原理[M]. 李维, 译. 北京: 北京大学出版社, 2010: 1-562.
	KOFFKA K. Principle of gestalt psychology[M]. LI W, Translate. Beijing: Peking University Press, 2010: 1-562(in Chinese).
[16]	尤瑞希, 钱昱彤, 徐丰. 格式塔感知规律在SAR图像中的有效性初探[J]. 雷达学报, 2024, 13(2): 345-358.
	YOU R X, QIAN Y T, XU F. Preliminary research on the effectiveness of gestalt perceptual principles in SAR images[J]. Journal of Radars, 2024, 13(2): 345-358(in Chinese).
[17]	LEE M, LEE Y, KIM J. The product listing page UI structure in mobile commerce: an AHP and visual attention analysis of key information for sales enhancement[J]. Archives of Design Research, 2024, 37(5): 335-351. DOI URL
[18]	SON Y J, CHOI Y K. Effect of cognitive processing style on attentional blink during analogue trauma[J]. Stress, 2024, 32(1): 38-45.
[19]	AMADIEU F, MARINÉ C, LAIMAY C. The attention-guiding effect and cognitive load in the comprehension of animations[J]. Computers in Human Behavior, 2011, 27(1): 36-40. DOI URL
[20]	方浩, 李梦凡, 王中, 等. 移动端加载动效时距知觉影响机制研究[J]. 图学学报, 2019, 40(4): 746-750. DOI
	FANG H, LI M F, WANG Z, et al. Study on effect mechanism of time-distance perception on motion loading of mobile terminal[J]. Journal of Graphics, 2019, 40(4): 746-750(in Chinese). DOI
[21]	DU J W, REN G, LIU W, et al. How is the visual working memory load of driver influenced by information density of traffic signs?[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2022, 86: 65-83. DOI URL
[22]	刘艺琴, 张梓宁. 电商直播互动对消费者购买意愿的影响因素研究[J]. 新闻与传播评论, 2024, 77(6): 115-124.
	LIU Y Q, ZHANG Z N. A study on the influencing factors of e-commerce live streaming interaction on consumers' purchase intention[J]. Journalism & Communication Review, 2024, 77(6): 115-124(in Chinese).
[23]	DOHERTY M J, TSUJI H, PHILLIPS W A. The context sensitivity of visual size perception varies across cultures[J]. Perception, 2008, 37(9): 1426-1433. PMID
[24]	范明献, 郭青. 组态视角下文化类节目的内容创新模式与传播要素研究[J]. 湖南大学学报(社会科学版), 2025, 39(6): 161-169.
	FAN M X, GUO Q. A study on the content innovation models and communication elements of cultural programs from the perspective of configuration[J]. Journal of Hunan University (Social Sciences), 2025, 39(6): 161-169(in Chinese).
[25]	LAVIE T, TRACTINSKY N. Assessing dimensions of perceived visual aesthetics of web sites[J]. International Journal of Human-Computer Studies, 2004, 60(3): 269-298. DOI URL
[26]	HECKLER S E, CHILDERS T L. The role of expectancy and relevancy in memory for verbal and visual information: what is incongruency?[J]. Journal of Consumer Research, 1992, 18(4): 475-492. DOI URL
[27]	贾淇琇, 李霞. 移动端系统动效风格与运动曲线的关联研究[J]. 艺术与设计(理论), 2019, 2(6): 88-90.
	JIA Q X, LI X. Research on the association between animation style and movement curve of mobile terminal system[J]. Art and Design, 2019, 2(6): 88-90(in Chinese).
[28]	王丹丹. 基于视觉注意力分配的小型飞机显示界面设计研究[D]. 沈阳: 沈阳航空航天大学, 2019.
	WANG D D. Research on display interface design of diminutive aeroplane based on visual attention distribution[D]. Shenyang: Shenyang Aerospace University, 2019(in Chinese).
[29]	MACLNNIS D J, JAWORSKI B J. Information processing from advertisements: toward an integrative framework[J]. Journal of Marketing, 1989, 53(4): 1-23. DOI URL
[30]	MUNTINGA D G, MOORMAN M, SMIT E G. Introducing COBRAs: exploring motivations for brand-related social media use[J]. International Journal of Advertising, 2011, 30(1): 13-46. DOI URL
[31]	SOARES J C, SARQUIS A B, COHEN E D, et al. Social media marketing communication: effect of interactivity and vividness on user engagement[J]. ReMark-Revista Brasileira de Marketing, 2020, 18(4): 244-268. DOI URL
[32]	李晓, 黄思琢, 李林. 表情包—广告文本一致性与广告诉求对社交媒体广告用户转发意愿的影响研究[J]. 新闻与传播评论, 2025, 78(5): 116-128.
	LI X, HUANG S Z, LI L. A study of the interaction effects of the congruency of ad. text-emoji and ad appeal on the sharing intention in social media advertisement[J]. Journalism & Communication Review, 2025, 78(5): 116-128(in Chinese).
[33]	王奕文, 张雨馨. 基于注意力理论的动态海报设计方法研究[J]. 设计艺术研究, 2025, 15(3): 34-37, 50.
	WANG Y W, ZHANG Y X. A study on dynamic poster design methods based on attention theory[J]. Design Research, 2025, 15(3): 34-37, 50 (in Chinese).
[34]	王永贵, 刘冬梅, 晏丽. 行为定向广告透明度对广告效果的影响[J]. 经济管理, 2022, 44(7): 159-174.
	WANG Y G, LIU D M, YAN L. The effect of behaviorally targeted ad transparency on ad effectiveness[J]. Business and Management Journal, 2022, 44(7): 159-174(in Chinese).
[35]	仝文, 余雪, 刘志方, 等. 快慢读者利用语境信息的差异: 加工深度的作用[J]. 心理与行为研究, 2022, 20(4): 450-456. DOI
	TONG W, YU X, LIU Z F, et al. Differences in contextual information utilization between fast and slow readers: the role of processing depth[J]. Studies of Psychology and Behavior, 2022, 20(4): 450-456(in Chinese). DOI
[36]	PINK A, NEWTON P M. Decorative animations impair recall and are a source of extraneous cognitive load[J]. Advances in Physiology Education, 2020, 44(3): 376-382. DOI PMID
[37]	COSTLEY J, FANGUY M, LANGE C, et al. The effects of video lecture viewing strategies on cognitive load[J]. Journal of Computing in Higher Education, 2021, 33(1): 19-38. DOI
[38]	DAS A, WU Z K, SKRJANEC I, et al. Shifting focus with HCEye: exploring the dynamics of visual highlighting and cognitive load on user attention and saliency prediction[J]. Proceedings of the ACM on Human-Computer Interaction, 2024, 8(ETRA): 1-18.

分类维度	格式塔原则
布局简洁性	简单对称性
图形相关性	相似行、接近性
视觉引导性	连续性
动效复杂度	共同命运
信息密度	闭合性、主体背景

分类维度	格式塔原则
布局简洁性	简单对称性
图形相关性	相似行、接近性
视觉引导性	连续性
动效复杂度	共同命运
信息密度	闭合性、主体背景

研究假设编码	内容
H1a	社交媒体广告中运动图形的布局简洁性越高用户的视觉注意力水平越高
H1b	用户的信息加工深度越强
H2a	社交媒体广告中图形之间的关联性越强用户的视觉注意力越高
H2b	用户的信息加工深度越高
H3a	社交媒体广告中运动图形视觉引导性越强用户的视觉注意力越高
H3b	用户的信息加工深度越高
H4a	社交媒体广告中运动图形的动画效果复杂度越低用户的视觉注意力越集中
H4b	用户对核心信息的内容加工深度越高
H5a	社交媒体广告中运动图形单位时间内的信息密度越小用户的视觉注意力分配效率越高
H5b	用户的信息加工完整度越高
H6	视觉注意力的集中程度正向影响用户的信息加工深度
H7	用户视觉注意力水平的提升会显著增强广告信息传递效果
H8	信息加工深度的增加会显著增强广告信息传递效果
H9	运动图形的设计要素通过视觉注意力与信息加工深度，影响互动意愿

研究假设编码	内容
H1a	社交媒体广告中运动图形的布局简洁性越高用户的视觉注意力水平越高
H1b	用户的信息加工深度越强
H2a	社交媒体广告中图形之间的关联性越强用户的视觉注意力越高
H2b	用户的信息加工深度越高
H3a	社交媒体广告中运动图形视觉引导性越强用户的视觉注意力越高
H3b	用户的信息加工深度越高
H4a	社交媒体广告中运动图形的动画效果复杂度越低用户的视觉注意力越集中
H4b	用户对核心信息的内容加工深度越高
H5a	社交媒体广告中运动图形单位时间内的信息密度越小用户的视觉注意力分配效率越高
H5b	用户的信息加工完整度越高
H6	视觉注意力的集中程度正向影响用户的信息加工深度
H7	用户视觉注意力水平的提升会显著增强广告信息传递效果
H8	信息加工深度的增加会显著增强广告信息传递效果
H9	运动图形的设计要素通过视觉注意力与信息加工深度，影响互动意愿

样本编号	M±SD					综合均值	入围
样本编号	布局简洁性	图形关联性	视觉引导性	低动效复杂度	低信息密度	综合均值	入围
Video #01	4.67 ± 1.15	5.00 ± 1.00	5.33 ± 0.58	4.33 ± 1.15	4.67 ± 0.58	4.80
Video #02	6.00 ± 0	6.33 ± 0.58	6.67 ± 0.58	3.67 ± 1.53	5.33 ± 1.15	5.60
Video #03	4.33 ± 1.53	4.00 ± 1.00	4.67 ± 1.15	5.00 ± 1.00	4.33 ± 1.53	4.47
Video #04	6.67 ± 0.58	6.67 ± 0.58	7.00 ± 0	6.33 ± 0.58	6.67 ± 0.58	6.67	√
Video #05	5.33 ± 0.58	5.67 ± 1.15	5.00 ± 1.00	5.67 ± 0.58	5.00 ± 1.00	5.33	√
Video #06	4.00 ± 0	4.33 ± 0.58	4.00 ± 0.00	4.33 ± 0.58	4.67 ± 0.58	4.27
Video #07	3.67 ± 1.15	3.33 ± 1.53	4.00 ± 1.00	3.00 ± 1.00	3.67 ± 1.15	3.53	√

社交媒体广告的运动图形设计对互动意愿的影响路径研究

A study on the influence of motion graphic design in social media advertising on engagement

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 38

相关文章 4

编辑推荐

Metrics

本文评价

变量	维度编号	问题编号	问题	参考来源
布局简洁性	LS	LS1	广告中的图形布局简洁明了，使我更容易集中注意力	文献[25]
		LS2	简洁的图形布局减少了视觉干扰，让我更容易专注于广告内容
		LS3	简洁的图形布局帮助我更好地理解广告内容
		LS4	简洁的布局让我能够更深入地思考广告的核心信息
图形关联性	GC	GC1	广告中的图形之间有明显的逻辑关联，吸引我的注意力	文献[26]
		GC2	图形之间的关联性让我更容易专注于广告内容
		GC3	图形之间的关联性帮助我更好地理解广告的整体信息
		GC4	图形之间的逻辑关系让我更容易理解广告的主题
视觉引导性	VG	VG1	图形的视觉引导(如箭头、动画)帮助我集中注意力	自拟
		VG2	图形的视觉引导让我更容易注意到广告的关键部分
		VG3	图形的视觉引导帮助我更好地理解广告的核心信息
		VG4	图形的视觉引导让我更容易理解广告的意图
动效复杂度	MC	MC1	图形简单的动画效果让我更容易集中注意力	文献[27]
		MC2	图形动画效果复杂度较低时，广告显得更清晰易懂
		MC3	简单的图形动画效果能帮助我更好地理解广告内容
		MC4	动画效果复杂度较低时，我能够更深入地思考广告的核心信息
信息密度	ID	ID1	广告中单位空间内的运动图形数量较少，让我更容易集中注意力	自拟
		ID2	图形信息密度较低时，广告显得更清晰，让我更容易关注核心信息
		ID3	广告中单位空间内的运动图形数量较少，使我能够更完整地理解广告内容
		ID4	图形信息密度较低时，我能够更好地理解广告的全部信息
视觉注意力	VA	VA1	广告能够吸引我的注意力，让我更愿意停留观看	文献[28]
		VA2	我在观看广告时能持续关注画面内容
		VA3	广告的视觉元素让我更容易注意到关键信息
信息加工深度	DP	DP1	我能理解广告传达的具体信息内容	文献[29]
		DP2	广告中的内容让我产生了进一步思考
		DP3	广告的核心信息让我更容易记住并理解
互动意愿	AE	AE1	我愿意点赞、评论广告	文献[30]
		AE2	我愿意分享这个广告到我的社交媒体账户
		AE3	这个广告让我对品牌有更深的印象

变量	Cronbach α	AVE	CR	布局简洁性	图形关联性	视觉引导性	动效复杂度	信息密度	视觉注意力	信息加工深度	用户行为
布局简洁性	0.882	0.653	0.882	0.808
图形关联性	0.884	0.658	0.885	0.506	0.811
视觉引导性	0.901	0.697	0.902	0.406	0.485	0.835
动效复杂度	0.912	0.722	0.912	-0.372	-0.279	-0.362	0.849
信息密度	0.904	0.703	0.904	-0.283	-0.291	-0.327	0.548	0.838
视觉注意力	0.872	0.694	0.872	0.454	0.486	0.416	-0.371	-0.348	0.833
信息加工深度	0.888	0.727	0.889	0.465	0.473	0.537	-0.433	-0.427	0.487	0.853
互动行为	0.896	0.744	0.897	0.444	0.452	0.423	-0.536	-0.490	0.415	0.460	0.862

变量名称	高质量设计组		中质量设计组		低质量设计组		F值	p值	事后比较
变量名称	M	SD	M	SD	M	SD	F值	p值	事后比较
视觉设计要素	4.96	0.57	4.51	0.40	4.01	0.45	110.24^a	<0.001	H>M>L^*
视觉注意力	5.32	1.14	4.67	1.10	3.54	1.18	77.87	<0.001	H>M>L^*
信息加工深度	5.27	1.22	4.51	1.33	3.59	1.25	54.94	<0.001	H>M>L^*
互动行为	5.30	1.02	4.35	1.21	3.87	1.25	53.52^a	<0.001	H>M>L^*

指标类别	指标名称	适配标准	检验结果	是否可接受
绝对适配度参数	CMIN/df	<3.00	1.667	理想
	GFI	>0.90	0.904	理想
	AGFI	>0.90	0.882	尚可接受
	RMSEA	<0.05	0.042	理想
增值适配度参数	NFI	>0.90	0.924	理想
	CFI	>0.90	0.968	理想
	RFI	>0.90	0.913	理想
简约适配度参数	PGFI	>0.50	0.736	理想
简约适配度参数	PNFI	>0.50	0.806	理想

假设	路径	标准路径系数(β)	显著性(p)	S.E.	C.R.	检验结果
H1a	布局简洁性→视觉注意力	0.203	0.002	0.060	3.119	支持
H2a	图形关联性→视觉注意力	0.293	***	0.066	4.022	支持
H3a	视觉引导性→视觉注意力	0.130	0.030	0.055	2.177	支持
H4a	动效复杂度→视觉注意力	-0.119	0.043	0.055	-2.020	支持
H5a	信息密度→视觉注意力	-0.115	0.060	0.059	-1.877	拒绝
H1b	布局简洁性→信息加工深度	0.155	0.013	0.058	2.483	支持
H2b	图形关联性→信息加工深度	0.149	0.034	0.065	2.116	支持
H3b	视觉引导性→信息加工深度	0.271	***	0.054	4.690	支持
H4b	动效复杂度→信息加工深度	-0.117	0.037	0.053	-2.089	支持
H5b	信息密度→信息加工深度	-0.162	0.006	0.057	-2.769	支持
H6	视觉注意力→信息加工深度	0.140	0.022	0.058	2.285	支持
H7	视觉注意力→用户行为	0.256	***	0.055	4.354	支持
H8	信息加工深度→用户行为	0.341	***	0.055	5.908	支持

假设	中介路径	中介效应值(β)	95% BootCI		显著性(p)	检验结果
假设	中介路径	中介效应值(β)	Lower	Upper	显著性(p)	检验结果
H9	布局简洁性→视觉注意力→用户行为	0.052	0.014	0.103	0.003	支持	总体支持
	图形关联性→视觉注意力→用户行为	0.075	0.027	0.135	***	支持
	视觉引导性→视觉注意力→用户行为	0.033	0.002	0.071	0.030	支持
	动效复杂度→视觉注意力→用户行为	-0.030	-0.072	-0.001	0.041	支持
	信息密度→视觉注意力→用户行为	-0.030	-0.070	0.002	0.067	拒绝
	布局简洁性→信息加工深度→用户行为	0.053	0.010	0.102	0.017	支持
	图形关联性→信息加工深度→用户行为	0.051	0.002	0.107	0.035	支持
	视觉引导性→信息加工深度→用户行为	0.092	0.044	0.146	***	支持
	动效复杂度→信息加工深度→用户行为	-0.040	-0.090	-0.001	0.038	支持
	信息密度→信息加工深度→用户行为	-0.055	-0.107	-0.009	0.015	支持
	布局简洁性→视觉注意力→信息加工深度→用户行为	0.010	0.001	0.023	0.035	支持
	图形关联性→视觉注意力→信息加工深度→用户行为	0.014	0.001	0.031	0.033	支持
	视觉引导性→视觉注意力→信息加工深度→用户行为	0.006	0	0.017	0.061	拒绝
	动效复杂度→视觉注意力→信息加工深度→用户行为	-0.006	-0.015	0	0.070	拒绝
	信息密度→视觉注意力→信息加工深度→用户行为	-0.006	-0.015	0.001	0.097	拒绝

[1]	李奕, 曹成才, 宋章通, 李祚奇, 黎晓, 李和森. 机器人如何吸引儿童?外观、动作和声音多感官特征在早期互动中的作用[J]. 图学学报, 2026, 47(1): 223-233.
[2]	吴磊, 盛芹芹, 赵睿思. 汽车自动驾驶接管系统人机界面用户体验评价研究[J]. 图学学报, 2025, 46(2): 459-468.
[3]	胡珊1，刘晶1，孙恩妹1，王能1，罗亦鸣2. 基于扎根理论的商业综合体导识系统满意度影响因素研究[J]. 图学学报, 2020, 41(4): 640-648.
[4]	胡珊 1，蒋旭 1，符凯杰 1，周明煜 1，罗亦鸣 2，乔忠林 3 . 基于 SEM 的交互式公共导识系统体验设计研究[J]. 图学学报, 2020, 41(2): 204-209.