Journal of Graphics ›› 2026, Vol. 47 ›› Issue (3): 671-682.DOI: 10.11996/JG.j.2095-302X.2026030671
• Industrial Design • Previous Articles Next Articles
CHEN Hangyu1,2, HUANG Guyueying1,2, CHO Dongmin3(
)
Received:2025-11-24
Accepted:2026-01-19
Online:2026-06-30
Published:2026-06-30
Contact:
CHO Dongmin
Supported by:CLC Number:
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.
Add to citation manager EndNote|Ris|BibTeX
URL: http://www.txxb.com.cn/EN/10.11996/JG.j.2095-302X.2026030671
| 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 |
Table 1 Motion graphics visual organizational structure analysis
| 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 |
Table 2 Research hypothesiss
| 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 | ||||
|---|---|---|---|---|---|---|---|
| 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 | |||
| 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 | √ |
Table 3 Expert ratings of experimental stimuli
| 样本编号 | M±SD | 综合均值 | 入围 | ||||
|---|---|---|---|---|---|---|---|
| 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 | |||
| 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 | √ |
| 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[ |
| 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[ |
| 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[ |
| 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[ |
| 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[ |
| 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[ |
| 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 |
Table 4 Measurement items and coding
| 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[ |
| 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[ |
| 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[ |
| 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[ |
| 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[ |
| 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[ |
| 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 |
Table 5 Results of reliability and validity tests
| 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 | |||
|---|---|---|---|---|---|---|---|---|---|
| M | SD | M | SD | M | SD | ||||
| 视觉设计要素 | 4.96 | 0.57 | 4.51 | 0.40 | 4.01 | 0.45 | 110.24a | <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 | 53.52a | <0.001 | H>M>L* |
Table 6 One-way ANOVA and post hoc comparisons
| 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 | |||
|---|---|---|---|---|---|---|---|---|---|
| M | SD | M | SD | M | SD | ||||
| 视觉设计要素 | 4.96 | 0.57 | 4.51 | 0.40 | 4.01 | 0.45 | 110.24a | <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 | 53.52a | <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 |
| PNFI | >0.50 | 0.806 | 理想 |
Table 7 Overall model fit evaluation
| 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 |
| 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 |
Table 8 Path check
| 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 | ||
|---|---|---|---|---|---|---|---|
| Lower | Upper | ||||||
| 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 | ||
Table 9 Mediation effect test
| 假设 | 中介路径 | 中介效应值(β) | 95% BootCI | 显著性(p) | 检验结果 | ||
|---|---|---|---|---|---|---|---|
| Lower | Upper | ||||||
| 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. |
| [1] | LI Yi, CAO Chengcai, SONG Zhangtong, LI Zuoqi, LI Xiao, LI Hesen. How do robots attract children? The role of appearance, motion, and voice as multisensory features in early-stage interactions [J]. Journal of Graphics, 2026, 47(1): 223-233. |
| [2] | WU Lei, SHENG Qinqin, ZHAO Ruisi. User experience evaluation of human machine interface in automotive autonomous driving takeover system [J]. Journal of Graphics, 2025, 46(2): 459-468. |
| [3] | HU Shan1, LIU Jing1, SUN En-mei1, WANG Neng1, LUO Yi-ming2. Research on influencing factors of satisfaction with commercial complex guidance system based on grounded theory [J]. Journal of Graphics, 2020, 41(4): 640-648. |
| [4] | HU Shan1, JIANG Xu1, FU Kai-jie1, ZHOU Ming-yu1, LUO Yi-ming2, QIAO Zhong-lin3 . Research on experience design of interactive public guidance system based on SEM [J]. Journal of Graphics, 2020, 41(2): 204-209. |
| [5] | SHI Min1, HOU Ming1, LIU Ya-ning1,2, MAO Tian-lu2, WANG Zhao-qi2 . A Clothing Saliency Prediction Method Based on Video Data [J]. Journal of Graphics, 2019, 40(6): 1000-1007. |
| Viewed | ||||||
|
Full text |
|
|||||
|
Abstract |
|
|||||