2026年人工智能易用性测试基础考试题库

2026年人工智能易用性测试基础考试题库一、单项选择题（每题2分，共30分）1.在易用性测试中，下列哪项最能直接反映“可学习性”指标？A.用户首次完成任务所需时间B.用户完成任务的出错次数C.用户主观满意度评分D.用户记忆路径的准确率2.某语音助手在安静环境下识别率99%，在65dB咖啡厅降至78%，该现象最符合易用性维度中的哪一项缺陷？A.有效性不足B.容错性差C.适应性差D.可理解性差3.采用Think-Aloud法时，主试最合理的介入时机是：A.用户停顿超过3秒B.用户首次偏离任务路径C.用户出现明显挫败表情D.用户主动求助4.在SUS量表中，第4题“我认为我需要经过专业技术培训才能使用该系统”为反向题，若受试者勾选“非常不同意”，则该题应计：A.0分B.1分C.4分D.5分5.某模型在Edge设备上推理延迟为120ms，按Doherty阈值标准，该延迟属于：A.即时反馈B.可接受延迟C.破坏沉浸D.不可容忍6.当使用NASA-TLX评估AI辅助驾驶系统时，下列哪项子量表最能揭示“人机互信”问题？A.心理需求B.时间需求C.努力程度D.挫败感7.在眼动实验中，首次注视时间（TTFF）过长最可能表明：A.界面元素视觉显著性不足B.界面元素过于密集C.用户疲劳D.校准误差8.某推荐系统采用“5-星+评语”混合评价，若需计算评语情感极性，下列哪种算法对反讽文本鲁棒性最佳？A.TF-IDF+SVMB.BERT-large+微调C.N-gram+朴素贝叶斯D.Word2Vec+逻辑回归9.A/B测试中，若对照组与实验组样本量相等，显著性水平α=0.05，检验效能1-β=0.8，期望检测的转化率最小提升为2%，则每组所需样本量约为：A.1900B.2700C.3900D.540010.在无障碍测试中，针对运动障碍用户，下列哪项设计最能降低“操作负荷”？A.增大点击热区至48×48dpB.提供语音替代输入C.降低界面色彩对比度D.增加动画反馈时长11.当使用Fleiss’Kappa评估三位评分者对30段AI合成语音的自然度评分一致性时，若κ=0.41，应解释为：A.轻微一致B.中等一致C.显著一致D.几乎完美12.某聊天机器人上线后，用户平均对话轮次从3.2降至1.5，CSAT同步下降，最可能原因是：A.意图识别阈值过高导致拒识B.语音合成语速过快C.服务器响应延迟增加D.用户群体年龄增大13.在可用性实验室中，若背景噪音控制在28dB(A)，该数值主要影响下列哪项指标的测量精度？A.任务完成时间B.眼动轨迹C.语音录入错误率D.皮电反应14.当使用“WizardofOz”方法测试尚未实现的视觉问答系统时，主试需重点控制：A.wizard响应延迟分布B.摄像头分辨率C.室内照度均匀性D.被试近视度数15.下列关于“可解释性”对易用性影响的描述，正确的是：A.可解释性越高，用户信任度一定越高B.可解释性仅对专家用户重要C.可解释性可通过交互式可视化提升D.可解释性与系统响应时间无关二、多项选择题（每题3分，共15分）16.下列哪些做法可有效降低AI系统在老年群体中的“技术焦虑”？A.提供分步式引导动画B.使用技术黑话增强专业感C.允许自然语言模糊输入D.在错误提示中给出“为什么”解释E.将默认字体设为8pt以增强一屏信息量17.关于GOMS模型在AI易用性评估中的应用，正确的有：A.可预测语音任务执行时间B.需假设用户无认知错误C.可量化比较两种交互路径效率D.适用于创意发散型任务E.keystroke-level模型是GOMS的简化实现18.下列指标中，哪些属于ISO9241-11定义的“有效性”范畴？A.任务完成率B.错误率C.用户满意度D.偏离关键路径次数E.帮助文档点击次数19.当使用“系统可用性量表”（SUS）进行跨文化比较时，需注意：A.反向题翻译后需再次语义校准B.亚洲文化下易出现天花板效应C.可直接比较不同语言的原始分D.需检验测量等价性E.口语化翻译会降低信度20.在AI医疗影像辅助诊断的易用性测试中，下列哪些做法符合伦理规范？A.向受试者说明AI仅为辅助B.使用真实患者数据无需脱敏C.允许受试者随时退出D.将测试数据用于后续模型训练无需二次同意E.对对照组提供当前最佳诊断方式三、判断题（每题1分，共10分）21.在Fitts定律中，目标宽度W越大，移动时间MT越长。22.对于语音交互系统，增加“唤醒词”长度一定会降低误唤醒率。23.当使用Bootstrap法估计满意度置信区间时，样本量越小，所需重采样次数越多。24.在可用性测试中，发现问题的数量与受试者数量呈线性正比关系。25.若AI系统提供“撤销”功能，则可完全免除用户操作错误带来的负面体验。26.在眼动热图中，颜色越红表示注视时间越长。27.对于移动端AI相机，启动时间>800ms将导致超过50%用户放弃使用。28.在SUS评分中，得分>80即可认为系统可用性“优秀”，无需结合其他指标。29.当使用EEG评估认知负荷时，α波功率降低通常对应负荷升高。30.在AI推荐系统中，增加“不喜欢”按钮会降低系统的可学习性。四、填空题（每空2分，共20分）31.在经典Fitts定律公式M中，lo32.当使用A/B测试比较两种推荐界面时，若结果指标为二分类“是否点击”，应采用________检验计算p值。33.在语音交互中，从用户结束说话到系统开始反馈的时间称为________时间。34.某AI字幕系统实时性为250ms，该数值低于________ms时，听障用户才能感知“同步”。35.在可用性实验室进行生理信号同步时，常用________协议实现多设备时间戳对齐。36.当使用结构方程模型（SEM）分析“可解释性→信任→满意度”路径时，需首先检验模型的________效度。37.在AI绘图工具中，若用户需输入“prompt”，则该交互属于________模式。38.当使用“五维可解释性量表”时，若“透明度”维度Cronbach’sα<0.6，应首先考虑________。39.在移动端AI测试时，若需模拟弱网环境，通常使用________工具进行带宽限制。40.当计算语音合成系统的MOS分时，需去除最高________%与最低________%的极端评分后再求平均。五、简答题（每题8分，共24分）41.简述在AI辅助编程工具中，如何通过“渐进式披露”设计降低新手用户的认知负荷，并给出两条具体实现策略。42.说明在AI医疗问诊系统的易用性测试中，为何需引入“生态有效性”评估，并列举两项可量化的生态指标。43.当使用眼动指标评估AI课件的可读性时，发现“回视路径时间”显著增加，请给出两种可能的设计缺陷并对应改进建议。六、计算题（共21分）44.（11分）某智能翻译笔在实验室测试中，记录到30名受试者完成“中→英”菜单翻译任务的平均时间μ0=4.8s，标准差s=0.6s。厂商宣称新版算法可缩短时间。现招募25名新用户测得平均时间μ1=4.3s，标准差s1=0.5s。假定时间近似正态且方差齐性，请在显著性水平α=0.05下检验厂商宣称是否成立，给出假设、检验统计量及结论。45.（10分）某AI客服机器人上线后，收集到连续30天的日满意度得分（百分制），样本均值¯x七、案例分析题（共20分）46.阅读下列场景并回答问题：背景：某城市推出AI语音红绿灯，视障者可通过语音指令获取路口信号状态。试点两周后，发现使用率仅15%，访谈得知主要痛点为“唤醒成功率低”“反馈语速过快”。技术日志显示：环境噪音>70dB时唤醒率降至40%；默认语速为260词/分。（1）请给出两条针对“唤醒成功率低”的易用性改进方案，并说明如何量化验证。（8分）（2）设计一项实验，验证“语速调整”对60岁以上视障用户满意度的影响，需包括实验变量、样本量估算公式、主要指标及统计方法。（12分）———答案与解析———一、单项选择题1.A2.C3.B4.C5.C6.D7.A8.B9.C10.B11.B12.A13.C14.A15.C二、多项选择题16.ACD17.BCE18.ABD19.ABD20.ACE三、判断题21.F（W越大MT越短）22.F（过长会降低可用性）23.T24.F（符合对数曲线）25.F26.T27.T28.F29.T30.F四、填空题31.难度（或IndexofDifficulty）32.卡方（或Z）33.响应（或系统延迟）34.8035.LSL（LabStreamingLayer）36.构念37.指令式（或命令式）38.修订或删除低相关题项39.ChromeDevTools/NetworkLinkConditioner（任填一种）40.5，5五、简答题41.渐进式披露通过“先核心后高级”减少一次性信息过载。策略：①代码补全列表默认仅显示高置信度Top-3，按快捷键展开全部；②复杂参数面板默认折叠，仅显示“常用”页签，点击“更多”再展开高级选项。42.生态有效性指测试结果在真实环境中的可推广性。指标：①日均环境噪音分布(dB)；②用户行走步数与系统使用频次相关系数。43.缺陷1：行过长导致回视——改为65字符换行并增大行距；缺陷2：概念图与文字不符——在图旁增加编号与文字对应说明，减少整合负荷。六、计算题44.假设：H0:μ1≥μ0，H1:μ1<μ0（单侧）。合并方差=t统计量tdf=53，查表得t0.05=-1.67，t<-1.67拒绝H0，厂商宣称成立。45.允许误差E=1，Z_{0.975}=1.96，n向上取整139天。七、案例分析题46.（1）方案A：采用双麦克风阵列+波束成形，定向拾取行人方向语音；验证：在70dB场景下对比前后唤醒率，配对t检验。方案B：增加骨传导耳机作为近讲拾音，验证：记录信噪比提升值与唤醒率改善的皮尔逊相关。（2）实验设计：被试内设计，自变量为语速（220/240/260/280词/分），因变量为SUS得分。