如果你也是一枚刚入门的交互设计师,是不是常有这样一种感觉:不知从何下手,闷头读了一大堆书、学了一大堆软件、画了一大堆图之后还是感觉心里不踏实,总害怕自己还缺点什么,恨不得要有本《交互设计学习大纲》就好了。出现这个问题有两个原因,一是交互设计师没有可视性强的产物,交互设计师的产物一般是线框图、流程图、信息架构图、说明文档等等,但这些东西既不如视觉设计稿华丽精美,也不如程序代码高贵冷艳,在外行人看来初级交互设计师和高级交互设计师画的好像都差不多,轻易看不出你修炼到了几层功力;第二个原因是交互设计是跨学科的专业,需要学的太多太杂,今天这位大神说要学好PS,明天那位大神又说要学程序,后天又有大神说要学心理学,blablabla…信息量太大、太乱就会导致这种不知所措的局面。
今天,我制作了一份“交互设计师的知识架构图”,如下图所示,该图对交互设计师所需的知识储备进行了梳理,并按照交互设计的一般流程进行排列,从需求分析开始,到信息架构、流程设计,到原型设计,再到可用性测试。以这样的逻辑为大家介绍每一个环节涉及到的知识,化整为零,这样,童鞋们也就可以采取逐个击破的方法一步一个脚印学习交互设计,接下来我也会为大家推荐相应环节涉及到的文章或者书籍,等你全部掌握之后,相信就不会再有不踏实的感觉了。
交互设计师的知识架构图
交互设计师的知识架构图
好,开始为大家解读这张图。
需求分析
一般来说,交互设计的第一个环节就是需求分析,需求分析主要指用户研究、场景剧本、角色创建以及需求提炼。
首先,用户研究的方法包括用户访谈、调查问卷、观察、焦点访谈等。
其次,创建人物角色和场景剧本将有利于设计团队始终围绕用户目标进行设计,保证你的设计以用户为中心,当然,人物角色和场景剧本不是凭空想象的,而是基于充分的用户研究提炼出来的。
以上两块知识在《About Face 3:交互设计精髓》这本书里都有详细的介绍,大家一定要把这本书看完看懂。
最后,需求提炼这块,我个人比较喜欢从“人、系统、环境”三个角度进行分析提炼,但是需要注意的是,这三个角度可以看成是一个公式,要学会灵活运用,针对不同的任务、对象,会用不同的名词,比如针对一个实物产品,这个公式就变成“人、物、场景”,针对一个任务则是“人、目标、场景”等等。需求提炼这块大家可以参考《产品学堂:万能的产品策划公式》,网上也有各种各样的需求分析的方法,只要精通掌握一种就够了,最重要的是要有自己的一套原则与流程,然后不断地拿自己总结的方法去实践。
信息架构和流程设计
这一块需要掌握的知识有:流程图和信息架构图的绘制、心理学、逻辑学。
流程图和信息架构图都是为了表达交互设计的整体逻辑路径的工具,一张好的流程图或信息架构图对于团队沟通和开拓思维都是很有帮助的。网上有很多相关的学习资料,但网上的文章通常会不够系统、严谨,所以我再给大家推荐两本书:《高效沟通设计之道》、《交互设计指南》。
层次任务分析法是流程设计中的一个重要方法,简单来说,层次任务分析就是将一个任务进行结构化的分解,将用户完成任务的过程所需要的每一种情况和每一个动作进行细化整理。这样分析的好处是你可以进一步理解用户是如何使用产品、如何与产品和环境进行交互的,保证设计的逻辑严谨性,最终使你的交互流程更加高效和人性化。层次任务分析法可以从这篇文章里学习个大概:《层次任务分析》 不过我并不觉得这篇文章非常严谨详细,将来有机会我可能会用一篇文章来单独为大家介绍这个方法。
心理学和逻辑学可以说是交互设计师最重要的内功,看起来比较高大上,可能会无从下手,但千万不要逃避和盲目乱学,要进行系统的、循循渐进的学习。比如心理学你可以依次学习色彩心理学、设计心理学、认知心理学、行为心理学,交互设计师是以人为中心的,琢磨人的认知、记忆心理对于提高你的设计质量至关重要,推荐的书籍有唐纳德诺曼的《设计心理学》,埃森克的《认知心理学》,此外,同学们还可以看一下我之前的一篇文章:《交互设计与心理学》;逻辑学似乎就更加虚幻了,甚至会觉得这货就像智商一样无力回天,其实不是,一个人的逻辑思维是通过后天锻炼的,逻辑思维的提高可以参考知乎上大神的回答:知乎:如何提高逻辑思维能力?书籍的话,可以参考这里:提高逻辑思维能力,有哪些书或者资料可以推荐的么?
原型设计
原型设计是交互设计师最主要的工作之一,也是交互设计师的最佳练兵场,因此,需要在这一块储备大量的知识,比如交互范式、设计原则、平台规范、排版和草图绘画。
交互范式指交互方式(参考下图)、交互元素(比如操作、窗口、控件、菜单、对话框)等。这些都是基本功,很多同学自信学有所成了,但面试的时候一问控件的种类和区别就胡乱回答一通,这是没有系统学习的后果。
交互方式
交互方式
设计原则,这里指的是交互设计原则。这个就多了,可以说数不胜数,而且每个人都有不同的版本,如果你是初学者,没有特别好的办法,推荐你先把《About Face 3:交互设计精髓》吃透,还是那句话,网上的知识是碎片化的,一味地看大神写的千把个字的文章容易消耗你的耐心、增加你的记忆负荷,而且到头来还是不够全面,所以先把权威的书籍吃透再说。
平台规范。从终端上看,平台分为PC、手机、平板电脑等,从系统上看又分为Windows,Mac,IOS,Windows Phone,Android等,每一个平台都有相应的设计规范,想做交互设计师就得先把他们掌握了,另外,这些规范通常都是英文,而中文的最新翻译一般都比较难找,并且网友的翻译有参差不齐的风险,所以亲们一定要学好英语,这点也很重要!
排版和草图绘画。受过专业的排版训练的交互设计师会有很大的优势,因为排版不仅需要一定的审美感觉,也需要扎实的视觉理论基础和逻辑思维甚至心理学理论,排版其实也是一种交互设计,是读者与作品在视觉上的交互。另外草图绘画是一个加分项,画的一手漂亮的草图会让团队沟通更加高效,不过,这里的草图不是素描草图,不是对某一个物品进行精雕细琢,而是简笔画。下图是著名交互设计师比尔·维普兰克画的,他对图形和手绘草图有一种惊人的表现能力,他可以在谈话的同时,随时用手绘的方法勾勒出草图来说明其观点。这是我在看《交互设计概论》时看到的,当时我简直被迷晕了,这技能太牛了!于是我也去学简笔画,不过学的断断续续,至今还是菜的一逼。
比尔·维普兰克画的草图
比尔·维普兰克画的草图
可用性测试。这一块推荐大家先把《可用性工程》这本书看完,不过这本书可能由于翻译的原因,看起来会有一点吃力,大家可以先看网易UEDC的这篇文章了解一下:《简单快速的可用性测试》。
当然,理论终究是不够的,学习理论之后,要进行大量的实践来巩固,再总结出自己的一套流程与方法。
视觉设计与程序设计
基础加分项,既是加分项,也是基本功。不是说必须学好视觉和代码,但多少会一点对你有很大的好处,比如有利于与团队的其他人员沟通,有利于选择更合理更现实的交互方案。我建议大家学一下PS、AI、Axure、PPT和AE等软件,有时间的话再学一学C语音/Java,HTML+CSS+Javascript.
最后也是最重要的
这篇文章仅仅是在知识架构上给大家做一个整理和归纳,虽然也推荐了不少适合新手入门的书籍和文章给大家,但仅仅看这些书籍和文章肯定是不够的,还需要进行大量的实践和体验,交互设计不像学习一个软件可以短期大幅度提高,更需要的是长期积累,平时应该经常去看别人的优秀设计,去体验各种app,网站,平台,要积累大量的素材,要不断地总结经验,并且将经验运用于实战中。若这篇文章能为你提供一丁点的帮助,我也十分欣慰。
相关推荐
DFRobot MGC3130电容式手势传感器库深度解析
电容式近场感应(Electric Near Field Sensing)是一种非接触、抗干扰的三维空间感知技术,其原理基于人体介电特性对高频电场的扰动响应,具备低功耗、高鲁棒性与零物理接触等核心优势。该技术广泛应用于医疗人机交互、工业HMI、智能家电等对可靠性与环境适应性要求严苛的嵌入式场景。DFRobot_MGC3130库正是面向Microchip MGC3130芯片的工程化实现,封装了I²C驱动、ASU硬件加速调度及多层抽象API,支持手势识别、触控检测与接近唤醒等功能动态切换。结合电容式近场感应与嵌入
什么是交互设计?交互设计师是做什么的?
交互设计是用户体验(UX)设计的一个重要组成部分。在本文中,我们将解释什么是交互设计,一些有用的交互设计模型,并简要描述通常交互设计师做什么。 对交互设计通俗易懂的理解 “交互设计”通俗易懂地来讲就是:它是用户和产品之间交互的设计。 大多数情况下,当人们谈论交互设计时,往往是说应用程序或网站等软件产品。交互设计的目标是做出能使用户能以最佳方式实现其目标的产品。 如果你觉得这个定义听起来很“宽”,那是因为这个领域确实相当广泛:用户和产品之间的互动往往涉及美学,动作,声音,空间等元素。当然,每个元素都可能涉及更
Python-OpenCV及cv2,numpy库最新安装教程[最全步骤]
安装教程目录前言OpenCV-Python安装教程报错解决cv2安装numpy安装opencv安装(附加)总结 前言 首先,我知道一些看到我的Blog的人已经在网上找了很多歪路子,现在已经火冒三丈了(我也是这样过来的hhhh),那么现在,深呼吸,跟着我的教程,不要着急,每一步都要读一遍。完整安装过程需要1个小时左右(仅供参考,本人第一次安装python花了一天(确信)) OpenCV-Python...
交互设计师需要从什么做起?
交互的范围很广,不同公司对交互的定义都不一样。 一般来说交互要求的都是T-Shape型的人才,有各种领域的知识和一门专长。 需要了解的领域包括但不限于: 1. 用户研究(用户访谈,调查问卷,数据分析,可用性测试等等) 2. 信息架构(信息如何组织,如何导航,如何排序等等) 3. 视觉设计(Photoshop, Ai 这类设计软件至少要比较熟悉;基本的色彩理论,字体排版也要有所了解)
大模型训练显存瘦身全记录:从ZeRO-3参数分区到CPU Offload的硬件协奏曲
本文详细解析了如何通过ZeRO-3参数分区与CPU/NVMe卸载技术优化大模型训练的显存使用。结合bf16混合精度与梯度累积等策略,实现在消费级GPU上高效训练百亿参数模型,显著提升硬件利用率与训练效率。
PCB数据集
整理了一部分PCB数据集
一名交互设计师必备的知识架构
转自:原型库 http://www.yuanxingku.com/article-64-1.html 摘要: 如果你也是一枚刚入门的交互设计师,是不是常有这样一种感觉:不知从何下手,闷头读了一大堆书、学了一大堆软件、画了一大堆图之后还是感觉心里不踏实,总害怕自己还缺点什么,恨不得要有本《交互设计学习大纲》就好 ... 如果你也是一枚刚入门的交互设计师,是不是常有这样一种感觉
单片机NTC热敏电阻测温:六种实用电路方案与选型指南
本文详细介绍了单片机系统中NTC热敏电阻测温的六种实用电路方案,包括分压法、恒流源法、RC充放电法、电桥法、频率法及集成专用IC方案,并提供了关键的硬件选型指南和软件处理技巧,帮助工程师实现高精度、低成本的温度测量。
人机交互界面设计的三个工作流程-网页设计教程
文章来源:http://www.mb5u.com/jiaocheng/19969.html 在人和机器的互动过程(Human Machine Interaction)中,有一个层面,即我们所说的界面(interface)。从心理学意义来分,界面可分为感觉(视觉、触觉、听觉等)和情感两个层次。用户界面设计是屏幕产品的重要组成部分。界面设计是一个复杂的有不同学科参与的工程,认知心理学、
STM32嵌入式开发实战:如何用miniLZO压缩算法节省70%存储空间(附完整工程)
本文详细介绍了如何在STM32嵌入式开发中使用miniLZO无损压缩算法实现高达70%的存储空间节省。通过对比分析不同轻量级算法,重点讲解miniLZO的内存优化配置、分块压缩策略和完整工程实现,帮助开发者有效解决嵌入式系统中的存储瓶颈问题。
PCL 法向量夹角剔除错误匹配点对【2026最新版】
实现了一种简单的基于对应点法线角度的对应关系去除方法。博客长期更新,本文最新更新时间为:2026年5月24日。
交互设计师如何做交互?
交互设计师到底是需要做什么? 尽管很多谈及交互的书上都已经回答过了: 发现用户需要,建立明确需求 提出设计方案 制作设计原型 用户测试和评估 还是有很多对交互设计有兴趣的朋友会问我这个问题,并希望我能回答得详细,具体到我工作中的每个细节。 其实交互设计需要做什么,会随每个交互设计师的工作内容差异而不同,具体到每
Yolo8行人车辆目标检测实战分享 完整项目代码可直接运行
Yolo8行人车辆目标检测实战分享 完整项目代码可直接运行
交互设计师的这些能力你都具备了吗
交互设计师是国内最近几年兴起的一个设计岗位,由于在提升产品用户体验方面起到了重要作用,各互联网公司均已设立了这个职位。本文研究了最近各大招聘网站上对高级、资深交互设计师的招聘要求,从而推导他们需要在工作中承担的责任。参考最近刚出炉的2017年中国百大互联网公司排名,重点挑选了10家一线公司进行查看比较,其中括号内为该公司在此次百大的排名:腾讯(1)、阿里(2)、百度(3)、京东(4)、网易(5)、
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
交互设计师到底是干嘛的
一. 再谈术语 面向对交互比较陌生的团队进行分享,少不得再介绍下那些让人云里雾里的术语。这次,咱们为这些术语做一个关系图: 从下至上是各种术语的演变史。中间代表“做的事情”,左边代表做这件事情的“人”,右边代表做这件事情需要的“指导思想”。在关注技术和功能的时候——还记得满屏在bling bling闪烁的各种网页吗?网页设计师比较畅销和通用,后来,当焦点是要外观时,涌现了大量的“美工”。
android 蓝牙通讯demo
android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。
用户体验设计师、UI 设计师和交互设计师之间的区别,如何挑选图书?
“用户体验设计师、UI 设计师和交互设计师有什么区别?”因为他发现有公司同时有以上 3 种或两种职位,不知道具体区别是在什么地方。如果你也不清楚这三者之间的区别,不妨看看他的回答: 首先,不同的公司对不同职位都有自己的理解和定位,名称相似的职位在不同的公司文化中通常职责不尽相同。比如 Google 会要求用户体验设计师有 “专家级的 XHTML,HTML,CSS 和 Javascript 能
C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正
交互设计师访谈
各个行业里面的能力都是互通的:最基本的实操的行业,往后发展都是综合能力,综合能力是非常有可迁移性的 1. 清华毕业的一位交互设计师访谈 日常工作: 用户的需求逻辑:设计时把每一个细节,每一种场景逻辑反复去推敲 need:反复验证与反复测试验证 甲方需求: no 反抗情绪 体现设计师的价值: 接纳与分析-用户提出需求的背景是什么 心态放平和:先别小宇宙就爆发,去理解别人,去沟通 选择行业的由来: 兴趣范畴内,收入,发展前景 加班:一线阿里,字节,快手;创业公司——>还
交互设计师必备的9种能力
网易UEDC – 杨杰 : 有好多交互新人或尚未跨进交互设计大门的同学,会经常问的一个问题:交互设计师需要具备怎样的技能和能力?本文将以「小饼」一个交互新人的成长过程以及工作中遇到的问题,来跟大家分享交互设计师必备的9种能力。 1. 产品意识 设计师有时候会收到用户的反馈,如:哎?你们易信的颜色是不是太亮了,能不能调整一下?这时候作为交互新人的小饼,他的第一反应是:哦,好吧,既然用户有
02 | 交互设计师可以被产品经理替代吗?
你好,我是炒炒。上一讲,我们通过对用户体验的拆分,分解了用户吐槽体验不好的原因。但是,用户的问题只占据了体验设计师日常中的一部分,除了与外部沟通,大多数时间设计师还要和内部交流。很多人在与外部沟通时,还是能“和气生财”的,换到与内部协作,可能就“火药味十足”了。比如说,当你被产品经理按在地上摩擦的时候,心里会想“这个人不懂用户、不懂设计、不懂开发,只会吐槽,提要求还提这么多,这样我也会!我也能当产...
bat 发邮件与手机交互_交互设计师是什么!交互设计师就业前景!
交互设计师是什么!交互设计师就业前景!交互设计可以理解是用户与机器的互动设计,以用户体验为主,无论你是使用电脑、手机还是其他智能产品,都属于人机交互。所以说,好的交互能成就一份智能产品,而一般来说,好的交互必须由专业的交互设计师打造而成。说到交互设计,很多外行朋友的第一反应是:高薪水,前沿又时髦,说出去高大上。很多工设学生第一反应是:我造型不好,做产品可能有困难,要不就去学交互吧!综上,交互好像就...
用户体验设计师、UI 设计师和交互设计师有什么区别?
摘自:知乎网友的回答 首先,不同的公司对不同职位都有自己的理解和定位,名称相似的职位在不同的公司文化中通常职责不尽相同。比如 Google 会要求用户体验设计师有 “专家级的 XHTML,HTML,CSS 和 Javascript 能力” ,而这样的要求在其他公司并不常见。 不过通常来说,这三个职位还是各自有一些大概的职责范围的。 用户体验设计师 用户使用你产品的每
交互设计师到底是需要做什么?
[size=large]交互设计师到底是需要做什么?[/size] http://www.yixieshi.com/ucd/7912.html
交互设计师与ui设计师的区别
交互设计师和ui设计其实本质都是设计岗,但两者还是存在一定差别,比如说概念定义、设计对象、分工等等都存在极大差别,今天就由我来具体分析和介绍一下,希望能给大家带去帮助,更好设定未来的发展之路。 第一,设计对象,交互设计师更多涉及的还是用户行为的相应,得结合着设计收集用户反馈,撰写总结报告,交互设计师的工作任务是了解用户对设计的满意度情况、安排未来调整方向。ui设计可直接被等同于界面设计,日常工作是针对网站、app软件做界面的外观设计,为的就是让用户在没有看说明书、介绍的情况下就能弄懂软件、
聊聊交互设计师的成长
关于交互设计师的成长,分享一些想法和经历: 1. 交互设计师应当具备的能力 如果我们简单的将用户体验领域涉及到的技能分为:用户研究、产品(概念/功能)设计、交互设计、视觉设计、工程技术,我认为任何一个交互设计师和视觉设计师等等,都应该具有整体的复合技能,只是哪部分更多哪部分更少的问题。 1) 用户研究:对于交互设计师,不具备基本的用户研究能力,无法吸收来自用户的「信息营养」,如何做出真正以用
549



被折叠的 条评论
为什么被折叠?



