原文：Magic Ink - Information Software and the Graphical Interface
作者： Bret Victor

情境关联信息图形

印刷品的最大缺陷是：油墨附着在纸面后是不可更改的。墨水加纸张的设计成果是静态的──它不得不同时展示所有的数据。不过，好在用户在某一时刻通常只关心某一个环节的信息。设计师面临的挑战是组织数据，使某一类关联信息能聚合在一起，而读者面临的挑战是必须手眼齐动才能在整个数据空间中找到对她有用的一组信息。

举例来说，候车的人在查看巴士时刻表时，不得不在复杂的矩阵图中找出某路巴士在某站的停靠时间，以获悉下一辆巴士什么时候到达。当驾驶者在一个陌生的城市迷路时就得翻遍行车地图，对照邻近的标志性建筑来确定当前位置。这就好像要你从一大堆书中查找出某一条信息，肯定不会出现那么走运的事──书架上刚好有这么一本书，而这本书里刚好有这么一页，这页里又刚好有你想要的条目！因为这些结果都是以静态图像呈现的，读者不得不大费周折才能找到答案。

现代计算机系统克服了这一限制。软件能做到：

     *通过情境找出有用数据。

     *过滤数据并将无关数据排除。

     *生成图表来展示当前所需的信息。

计算机的动态显示屏将我们从原先的静态出版物中解放出来。像素点就像是神奇的墨水──能够根据不同情况为每个用户展示出不同的信息。CPU，存储介质，网络，输入设备──都是它用作推断情境的辅助工具。

信息化软件的设计实际上就是将情境关联信息图形化。与传统的图形设计不同，我们无需在一张纸上展示出所有信息以供任何用户在任何情况下查找，而只需在图形上展示当前这位用户最需要的信息。软件能够让数据以各种方式拆分组合，每次只提供给用户他关注的部分。

不管设计师是否意识到这一点──其实所有的信息化软件都是由情境关联图形构成的。例如，搜索引擎的结果列表就是一个情境关联图表。该软件的数据空间是由世界上的所有网站构成的。用户只要使用相应的关键词，就能把搜索结果缩小到十几个。

事实上，软件可以通过三个线索来推断情境：

     *环境──感知周围动态。

     *历史──存储以往的数据。

     *交互──收集用户输入的信息。

从环境中推断情境

一个人通过她身体的五大感官了解周围。用样，软件不存在于真空，它可以通过连接硬件和其它软件来获悉用户的很多情况。那些存在于软件周边环境中的情境线索有：

日期和时间。 时间是我们规划生活的一个基本尺度。 无论是在数据空间和现实环境中，“当前”总是很重要的。因为用户在寻找信息时，那些“当前”或“最近”的信息往往是最有用得。幸运的是，再普通的计算机也都有时间概念。比如：一个人使用巴士时刻表软件就可以不必为寻找下一趟巴士的到站时间而煞费功夫了。

地理位置。同样，在地理位置上最常出现的词是"这里"。不幸的是，这个概念目前很难界定，但发展潜力巨大。显然，一个地图软件有必要知道用户的当前位置，巴士时刻表软件，商业订购软件，运输规划软件，旅游指南软件，以及大量其它信息软件也一样。

物理环境。通过提供时间和地点，就能轻易通过网络的到有关物理环境的信息，如天气。例如，旅游指南软件可以建议用户晴天去公园，雨天去博物馆。     

其他信息化软件，如开放式的网站。通过读取一些信息，就能发现用户的关注点。所有其它信息软件也应加以留意。假设一个人正在网站上寻找即将推出的舞台剧信息。那么，当她打开她日历软件，上面就应该自动显示哪些演出可以列入她的日程表。当她打开地图软件，她就应该能看到去往剧场的路线图。当她打开餐馆指南软件，她就应该能看到剧院附近的餐馆列表，此外，除非剧院有日场演出，否则这些信息就不应该在午餐前显示出来。

通过操作型软件创建的文档。通过产生信息来强化关注点。假设，某人在撰写论文时需要关于“cats”的资料，而该论文的的标题是“动物癌症的种类和治疗方法”，那她所需要的信息显然更侧重于医学。如果题目是“埃及历史”，那应该是侧重于古埃及对猫的崇拜。如果该论文是与建筑结构有关的，那“cats”则一定指的是 CATERPILLAR公司生产的重型机械而不是什么猫咪。

电子邮件。在最近的电子邮件中出现的姓名，地址和电话号码显然能构成十分宝贵的线索。收件人打开日历软件时应该能同时看到自己和发件人的时间表。当她打开地图，邮件中出现的地址应该自动被标注出来。此外，最近的邮件应该能显示当前状态，某个发件人的所有存档邮件应该作为一个整体用来描述用户的特点和兴趣。假设某人想找与“racing”的有关信息。这个词可以解释为赛跑，赛自行车，赛跑车等多种竞赛项目的术语，如何确定他想找得到底是什么，查找他与别人的通信中最常出现的项目，这将是个不错的参考。

所有软件都应该联系周围环境，从中获取信息。使用那些从不考虑环境因素的软件就像是同一个盲人说话一样──你需要不断向他描述信息。

另一方面，当信息环境与历史数据相联系将产生十分巨大的资源──我们应该让历史为软件所用。

从历史数据中推断情境

一个人并不只是运用自己的感官来认知事物，她还会参考过去的经验。同样，软件也可以利用它的记忆体来判断当前的情况。我们往往可以从历史数据中找到与当前事物有关联的信息。

利用既有数据推测解决当前问题的方式，这是最简单的手段。它将当前问题简单地等同于之前出现过的问题。这是相对合理的，因为在许多情况下，用户的操作前提是相对固定的，不太会在短期内发生变化。举例来说，假设用户昨天想在 North Berkeley找间一居室的公寓，她今天很可能仍关心这方面的信息。因此，软件应该自动提供相关信息。

既有数据经常被作为参考并直接影响操作结果。也就是说，关联是持续性的，除非用户对此做出修改。因此，这类软件总是越用越符合用户的个人习惯。 如果用户真的很在意软件要与自己的使用意图保持同步，那这种设计将是十分受欢迎的。然而，很多信息软件并没有做到这一点。（如果你放下报纸，几个小时后回来时，你会不会在意这不是你刚才在看的那个版面，我想，你压根都记不得你刚才看的是哪个版面。另一方面，如果当你回来时，我把报纸翻到你最喜欢读的那个版面，你也许会因此感到高兴）由此看出，我们应该利用既有数据推测用户需求而不只是简单地提供操作结果。

智能预测用户需求必须更深入的了解用户。建造一个模型来解释过去的情境，并以此通过关联来推测当前情境。

一个简单的解决办法是发现两个情境中的共同的属性，由此缩小预测当前情境的依据范围。例如，在一个音乐库，当用户选中列表中的几个蓝调歌曲，软件应该自动显示更多该流派的歌曲。随着对用户这一结果的进一步肯定，软件可以考虑进一步删减其他流派的歌曲。另一个例子，假设一个用户需要有关 " Lightwave "，" Bryce "和" Blender"的资料，这些三个词都有很多解释，但把它们作为整体联系起来看，他显然是在描述一个三维渲染软件包。以后，当他搜查"Maya"这个词时，显然不应该理解为他想查找有关古代文明的资料，而是一个名为“Maya”的三维渲染软件，应该自动将关于该软件的信息提供给他。

另一种简单的解决办法是，通过既有数据加速用户做出决策。如果一个人查找一个旅游指南：第一天前往大峡谷，第二天去拉斯维加斯，软件应该自动建议第三天去洛杉矶周围游玩。

Amazon, iTunes ，以及越来越多的其它在线零售商正在实施类似计划。不过，除了微不足道的的垃圾邮件过滤器，非零售的信息软件中，利用既有数据提供关联信息的例子仍然少之又少。它们中的大多数在新一天的开始又会将用户前一天留下的信息忘得一干二净。

不幸的是，面对用户一次又一次的重申其需求，反反复复的点击鼠标，没完没了的敲击键盘，浪费一个又一个小时，有些软件却把这称为“交互性”。

(未完待续）