主 觀 性 視 覺 信 息 量 測 是 對 刺 激 物 複 雜 性 感 知 的 量 測(qualitative measure of complexity)，是對刺激物主觀性的特質，如複雜性、多樣性、不確定性程度等進行量化 評分(rating) (Stamps, 2002)。主觀性視覺信息大多以自述性量表方式量測。例如 Davidson
& Bar-Yam(2006) 以二條 100 mm 的視覺類比線(visual analog lines, VAL)，對老人居住 環境複雜性進行評分。第一條線為複雜性0-100 的評分，第二條線為美感吸引力(aesthetic appeal) 0-100 的 評 分 。 Davidson & Bar-Yam(2006) 稱 此 為 直 覺 性 的 半 質 化 (semi- qualitative)複雜性量測。
每個刺激都傳達某項信息，真實環境是由許多單獨的刺激（如色彩、聲音、光線⋯
等）所形成的某種模式 (pattern)，引起使用者對環境的反應。這些反應常以主觀性的說 法來描述，如複雜、多變、統一、調和、人造物、擁擠、對稱、有意義、和諧及新奇。
這些描述方式事實上和信息率 (information rate)極有關連，即為單位時間所接收的信息 量。Mehrabian & Russell(1974)主張以信息率來對環境、事件、空間及其他刺激物的信 息量進行量測，他們認為只要在各事件及組成元素是互相獨立情況下(如視覺、聽覺刺 激)，信息量是個別事件或組成元素的信息率總合。其歸納許多實驗研究，列出許多造 成視覺信息量高低的因素，例如：
(1) 特定時間內刺激的變化引起信息，刺激沒改變造成低信息量，組成元素快速且隨機的 變化造成高信息量。
(2) 連 續 性 的 模 式 (patterning)變化 ， 如 規律 (regularity)、重 覆 (redundancy)、依附 (dependencies)或合於規則 (lawfulness)的連續性變化，會存在某種可預測性，會降低 不確定性，則信息量降低。
(3) 熟悉性(familiality)降低信息量，先前曾看過的刺激，會因熟悉而降低信息量，愈熟悉，
信息量愈減少。例如以隨機產生的矩形進行研究，某些形狀因看起來像某種格子圖 案或窗格，則得到較少的信息分數，這是熟悉性所致(Terwilliger, 1963)。
(4) 新奇、非預期的、驚喜會提高不確定性，信息量高。
(5) 有意義的事物及情況，信息量較低。
(6) 變化及運動比靜態有較多信息量；快速向上的運動比慢速者，單位時間內有較多信息 量。
(7) 格式塔心理學辨識形態的好造形 (good form)、對稱、封閉性等，亦可作為信息量的 描述。對稱暗示不變、好的造形意即熟悉性所造成，都會較不好造形的信息量少。
(Attneave, 1957a; Hochberg & McAlister, 1953; Terwilliger, 1963)
(8) 與物體距離較近，較清楚獲得較多物體信息，信息量愈高。(E. T. Hall, 1966; McBridge, King, & James, 1965)
(9) 實際、立即可及的刺激有較高信息量，例如真實的人比照片可及，可以直接接觸，有 較高信息量。
(10) 擁擠和高密度的刺激有較高的信息量。在單位距離內有較多刺激者，如人比沒生 氣物體被視為信息量較高的刺激。
(11) 大尺寸有較高的信息量。距離固定，尺寸愈大，則看得愈清楚，信息率愈高。許 多藝術家將熟悉物以巨大尺寸製作時，對觀者造成新奇性，信息量提高。
(12) 戶外、鄉村及大自然比起室內、城市及人造物有較廣距離、較少刺激密度及變化 速度較慢，因此信息量較低。
對於多元素組成的刺激物，要以出現機率的方式來計算信息值，是一件極繁瑣的 事，因此Mehrabian and Russell(1974)以描述信息量意義的成對形容詞，發展口語式主 觀信息率量表(Information Rate Scale, IRS) (如表 2-7)，針對每一刺激對，要求受試者對 每一形容詞對，以李克氏量表方式進行評估，並以量表中的每個形容詞評比的總和平 均數，代表信息量 (Information Rate Score)。
表2-7 信息率量表(Mehrabian & Russell, 1974)
簡單 simple – 複雜 complex
Mehrabian & Russell(1974)以真實環境的信息為研究對象，提出信息率與情緒關係 的理論。Mehrabian 以 65 項口語化描述環境的情形為受測對象，但視覺環境是在為構 成某種風格安或功能安排下，由許多視覺元素組合而成，且個別視覺效果很難區分的，
因以視覺為主的刺激物，較適合採用本研究以視覺的方式呈現，取代口語描述的方式。
信息率量表適用於真實環境(Mehrabian & Russell, 1974)與藝術作品 (France & Henaut, 1994; Locher, 1995; Tang, 1998)，也適用於照片、圖像、網頁等視覺信息量的量測工具。
基於Mehrabian 提出的「信息率─喚起理論」，喚起情緒較其他情緒因素，和環境中的 信息量有較高直接關係，真實環境的研究結果顯示喚起情緒以0.57 的相關係數預測環 境信息量(Berlyne, 1974; Mehrabian & Russell, 1974)。然而對網頁設計來說，較關心的是 如何以網頁視覺信息來預測網頁可引起人們的美感情緒，因此所採用的分析方法應與
Mehrabian & Russell 不同。
Stamps(2002)將色相數、尺寸及房屋輪廓三項的獨立變數的信息熵作為環境視覺多 樣性的計算，分別以在單一因素及兩因素的變化，計算測試樣本的信息熵，並探討其 與以8 點量表主觀複雜性量測的關係。Davidson & Bar-Yam(2006) 主張複雜性構成元 素，需包含無法觀察的微觀(microscopic)形式及可觀察的巨觀(macroscopic)形式。他們 認為複雜性計算最難的就是在區分微觀及巨觀的形式。他們以環境中物件形式的複雜 性(complexity of object type)的計算：物件的微觀形式如位置(positions)及旋轉(rotation) 以對數計算信息熵，為避免微觀與巨觀特質被重覆計算，物體的形狀(shape)、質感 (texture)、動作(motion)及圖樣(pattern)依定義的變化等級，給予絕對數值，乘上物件的 數量，作為環境主客觀複雜性的操作型定義，數學邏輯式如：物體的複雜性=物體的數 目*(log2 位置 + log2 旋轉 + 形狀 +質感 + 動作 + 圖樣) 。因此對於建構物體的視覺 複雜性，可考慮觀察者觀看圖形的方式，選擇適當的變數或變數群，以數學邏輯式定 義描述圖形或物件的複雜性。