以相片為基礎的互動敘事創作平台
林珮珊
李蔡彥
政治大學資訊科學所
政治大學資訊科學所
[email protected]
[email protected]
摘要
本文提出一套利用數位相片為素材，設計以 回憶及相片進行敘事的創作平台，讓不同使用者 在敘事創作的過程中，可以回憶過往，並激發創 意思考，讓相片瀏覽有不同的體驗和感受。此平 台的架構是利用關鍵字做為分析，提出一套綜合 資料庫中照片相似度分析的演算法產生敘事範 本，再根據與使用者的互動，產生新的相片故事 本。我們邀請了受測者對該平台進行實驗，並設 計三種(1)隨機(2)靜態(3)動態參考點挑選法以驗 證演算法的可行性，以量化方式評估此平台的有 效性與易用性。本研究發現受測者在關鍵字型態 的故事版型與動態參考點挑選法的組合下較能 達成輔助創作的目的。我們認為明確的故事版型 定義能帶給使用者產生故事版型的認同感，系統 所推薦的敘事照片較能達到使用者的預期，而照 片中的時間與地理資訊只能做為輔助檢索的元 素。 關鍵詞：互動敘事、相片敘事、電腦輔助系統。1. 前言
照片對於人們來說是回憶的典藏，人們在瀏 覽照片時，多以回憶及敘事(Storytelling)的方式 進行。本文提出一個互動敘事創作平台，是藉由 非線性的敘事方法，透過電腦系統的輔助，讓使 用者創造唯一又多變的故事文本，並且從中獲得 回憶相片的樂趣及相片新的價值。本文目標希望 能利用此平台，為人們解決瀏覽大量相片時的枯 燥感並節省瀏覽時間。我們期待能讓非專業的創 作者也可以透過相片說故事的方式來自行創作 屬於自己的回憶故事書。 本研究將每張照片都當作是說故事中的一 片拼圖，為了使相片標籤的分類能達到故事拼圖 的 效 果，我們根據Rabiger(2000)所提出的， CLOSA T(Character,Location,Object,Situation,Action,The me)以及P. Appan [13]與S. Boll [14]提出的Event Model，將該回憶敘事創作平台裡的相片標籤分 別定義六種主要屬性人、事、時、地、物、情感， 做為相片事件的分析條件。其中，時及地為數位 相片既有的資訊，而人、事、物、情感四種屬性 的關鍵字(tag)則由使用者手動標記在EXIF[4]的 相片資訊中。為找出符合使用者敘事方向的候選 照片推薦給使用者，系統以3種不同模型(1)關鍵 字(2)空間(3)時間模型的相似度計算方式設計演 算法，並根據與使用者的互動歷程，動態調整權 重。我們設計了互動創作平台的使用者實驗，以 評量本文所設計的屬性模型是否達到相片拼圖 的效果，以及相似度演算法是否能幫助使用者的 創作。在實驗的過程中，我們根據不同相片屬性 組合，設計不同的故事版型當作檢索的方法，並 在每個故事版型中實驗三種挑選法(1)隨機(2)靜 態(3)動態參考點挑選法，讓受試者以統計問卷的 方式提供回饋，以評估此回憶敘事創作平台的可 用性及易用性。2. 文獻探討
本 文 使 用 照 片 做 為 素 材 進 行 互 動 敘 事 創 作，所以本研究從多媒體資訊檢索技術與互動敘 事的角度進行文獻探討。 2.1 多媒體資訊檢索 多媒體資料檢索的方式大致可分為二種，內 容本位檢索以及關鍵字本位檢索。所謂內容本位 檢索最早由Kato 在 1992 提出[6]，從多媒體圖像 本身的一個大集合中提取基礎上特徵(如顏色，紋 理和形狀)。而關鍵字本位檢索是利用後設資料 (metadata)來達成檢索的目的。在檢索方法的評估 中，A. Kuchinskyet al.[1]提出的後設資料定義能 符合使用者對於相片在於語意上特徵的定義。本 文所提出的回憶敘事創作平台即是以關鍵字做 為相片分類的描述，並以關鍵字本位檢索方法做 為本研究的檢索方式。 資訊檢索的相關研究在探討如何將使用者 「 想 要 的 資料 」(Recall)以及「正確的資料」 (Precision)的聯集做到最大化。根據 A. Singhal 在 2001 年發表的現代資訊檢索模型概觀[2]得 知，有下列三種主要的資訊檢索模型。(1)向量空 間模型是將文本中的詞彙建立於向量空間的維 度中，再藉由相似度的計算來找到適合的回饋結 果。(2)機率模型是經由機率模型的計算方法，以 機率的排名原則做為關聯的相似度排名，以回饋 結果。(3)推論網路模型則是結合上述兩種模型定 義，加上使用者長期反饋於字詞的權重設定，以 機器學習的方式提高準確度[15]。如 J. Schuman 等人的研究[8]，說明如何利用調整權重的方式， 去改良TREC Genomics 2006 的資訊檢索系統。 本研究所提出的互動敘事創作平台，在創作的過程中，藉由檢索的結果來進行相片的推薦，並在 演算法設計裡，藉著與使用者互動的回饋，進行 屬性的權重比例變化，調整推薦相片的方向，以 符合使用者說故事的需求，並期望此方法能幫助 使用者在說故事創作的過程中，較有結構性的感 覺。 2.2 互動敘事 N. Lin et al.[12]提到在以往互動敘事的研究 中有二種不同的方式：(1)協助故事生成方法，此 方法偏重於討論電腦系統能根據一些敘事結構 下的規則，自動化或半自動化的協助使用者生成 故事或敘說方式。例如，C.-H. Chen[3]提出一個 使用者與虛擬系統互動的環境，針對互動敘事的 進展進行虛擬攝影機的規劃。(2)溝通方法，此方 法偏重於是為了人與人之間的分享訊息而產生 的互動式電腦系統。例如: Balabanović et al.[10] 提出，把存放在可攜式裝置的照片，利用故事結 構的方式組織相片，使得照片容易觀看且對不同 的使用者可傳遞不同的對話焦點。而多媒體檔案 要與敘事結合，必須能定義出敘事結構，而多媒 體(例如相片)本身並無文字的說明，若讓使用者 和系統之間達成互動敘事的目的，就必須建立多 媒 體 素 材 之 連 結 。Brooks 在 [9] 裡 引 用 Goldman-Segall 等人提出的一個簡單的互動敘事 系統架構；其中提到許多互動敘事的關鍵因子， 編輯者與觀眾的連結在於電腦系統的解讀與觀 眾的回饋，進而延伸出一套敘事代理架構，將電 腦系統與觀眾的反饋結合，再加入 story frame-work 的機制，使得敘事者可以藉由此 frameframe-work 建立基礎故事版型，再藉由代理架構將編輯者與 觀眾之間的互動產生出故事。 2004 年 Appan 等人[13]提出一個多重事件模 組(Multi-Event Model)。此模型透過定義相片的 字詞建立相片事件與時間的關聯性，並提出敘事 關聯結構演算法，也是透過代理機制協同故事創 作的方法。而本文雖然與此研究一樣是使用相片 來進行敘事的研究，但Appan 的研究著重於藉由 使用者對於相片定義的關聯性來自動組成相片 故事；而本文中所定義的相似度演算法及說故事 代理架構機制，則是著重於利用故事版型中屬性 的設定，將相片檢索出一組故事框架推薦給使用 者，再透過與使用者互動，進行即時推薦，來幫 助使用者進行敘事創作。 本文與其他研究共同之處在於利用回憶活 化照片以創造互動敘事應用。例如 Van House [11]提及的 MMM2 的系統，或是 Gemmell [7]的 MyLifeBits 以 及 Appan [13] 提 出 的 Spatio-Temporal Evolution System 都是藉著個人 的數位相片當作媒介，在電腦系統中以使用者的 回憶為基礎達到互動敘事的目的。
3. 系統平台分析與設計
本系統主要是採用個人相片中的後設資料 (metadata)來進行關鍵字標記、拍攝日期以及拍攝 位置等資訊的建立，再根據本章節中定義的三種 相似度模型進行照片相似度計算。由於本系統的 目的在於如何創造「有用的」、「敘事創作」、 「回憶」平台，因此，在設計此平台時有二個主 要的目標，(1)提供相片故事版型檢索方法(2)藉由 電腦與使用者互動輔助敘事創作。 3.1 相片資訊定義 由 於 系 統 需 要 相 片 資 訊 來 建 立 分 類 的 模 型。我們假設所取得的照片中的 EXIF[4]欄位已 有系統所需的完整資訊。系統在輸入照片後，將 標記在相片裡標記的關鍵字(tag)、相片日期、相 片GPS 位置萃取出來，記錄於資料庫中，以便於 後續分類模型的分析與建立。在建立個人經驗與 敘事規則連結時，本研究利用在[13][14]所提到事 件模型建立多媒體的事件描述，將相片屬性分為 人、事、時、地、物五種特徵。為使相片回憶與 敘事情感能做連結，本系統額外加入照片的”情 感”特徵，希望可以利用此特徵協助使用者表達 對於照片的感情意向。 在圖 1 中，根據上述的六種特徵，我們定 義關鍵字的字詞以提供建立相片標記，並對範例 相片進行手動標記。在標記時，我們不限定一種 特徵只能有一種關鍵字的標記，除了時間和地點 外，也不限定一張相片中需包含所有的特徵。雖 然有許多自動標記照片的研究，但我們還是選擇 手動標記，以確保標記資料的準確性。 圖 1 相片屬性定義 3.2 相似度模型分析 在3.1 小節中，我們定義了六種相片特徵， 以做為照片比較的基礎。本研究係根據資訊檢索 的相關研究，將照片進行相似度分析，並定義三 種相似度計算模型以設計不同的故事版型，為使 用者推薦說故事拼圖的照片。下列是本研究中定 義的三種相似度模型： 關鍵字模型：此相似度模型是以人、事、物、 情感四種特徵的標記屬性定義相片特徵，其公式如下： (式 1) (1) 首先，將相片的屬性關鍵字特徵轉換成一個 空間向量(pai)。 (2) 將每張照片轉換為向量時，再利用向量內積 公式，計算2 個向量的夾角。角度愈大，表 示2 張照片之間愈不相似。角度愈小，則愈 相似。 (3) 最後，我們將相似度做正規化的計算。將計 算出來的關鍵字特徵的相似度(Sa )的範圍正 規化於0 到 1 之間(NSa )，以利於與其他相似 度模型進行比較。 空間模型：此模型是藉由GPS的經緯度資訊， 可比較相片發生地的距離，我們利用距離與相似 度轉換公式，來計算出相片與相片的相似度數 值。此模型可以讓使用者以空間的角度來定義其 故事版型，可用來考量故事發生場地的相鄰性。 其公式定義如下: (式 2) (1) 首先，我們取出每張照片的緯經度(α,β)，將其 定義為一個2 維的向量 (2) 利用 GPS 距離公式(Great-Circle Distance)1算 出大圓距離。 (3) 當空間以大圓距離來計算，在照片分佈於不 同地區時，兩兩相比後，其距離值差異非常 極端，所以我們將大圓距離(dg)取 log 函式， 讓差異趨緩。當距離愈大，表示相似度愈低， 所以我們將其數值以倒數方式轉換成其空間 模型下的相似度(Sg)。 (4) 同樣的，我們將上面的相似度進行正規化的 計算，讓相似度(Sg)的數值可以落在0~1之間 (NSg)。 時間模型：此模型以時間做為相片相關性的 敘事條件，以計算這些照片的相似度。這個模型 的目的是希望達到使用者能對某個時期的相片 進行故事的創作，以使互動敘事與回憶之間的結 合更為貼近。其相似度公式定義如下: (式 3) (1) 我們先將兩兩照片的日期換算成毫秒(Pms)， 相減後即2 張照片的時間距離(Dt)。時間距離 愈近，表示照片與照片之間的時間相似度愈 小，所以，我們將其距離再以倒數計算，當 做照片與照片之間的相似度(St)。 (2) 同樣，我們將照片之間的相似度(St)進行正規
1 "Great‐circle_distance," in http://en.wikipedia.org/wiki/Great‐circle_distance 化的轉換，將數值區間轉換為 0 到 1 之間 (NSt)，以便於我們後續各類相似度間的比較。 3.3 系統設計 3.3.1 故事版型(Template)與故事型態(Genre) Brooks 在[9]提出一個概念:一個典型的故事 架構，應做為使用者在故事創作時的輔助。所以 本文提出以”故事版型”的概念來輔助使用者創 作及相片檢索。故事版型是將標籤屬性做不同的 組合，組合出特定主題的相片故事框架，並利用 此框架中所推薦的主題相片，進行一連串的敘事 創作。故事型態的概念則是以故事版型所設定的 主題特徵方向為主，而我們設定特徵方向是為了 與相似度模型演算法之間做結合。因此，我們將 故事型態對應到相似度模組的設計。 3.3.2 相片檢索方法 本系統利用相似度模型進行相片檢索。故事 版型與故事型態是多對一的關係，亦即可以有多 個故事版型設定為相同的故事型態；而故事型態 與相似度模型則是權重大小的關係。所謂的權重 大小是指該故事型態與三種相似度之間的相依 性(式 7)。例如，故事型態為關鍵字型態，則給 予關鍵字模型相似度比重較高，以突顯該型態所 希望過濾的相片屬性。如圖 2 中，各種型態與各 種相似度模型連結的箭頭粗細不同，粗箭頭所指 的模組代表權重較高，虛線箭頭則是代表其他兩 個 相 似 度 模 型 所 計 算 出 來 的 相 似 度 的 權 重 較 低。所以當不同的故事版型(檢索條件)進入系統 檢索時，系統會根據該故事版型的型態，給予不 同的相似度模組權重，以推薦適合用於說故事的 相片。 圖 2 相片檢索設計概念圖 我們利用下面四個步驟說明系統如何定義 上述的相片檢索。 步驟1. 首先，將每張照片的特徵屬性定義為多 維向量，相當於高維空間中的一個點的座標。 在圖 2 中有個照片屬性向量資料庫(Photos Attribute Vector)，裡面儲存的是每張照片的特徵 屬性所定義的座標。但基於特徵定義的型別不
同，我們根據不同相似度模型，將每張照片依照 模型定義點座標，並將這些座標儲存於資料庫 中。下列分別是三種模型對於每張照片的點座標 定義。 關鍵字模型 此模型總共有29個關鍵字(人、事、物、感情四 個特徵中的屬性)，順序為圖 2中編號1到29個關 鍵字，每個關鍵字代表1個維度，維度型別為布 林，0代表無此屬性，1代表有此屬性。 (式 4) 空間模型 此模型將每張照片的GPS的位置記錄成二維向 量。維度型別為double，緯(l1)經(l2)度以十進位的 度數表示，例如: (-49.50;-123.50)2 (式 5) 時間模型 此模型將每張照片的拍攝時間(t)設為datetime， 格式為西元年/月/日 時:分:秒 (式 6) 步驟2. 根據設定好的故事版型參考點與資料庫 中的照片屬性向量所代表的點座點，以三種(關 鍵 字 、 空 間 、 時 間) 相 似 度 公 式 分 別 計 算 (NSa,NSg,NSt)，並根據不同的故事型態給予的不 同權重(wa,wg,wt)，將其加總成為該相片的總合相 似度(Sp)，如以下公式所示。 (式 7) 在(式 7)中，每張照片會各自設定一個遞減 函數(δp)，該函數的起始值為 1，隨著相片出現的 次數遞減，以調整相似度的分數，如圖 3 所示。 本研究設計此函數的目的在於，符合版型條件的 高相似度相片若一直未被使用者採用，代表該相 片或許不符合使用者敘事的需求。此函數的特性 可將此照片的相似度分數降低，以推薦更多元的 相片給予使用者，作為敘事的元素。 圖 3 各相片遞減函數示意圖 步驟3. 依照步驟2所計算出的相似度Sp由大到 小排序。相似度愈高的相片與故事版型參考點愈 相近，代表與故事版型愈符合。
2 "Geograpic coordinate system zh-wiki," in
http://zh.wikipedia.org/wiki/%E7%B6%93%E7%B 7%AF%E5%BA%A6 步驟4. 將排序後的照片取出相似度臨界點以上 的相片做為檢索結果。此步驟是為了建立符合故 事版型的網絡圖，做為說故事時的推薦候選相 片。並且定義符合系統需求的相似臨界值，讓檢 索的相似程度能於一定水準之上。例如，當α為 平均相似度時，小於α的相片將不被採用。 3.4 互動敘事創作方法設計 3.4.1 參考點設計 我們利用故事版型設定參考點，以產生故事 框架，但框架是激發使用者靈感的來源，而非產 出故事。如果所預設的參考點與使用者的創作方 向不盡相同，則需有更彈性的方式根據使用者的 選擇，即時改變參考點的位置。因此，本系統設 計了以動態計算參考點的方式輔助創作，希望除 了能引導使用者利用既有的故事版型進行故事 創作外，也可以透過每次互動的選擇，了解使用 者的敘事方向，推薦更符合敘事需求的相片。 在本系統中，參考點的設定方式分為靜態及 動態。如圖5所示，動態計算參考點是指在敘事 創作的過程中，系統根據使用者的選擇歷程下， 將所選相片的關鍵字屬性當作喜好點(Pi)；接著 再與上一輪的基準點(ri)比較，算出各關鍵字屬性 的平均位移(zi)。我們以此方式來更新系統的參 考點，使得每次的推薦相片能更符合當下的故事 走向。 圖 4 互動動態參考點示意圖 3.4.2 使用者創作意向修正 Brooks[9]定義故事內容的組成大致包含介 紹、引導、衝突、解決衝突及結局等五種主要元 素。由於在一開始的故事版型所過濾出來的網絡 圖是以相似度做為連結的強度，但不確保這五種 元素都包含於每次的推薦中。因此，為維持在敘 事的過程中的創作彈性，讓使用者自行決定這五 種元素的出現時機，我們設計了二種方式(1)分頁 推薦(Next)與(2)故事轉折點(Skip)讓使用者可以 在創作的過程中修正系統所推薦照片的特徵。 分頁推薦(Next)系統藉由版型找出故事網絡 推薦給使用者創作，並以相似度高者的相片為優 先推薦，但相似度最高的相片不見得是目前使用 者故事當下所需要的故事情節，所以系統提供分 頁推薦的選擇(如同搜尋引擎中的分頁功能)，逐 一檢視相似度高的照片。 故事轉折點(Skip)故事轉折點的設計是為了 故事框架中的變化點由使用者自行決定，例如當 使用者希望故事當下加入”衝突”點時，系統將會 把目前的參考點更新為反向參考點，以取出反向
思考的衝突相片。轉折點的定義如下圖所示： 圖5 故事轉折點示意圖 在圖5中，ski是使用者需要故事轉折(skip) 時，系統利用目前推薦的k張候選照片的平均座 標，計算反向位移向量。接著，再與上一輪的參 考點座標(ri)算出各關鍵字屬性的負平均位移 (z'i)，以計算出反向參考點(R'i)。換言之，我們希 望在按下Skip按鈕時，系統能推薦與目前所推薦 照片較不相同的另一類照片，以做為敘事的轉 折。
4. 實驗設計與分析
我們共邀請30位18~35歲之間的受試者協助 進行網站的測試，並針對使用感想進行問卷調 查。本研究採取的實驗設計是使用同一組相片集 合以及利用(1)關鍵字(2)日期(3)空間故事版型來 隨機配合(1)隨機(2)靜態(3)動態參考點挑選法 (但不重覆)，受試者不知目前系統所設定的挑選 法為何。每種故事版型都將會與三種挑選法進行 實驗，每完成一種組合實驗，受試者會對系統有 效性進行評分。並在整個實驗結束後，請受測者 填寫系統易用性的問卷，以了解該平台的系統設 計是否符合使用者需求。 4.1 演算法有效性評估設計 隨機挑選法 如圖 6所示，使用者挑選故事版型後，將會 在資 料庫裡隨機 挑選照片當 作敘事的推 薦相 片，不會將相片過濾出故事版型的框架，也無任 何演算法計算，僅隨機挑選候選照片給使用者。 圖 6 隨機挑選法 靜態挑選法 如圖 7所示，使用者利用故事版型設定檔設 定版型。系統根據此設定值產生照片網絡。該方 法是單純的利用設定好的故事版型參考點計算 相似度推薦相片，但未根據與使用者的互動即時 更新參考點，屬於靜態網絡故事圖。 圖 7 靜態挑選法 動態參考點挑選法 如圖 8所示，此方法則加入本文提出的互動 參考點計算相似度。如同靜態挑選法，系統先產 生出相片故事網絡圖後，會再根據使用者挑選出 的歷程照片，重新計算下一輪候選照片的參考 點，再根據新的參考點重新計算照片的相似度進 行推薦，以根據使用者創作意向進行修正。 圖 8 動態參考點挑選法 4.2 實驗分析 由於本實驗平台是以網站方式呈現敘事服 務，因此我們採用 Davis[5]提出的網站設計評估 問卷為主要重點。「使用態度」的意向是衡量網 站為使用者接受的關鍵，所以作者提出以「認知 有用性(Perceived Usefulness)」以及「認知易用性 (Perceived Ease of Use)」兩個面向來進行問卷設計。實驗過程中，使用者填寫系統有用性3及易用 性問卷。問卷目的是針對此次實驗平台的介面進 行評估，以確認這樣的介面是否符合受測者在創 作時的需求以及探討介面的實用性。 4.2.1 認知有用性分析 在此分析中，我們分成3個不同面向進行分 析。 (1) 面向A:此系統對於使用者是否有用 在表 1中面向A-該系統對於使用者是否有 用的評估量表的平均分數為3.87分（滿分5分，3 分為中位點），特別是在幫助敘事創作聯想與構 思故事的分數都在4分以上，顯示本研究的系統 設計對於使用者具正向的幫助。 表 1 面向A:此系統對於使用者是有用的 (A)該系統對於使用者是有用的 @4.使用本系統 能幫助我在瀏 覽照片過程中 進行敘事創作 的聯想 @5.本系統 所提供的 候選相片 符合所選 取的故事 版型 @6.本系 統所提供 的候選相 片能幫助 我構思故 事 @7.按下 SKIP按鈕後 我覺得系統 所推薦的照 片在題材方 向上有所改 變 平均數 4.25 3.64 4.08 3.52 總平均 3.87 (2) 面向B:改善使用者工作效率 本研究利用敘事創作來幫助使用者回憶相
3 系統有用性問卷有 8 個問項，分為三個面向， 於表1 至表 3 呈現。
片拍攝時的情境，也藉由故事框架的方法來檢索 相片，增加相片的再使用率，也改善使用者在瀏 覽數位相片的時間。在表 2中，可看到該面向的 總平均分數達4.15，表示系統在面向B時，也達 到我們改善瀏覽相片效率的目標。 表 2 面向B:改善使用者工作效率分析 (B)該系統幫助使用者改善所需作業的流程，增加效率 @1.我能接受本系 統以網頁的方式來 進行敘事創作 @2.使用本系統透過敘事 創作的方式節省了我瀏覽 數位相片的時間 平均數 4.37 3.94 總平均 4.15 (3) 面向C: 該系統是否能加強使用者對於敘事 創作與瀏覽相片的熱情 在此面向中，我們希望透過使用者對於相片 瀏覽與敘事創作的回饋，得知本研究所提出的應 用系統是否能激發使用者對於數位相片的處理 興趣。在表 3量表中問題的平均分數達4.13分， 證明本研究所提出的互動敘事應用已能獲得使 用者的認可。 表 3 面向C:增加該操作行為的熱情 (C)該系統會加強使用者的對於瀏覽相片與敘事創作的熱情 @3.本系統透過敘事創 作的方式加強了我對於 觀看大量數位相片的興 趣 @8.本系統以說故事的方 式來回憶過去的相片能帶 來意想不到的樂趣 平均數 3.99 4.26 總平均 4.13 在有用性的評估中，如圖 9所示，以三個有 用性面向來看，我們皆得到正向的回饋，表示本 文所提出的概念以及解決使用者問題的方法均 獲得有用性的認可。最後，我們請受測者在系統 的有用性的整體表現上做一個回饋，評估這樣的 系統構想是否值得推薦，而獲得的平均分數也在 4分之上，證明本研究提出的概念具有一定程度 的可行性。 圖 9 系統有用性整體表現 4.2.2 認知易用性分析 本文將認知易用性同樣也分為三個面向分 析，在圖 10是使用者回饋的易用性統計分數。 結果顯示三個面向中，在系統彈性上還需要加 強。根據問卷回饋，使用者希望系統不要限制每 一輪推薦的照片中只能選擇1張相片，因為在同 組照片中，使用者可能看到2張以上符合敘事的 相片。這樣的結果呼應使用者對於系統的了解程 度很高，也表示本系統的相似度推薦的方向是正 確的，所以才在同一組照片中，使用者能感受到 多張照片適用於他們的敘事創作當中。在表 4中 顯示，使用者對於該平台的實用性的平均達4.12 分，說明本文所提出的敘事創作平台的實用性獲 得使用者的認可。 圖 10 易用性統計分數 表 4 該平台的實用性評估 該平台的實用性評估 最 小 值 最 大 值 平 均 數 標 準 差 互動敘事網站真實存在且可自行上 傳照片是否會使用這樣的網站服務 1 5 4.12 1.038 4.2.3 故事版型與挑選法多重分析 (1) 關鍵字故事版型與三種挑選法多重分析 在此故事版型中，我們取出21位測試者有效 實驗數據，經過平均數的分析(表 5)，我們觀察 到問項5的總平均差異的最大與最小值的差距大 於0.5以上。所以，我們將其問項利用Post Hoc檢 定進行各類別的顯著程度分析，根據@5的回 饋，隨機與動態調整挑選法的平均有顯著的差異 (如表 6所示)。而這二種挑選法的平均分數，動 態調整大於隨機挑選法，由此可觀察到實驗中所 設定的關鍵字版型與動態調整挑選法的組合比 隨機挑選法有較明顯的感受力。雖然，在顯著性 分析上，各挑選法之間沒有達到統計學上顯著的 效果。但若以該故事版型的平均分數來看，這4 個問項的平均分數在動態調整挑選法下，優於其 他二種挑選法。因此，在此實驗下，該關鍵字故 事版型與動態調整法結合具有正向的效果。 表 5 關鍵字版型-有效性分析(統計量) 描述性統計量 個 數 平 均 數 總平均差 ()=總和-平均數 最 小 值 最 大 值 Max()-Min() @ 4. Random 21 4.24 -0.02 3 5 Static 21 4.05 0.17 2 5 Dynamic 21 4.38 -0.16 3 5 總和 63 4.22 0.33 2 5 @ 5. Random 21Static 21 3.333.76 -0.060.37 2 51 5 Dynamic 21 4 -0.3 1 5 總和 63 3.7 0.67 1 5 @ 6. Random 21Static 21 44 0.030.03 2 2 55 Dynamic 21 4.1 -0.07 3 5 總和 63 4.03 0.1 2 5 @ 7. Random 21 3.29 0.15 1 5 Static 21 3.38 0.06 1 5 Dynamic 21 3.67 -0.23 1 5 總和 63 3.44 0.38 1 5 表 6 關鍵字版型-有效性分析(Post Hoc檢定) 多重比較分析(Post Hoc檢定) 依變數: @5.本系統所提供的候選相片符合所選取的故事版型
LSD
(I) model (J) model 顯著 性 95% 信賴區間 下界 上界 random static .179 -1.06 .20 dynamic .038 -1.30 -.04 static random .179 -.20 1.06 dynamic .453 -.87 .39 dynamic random .038 .04 1.30 static .453 -.39 .87 *. 平均差異在 0.05 水準是顯著的。 (2) 時間故事版型與三種挑選法多重分析 在表 7的@4到@7中，我們在時間版型沒有 得到差異性較大的數值。但根據各問卷的平均 數，我們發現在@6平均較高。根據受測者的回 饋，因為該故事版型是以時間限制為主，但實驗 照片非實驗者個人的照片，就無法對於照片日期 有所感受，因此在進行創作時，只能自由發揮， 而無法達到故事版型的目的。這個結果顯示，若 要以故事框架來輔助使用者創作，素材若非使用 者所屬時，線性時間排列的推薦照片較無法提供 敘事創作上的構思。所以，我們得到一個結論， 在創作構思上，需有明確的主題設定做為故事框 架推薦相片，才能達到其輔助的效果。 表 7 時間版型-有效性分析(統計量) 描述性統計量 平均 數 總平均差()=總 和-平均數 最 小 值 最 大 值 Max()-Min() @4. Random 4.29 -0.02 3 5 Static 4.14 0.13 2 5 Dynamic 4.38 -0.11 3 5 總和 4.27 0.24 2 5 @5. Random 3.62 -0.06 2 5 Static 3.71 -0.15 1 5 Dynamic 3.33 0.23 1 5 總和 3.56 0.38 1 5 @6. Random 4.19 -0.09 2 5 Static 3.90 0.16 2 5 Dynamic 4.10 -0.04 3 5 總和 4.06 0.25 2 5 @7. Random 3.57 0.02 1 5 Static 3.76 -0.17 1 5 Dynamic 3.43 0.16 1 5 總和 3.59 0.33 1 5 (3) 空間故事版型與三種挑選法多重分析 在此版型中，我們先進行平均數分析(如表 8所示)。我們觀察到動態調整法在這個組合上所 獲得的分數都偏低。我們透過問卷回饋發現二個 問題：對於故事創作，系統所提供並非實驗者個 人的相片，所以給予其地理位置的查詢條件並沒 有很顯著的幫助。第二個問題在於，當相片的地 理位置分佈太密或太疏時，雖然有遞減函數將每 次推薦相片權重遞減，但對於明確的地理位置， 相似強度很強，很容易在前5輪推薦的重覆性增 高。另外，在@4中的總平均差異的最大與最小 值的差距大於0.5以上，而該問項中隨機挑選法優 於其他2種挑選法。我們也發現動態調整挑選法 的差異性較大。所以我們將其問項進行變異數分 析，發現該問項的比較性結果有顯著性的差異 (<0.05)，如表 9所示。因此，我們將三個挑選法 進行多重比較分析後，進而得到隨機與動態挑選 法的回饋有明顯的差異(表 10)。我們利用使用者 的文字回饋判斷出因為故事版型將照片限縮於 亞洲相片，比照隨機出現所有的相片來說，大量 不同的相片較能激發使用者的創作聯想，所以在 該問項的評估上，隨機挑選法來推薦相片，反而 能輔助使用者在創作上可以引發更多的聯想。 表 8 空間版型-有效性分析(面向 A-統計量) 描述性統計量 平 均 數 總平均差()= 總和-平均數 最小 值 最 大 值 Max( )-Min() @4. Random 4.57 -0.32 3 5 Static 4.29 -0.03 2 5 Dynamic 3.90 0.35 2 5 總和 4.25 0.67 2 5 @5. Random 3.57 0.10 1 5 Static 3.81 -0.14 2 5 Dynamic 3.62 0.05 2 5 總和 3.67 0.24 1 5 @6. Random 4.33 -0.17 3 5 Static 4.05 0.11 2 5 Dynamic 4.10 0.06 2 5 總和 4.16 0.29 2 5 @7. Random 3.52 0.00 2 5 Static 3.62 -0.10 2 5 Dynamic 3.43 0.10 1 5 總和 3.52 0.19 1 5 表 9 空間版型-有效性分析(面向A-ANOVA) 單因子變異數分析 @4.使用本系統能幫助我在瀏覽照片過程中進行敘事創作的聯想 平方和 自由度 平均平方和 F 顯著性(P) 組間 5.59 2 2.79 4.13 .02 組內 44.69 66 .677 總和 50.29 68 表 10 空間版型-有效性分析(面向A-Post Hoc檢 定) 多重比較分析(Post Hoc檢定) 依變數: @4.使用本系統能幫助我在瀏覽照片過程中進行敘事創 作的聯想 -LSD (I) mod-el (J) model 顯著性 95% 下界 信賴區間 上界 random static .214 -.18 .79 dynamic .006 .21 1.18 static random .214 -.79 .18 dynamic .112 -.09 .88 dynamic random .006 -1.18 -.21 static .112 -.88 .09 *. 平均差異在 0.05 水準是顯著的。 在上述顯著性的分析中，我們觀察到故事版 型的 設計似乎對 本文所設計 的演算法有 所影 響；因此，我們將動態調整挑選法的回饋資料再 進行一次不同故事版型的顯著性分析。在表 11 中利用統計分析的方式，將有效性分析(面向A) 的4個問卷根據不同故事版型進行分析後，@5的 總平均差的級距>0.5，所以我們再將@5進行變異 數分析(如表 12所示)，發現顯著性雖未達標準， 但3個故事版型經過多重分析後，得到關鍵字版 型與時間版型對於使用者是有顯著的差異(如表 13)。因此，我們得到的結論是，以平均分數來 看，表示關鍵字版型對於使用者認知故事版型的
主題較有幫助，且間接的說明了我們所定義的關 鍵字相似度模型有達到輔助敘事創作的效果，但 若能加強時間與空間的相似度結合，本文所提出 的演算法對使用者應有更佳的創作輔助效果。 接著我們觀察到的另一個現象是，在問項6-「本系統所提供的候選相片能幫助我構思故事」 與問項7-「按下SKIP按鈕後我覺得系統所推薦的 照片在題材方向上有所改變」並未在三個故事版 型中達到顯著的分別。我們以創作故事的時間來 推斷，可能是因為提供了skip的按鈕，反而讓使 用者可以一直變換照片，並無法感受到在這三種 挑選模型上的差別。 表 11 動態調整挑選法(描述性統計) 描述性統計量 問項 代號 故事版 型 平 均 數 總平均差()=總 和-平均數 最 小 值 最 大 值 Max()-Min() @5. 關鍵字 3.88 -0.38 1 5 空間 3.21 0.29 1 5 時間 3.42 0.08 2 5 總和 3.50 0.67 1 5 表 12 動態調整挑選法(ANOVA) 單因子變異數分析 平方和 自由度 平均平 方和 F 顯著性 @5. 組間 5.58 2 2.79 2.22 .115 組內 86.41 69 1.25 總和 92.00 71 表 13 動態調整挑選法(Post Hoc檢定) 多重比較(Post Hoc 檢定) LSD 依變數 顯著性 95% 信賴區間 下界 上界 @5 .本系統 所提供的候 選相片符合 所選取的故 事版型 關鍵字 空間 .043 .02 1.31 時間 .160 -.19 1.10 空間 關鍵字 .043 -1.31 -.02 時間 .521 -.85 .44 時間 關鍵字 .160 -1.10 .19 空間 .521 -.44 .85 *. 平均差異在 0.05 水準是顯著的。 根據此小節的結果分析，我們可以發現，故 事版型設定的好壞與相片和使用者的相關性，皆 會影響平台在使用者輔助上是否有效。因本文的 演算 法是依照故 事版型的設 定進行推薦 的計 算，因此本文所提出的演算法在故事版型明確 時，可以帶給使用者在敘事創作的幫助以及讓使 用者獲得不同的照片回憶的體驗方式。
5. 結論與未來展望
在本研究中，我們參考了[13][14]所提出內 容檢索的事件模組，將相片資訊分類設計成人、 事、時、地、物、情感六種特徵屬性，並記錄於 相 片的 後設資 料(metadata)中。我們也參考了 M.Rabiger所提出的CLOSAT (角色、場景、物品、 情境、行動、主題)，以這六種屬性組合故事版 型，做為檢索條件及相似度計算的依據。另外， 我們使用動態改變參考點，以推薦符合使用者目 前所需的敘事候選相片，達成輔助敘事創作以及 激發創意的目的。問卷分析的結果顯示，我們所 提出相片互動敘事回憶平台的概念受到使用者 肯定。在實驗過程中，我們利用隨機、靜態版型、 動態參考點挑選法來比較演算法的有效性。雖 然，所提供的故事版型，不是每個都能支持動態 參考點的挑選法，但我們發現，只要提出的故事 版型夠明確，動態參考點挑選法便能發揮應有輔 助的效果。因此我們認為，故事版型的檢索方法 是可被接受的，但在故事版型與變換情節的設計 上還需有更明確的定義與設計。 本文所提出的相片敘事創作回憶平台，目前 是使用預先定義好的相片與屬性，並手動訂立故 事版型。未來可以發展為讓使用者自行為照片上 傳屬性，再利用這些屬性自動化的產生故事版 型，以推薦給使用者參考。這樣的故事框架設計 將更能吸引使用者利用這樣的敘事創作平台進 行相片回憶。6. 致謝
作者感謝國科會專題研究計畫的支持（計畫 編號NSC101-2221-E-004-014）。7. 參考文獻
[1] A. Kuchinsky, C. Pering, M. L. Creech, D. Freeze, B. Serra, and J. Gwizdka, "FotoFile: a consumer multimedia organization and retrieval system," in
Proc. of the SIGCHI Conf. on Human Factors in Computing Systems: the CHI is the limit, 1999, pp.
496-503.
[2] A. Singhal, "Modern information retrieval: A brief overview," IEEE Data Engineering Bulletin, vol. 24, 2001, pp. 35-43.
[3] C.-H. Chen and T.-Y. Li, "Context-aware Camera Planning for Interactive Storytelling," in Proc. of
2012 the Ninth Intl. Conf. on Computer Graphics, Imaging and Visualization (CGIV), 2012, pp.
43-48.
[4] "EXIF wiki," in
http://en.wikipedia.org/wiki/Exchangeable_image_f ile_format.
[5] F. D. Davis, "Perceived usefulness, perceived ease of use, and user acceptance of information tech-nology," MIS quarterly, 1989, pp. 319-340. [6] J. Eakins, M. Graham, and T. Franklin,
"Con-tent-based image retrieval," Library and
Infor-mation Briefings, 1999.
[7] J. Gemmell, A. Aris, and R. Lueder, "Telling sto-ries with MyLifeBits," in Proc. of 2005 IEEE Intl.
Conf. on Multimedia and Expo, ICME 2005. 2005,
pp. 1536-1539.
[8] J. Schuman and S. Bergler, "Interactive Retrieval Using Weights," in Proc. of the Sixteenth Text
RE-trieval Conf. (TREC 2007), 2007.
[9] K. M. Brooks, "Do story agents use rocking chairs? The theory and implementation of one model for
computational narrative," in Proc. of the Fourth
ACM Intl. Conf. on Multimedia, 1997, pp. 317-328.
[10] M. Balabanović, L. L. Chu, and G. J. Wolff, "Sto-rytelling with digital photographs," in Proc. of the
SIGCHI Conf. on Human Factors in Computing Systems, 2000, pp. 564-571.
[11] N. A. Van House, "Collocated photo sharing, sto-ry-telling, and the performance of self," Intl. J. of
Human-Computer Studies, vol. 67, 2009, pp.
1073-1086.
[12] N. Lin, K. Mase, Y. Sumi, and T. Toriyama, "Ena-bling communications-based interactive storytelling through a tangible mapping approach," in Proc. of
Virtual Storytelling. Using Virtual Reality Tech-nologies for Storytelling, ed: Springer, 2005, pp.
229-238.
[13] P. Appan and H. Sundaram, "Networked multime-dia event exploration," in Proc. of the 12th Annual
ACM Intl. Conf. on Multimedia, 2004, pp. 40-47.
[14] S. Boll and U. Westermann, "MediÆther: an event space for context-aware multimedia experiences," in Proc. of the 2003 ACM SIGMM Workshop on
Experiential Telepresence, 2003, pp. 21-30.
[15] U. Shah, T. Finin, A. Joshi, R. S. Cost, and J. Mat-field,
