以下部分介绍了在过去的研究中使用的VR可用性评估方法。需要注意的是，这些方法可以混合在一起，以适应每个独特评估的目标，而不是相互排斥的。这些方法是使用Bowman及其同事在2000年开发的虚拟环境可用性方法分类来描述的[ 27]，并由马滕斯于2016年更新[ 28］．这些方法包括(1)认知或任务演练，(2)图形评估，(3)事后问卷或访谈，(4)物理性能评估，(5)用户界面(UI)评估，和(6)启发式评估。

表1［ 14， 21， 29- 36]总结了与每种虚拟现实评估方法相关的关键信息，包括除基本需求外的评估需求的一些考虑因素，例如进行虚拟现实评估的适当空间以及虚拟现实硬件和软件本身。

建议一些评估方法应该有利于特定用户组的参与，例如外部用户(即，一组不参与开发过程的测试人员)。一些评估方法需求还需要具有代表性的用户，这意味着用户样本可以反映适当的最终用户群体。以下部分将对每种VR可用性评估方法进行解释。

认知或任务演练是一种形成性评估方法，它基于基于任务的VR场景的完成情况、对系统变化的响应以及用户对VR环境的探索和导航来评估用户或假设用户[ 14］．虽然有其他衡量任务负载性能的指标，如NASA-TLX(任务负载指数)[ 37]，此评估基于诺曼1986年的研究[ 38基于用户通过自我探索的过程而不是说教式的培训或课程来学习使用技术的前提下，VR环境中的交互模型和评估用户的心理和身体行为[ 39］．这种评估方法最初用于评估简单的用户界面，如自动柜员机和售货亭，现在越来越多地用于评估VR可用性[ 40］．

执行这种评估的一种方法是采用以下三个周期或步骤。第一个周期评估用户在试图实现目标时的行为[ 14］．观察者将记录用户完成任务所采取的总体路径，或者他们是否在一个过程中行为 目的在虚拟现实场景中。观察员注意到实现每个周期目标的挑战或问题。第一个周期中的行为很大程度上取决于用户必须做出决策，以及环境如何促进这种决策路径。例如，如果用户的目标是捡起一个对象，但该对象丢失了，那么环境应该允许用户定位该对象。定位对象本身会导致第二个周期或步骤，称为“虚拟环境中的探索和导航”[ 14］．

在第二个循环中，用户探索并在环境中移动，以确定通往感兴趣对象的路径。虚拟现实环境应该允许直观的导航，识别用户的移动，并在用户探索定位感兴趣的对象时响应地适应用户位置的变化[ 14］．观察员记录在实现这一目标过程中遇到的任何挑战或问题。

在第三个周期中，评估用户响应系统倡议的行为[ 14］．这个周期或步骤的目的是检查当用户操作对象时，VR系统如何支持用户活动。用户和系统需要相互识别和解释对方的反馈或动作，并作出适当的响应[ 14］．例如，如果用户决定扔一个花瓶，系统应该解释这个动作并产生适当的响应，比如描绘花瓶在接触另一个物体(如墙壁)时飞行和破碎。相应地，系统也可以采取主动和行动，这意味着用户的角色是解释和响应这个行动[ 14］．例如，如果一个氦气球(即物体)突然从它的底座上脱离并开始飘走(即系统的动作或主动)，在这种情况下，用户可能会选择干预并试图抓住气球或让气球飘走。

总而言之，认知或任务演练是一种基于任务的评估，用于评估用户在试图实现目标时的行为(参见 表1)，并进一步评估用户导航(即第二周期)和系统响应(即第三周期)。对于这些周期中的每一个，都应该允许用户自由地完成任务或交互，而不受观察者的干扰。由于这种方法主要由虚拟现实环境中的脚本和对话驱动，可用性问题和系统支持用户交互的能力主要是通过描述性、定性反馈(例如，用户评论、自言自语方法和观察者观察)来评估[ 14， 28］．

这种评估方法侧重于在VR环境中生成的图形的质量，以及它如何影响用户的体验。这可能包括，但不限于，不同的颜色组合，形状，纹理和渲染将如何影响用户与VR环境和系统的交互[ 30.， 41］．有许多方法可以评估图形，这些方法可以调整到硬件(例如，视图、分辨率、颜色对比度、更新速率等);保真度(例如，几何和颜色);摄像位置(如适用);跟踪系统的精度;立体图像质量[ 42];超越[ 43］．

有许多不同复杂程度的方法用于评估图形。在一种常见的方法中，用户暴露在图形环境的不同迭代中，以更好地理解其对用户体验的影响[ 30.， 41］．根据整体VR环境的目的，感兴趣的图形对象可能有所不同。例如，为了检查大城市中的用户行为，图形评估可能更关注城市及其3D效效图的图像深度、复杂性和广度。如果关注的范围较窄，比如评估用户看到吸烟用具时的反应，那么关注一个物体(如香烟)细致、真实的细节就会更重要。为了评估用户在虚拟现实环境中对图形的反应，可能会要求用户大声思考或向用户发放一套问卷，以收集用户对虚拟现实系统中图形输出的反馈(见事后问卷和访谈部分)[ 30.， 41］．

事后调查问卷和访谈通常用于确定用户在使用VR时的总体体验。然而，这些问卷和访谈中的一些可能针对特定的可用性概念，如图形、物理硬件和晕动病[ 37， 44， 45］．

这种评估方法通常在用户与VR系统的交互结束后执行[ 28］．由于VR仍然是一项相对较新的技术，个人使用VR的舒适度和体验可能会在很大程度上影响人们的反应。因此，除非可用性评估已经为目标量身定制，或者只包括基于经验的用户子集(例如，没有经验的VR用户)，还应该收集关于用户意见、观点和VR体验的人口统计信息，以帮助更好地解释用户反馈[ 28］．由于它的多功能性，这个评估可以被看作是本文中许多评估的补充，而不是一个独立的方法。它的总体目的是作为一种简单、直接的方式收集有针对性的反馈。为了收集与事后问卷或访谈相关的特定评估相关的具体反馈，必须特别注意问题的语义和框架[ 28］．

通常，事后调查问卷也会在VR原型设计阶段通过吸引终端用户作为一种迭代质量改进的形式使用，但通常与另一种评估方法结合使用，如认知或任务演练[ 28］．

VR环境中的物理性能是由硬件和环境的性能定义的。评估虚拟环境的流畅性和质量，就像评估网站的加载时间一样。这种评估方法的性能指标包括滞后时间(即，用户的预期操作和系统在VR中的响应之间的时间延迟)和同步(即，系统是否准确地反映用户的预期操作)。VR应该尽可能让用户觉得逼真，VR系统的物理性能是心理和物理沉浸感的关键决定因素。 33］．沉浸感被定义为一种完全沉浸在模拟环境中的状态，是决定VR质量的关键因素。 21］．这种评估方法可以促进以用户为中心的设计，也可以产生关于用户充分探索VR环境所需的物理空间的信息[ 33］．

为了衡量VR系统的物理性能，可以通过多种方法的组合来获得数据，例如问卷调查、任务性能分数，或者利用后端数据来检查检索和加载时间等因素。简单但对物理要求高的VR精确任务对于这种类型的评估具有很高的信息量。例如，一项涉及用虚拟筷子操作小物体的任务将很快揭示与翻译动作精度相关的任何性能问题。这样的任务可以计时和评分，用户可以被要求描述他们的满意度和感觉，以确定身体表现问题[ 33］．另一个例子是，涉及操作的任务要求用户伸出他们的手 身体与附近物体互动可以用来突出距离压缩的未解决问题，距离压缩是VR环境中经常出现的现象，用户认为物体比它们的实际位置更近[ 46］．在执行给定的任务后，用户可能会获得很高的任务表现分数，但在使用系统时仍然报告严重的认知过载(即精神疲惫)，例如，发现在VR中执行任务明显比使用真实物体或工具执行相同的任务更难。这种情况将表明，可能需要一些探索性问题(例如，任务中是否存在特别难以执行的特定操作?)或进一步的后端评估，以确定可能的潜在物理性能相关问题[ 33］．

UI评估的目的是帮助确定VR系统前端UI的可用性[ 14， 35， 47］．这种方法还可以帮助确定UI设计或解决方案，适当地平衡直觉和沉浸感等因素与可用性[ 34］．一个优化的UI解决方案应该为用户提供沉浸感和可用性的最佳组合，这样用户在完成他们的任务时，相对于VR环境之外，会感到沉浸感，但不受阻碍。 14， 34］．当考虑到VR应用明显优于现实世界时，沉浸感尤其重要，例如用于管理恐惧或疼痛的模拟环境[ 8］．在这些独特的情况下，UI本身与干预措施(即恐惧暴露工具)密切相关，全面的UI设计评估可能只有通过更大规模的临床试验来测量治疗结果才可行。回到更一般的VR应用，UI评估允许识别UI解决方案的类型，这将在VR环境和现实生活工具之间提供最佳的沉浸与效率比[ 31］．Kasurinen的一个概念验证案例研究[ 34，用户被指示完成五个训练场景中的一个，使用三个不同级别的VR和现实生活工具[ 34]:

对于每次迭代，关于用户偏好的数据可以与离散数据一起收集，例如任务完成时间和错误数量[ 34］．与UI元素相关的问题也应该在每次迭代中提出，如下所示: 14]:

这些问题中的每一个都有助于揭示UI中有改进潜力的特定领域。这种方法可以帮助评估适当的现实生活整合量和所述整合的质量，以便VR干预能够最好地实现其预期目的。如果虚拟和现实工具之间的集成不足，已经证明这种摩擦将导致用户更喜欢 没有虚拟现实选项，这也可能部分与体能表现有关(请参阅体能表现评估部分)[ 34］．

启发式评估是一种UI方法，它涉及多个主题专家或专家评估者，而不是征求直接的用户反馈。VR可用性专家通常会根据公认的可用性原则或已经在文献中发表的标准来评估UI设计。 48］．虽然有几套公认的标准或启发式，但对于传统的ui，很少有研究为VR环境定义启发式。尼尔森的( 21启发式集是UI设计中最常被引用和使用的启发式集。萨特克利夫和高尔特[ 48]进一步定义了一套基于尼尔森集的12条启发式准则，如图 文本框1．

然后汇集专家的结果，并用于确定优先行动领域[ 28］．启发式评估也需要一组任务供专家体验。在进行启发式评估时，还应主观上考虑这些任务的性质和VR环境本身，因为各种类型的VR设备和软件之间缺乏标准化[ 28］．虽然不是所有的启发式都适用于给定的VR应用程序，但这样的评估有很大的潜力来收集应用程序状态的丰富的、全面的图片。例如，如果VR应用程序被设计成一种使用户自动置身于“无法逃脱”的环境的方式，那么评估明确的入口和出口点就没有相关性(即，第8条启发式准则， 明确进出点) [ 28］．由于启发式是广泛的经验规则，而不是具体的指导原则，因此不应该将它们视为二进制复选框，而应该将它们视为单个的连续体，每个连续体都可以作为改进的区域，尽管其中可能存在二进制元素。为了说明，也许启发式的指导方针 真实的反馈，其中概述了VR应用程序应该帮助用户有效地识别错误并从错误中恢复[ 21］．一个特性的存在或不存在，例如，有形的错误消息将构成一个二进制复选框，但是所述错误消息的适用性和有效性将更加重要。问题或错误是否被精确而简洁地指出?是否提出了潜在的解决方案?语言是否友好且没有代码或缩写，例如“A 50 (0x32) error has occurred”?最终，在每个启发式中考虑和跟踪多个颗粒元素将极大地帮助获得直接改进的可操作结果。