1.4.2 数据分析和度量指标
在用户参与式设计结束之后，研究人员将对数据进行收集、编码、归类和评估，使用各种指标进行度量，提取出目标系统最合适的手势集。
1.用户自定义手势分类
有相当多的用户参与式设计实践都针对用户自定义手势集的特征进行分析并根据相似性度量把手势分成不同的类别。分类能有效帮助设计者洞察参与设计的终端用户的心智模型，然后据此引导设计师理解适合不同目标任务的手势类型。用户自定义手势分类有很多维度。比如可以将手势依据表现形式、自然性、视点、流畅性等分为四大类，每一类又可以细分为不同的子维度。
表现形式可以进一步细分为静态手势、动态手势、复合手势。其中静态手势是指用户设计的手势不包含手的时空运动，仅仅是一个手形（例如比一个OK的手形）；动态手势是包含了手的时空运动的手部动作，既可以是手形的变化（例如，手掌逐渐张开），也可以是手部在空间运动形成的轨迹（例如，空间打一个对钩）；复合手势是同时包含了手形的变化以及空间运动轨迹的复杂手势（例如，手掌从握拳的初始状态逐渐靠近一个虚拟场景中的杯子，在此过程中逐渐张开手掌接触到杯子后再次握拳抓紧杯子）。
自然性可以分为符号类手势、物理类手势、隐喻类手势以及抽象类手势。其中符号类手势通常是描述一种符号，比如用户比一个OK的手势表示“接受”或者“确认”；物理类手势通常作用在某个对象上，比如一个张开手抓取杯子的手势；隐喻类手势则是利用手部形状或者动作进行某种语义比方/比喻，例如，两手食指和拇指分别连接成一个圈然后放在眼睛上的静态手势表示一个放大镜放大当前被选中的对象，或者做一个翻书的动态手势动作来切换场景；抽象类的手势则不属于以上三种，通常手势与目标任务之间的映射是任意的，例如食指连续点击三次表示删除一个对象等。
视点类可以分为以对象为中心的手势、以用户为中心的手势、以世界坐标系为中心的手势以及不依赖世界坐标系的手势等。其中以对象为中心的手势通常作用在对象上并且系统只需要提供对象的属性信息即可，例如，大拇指和食指张开的同时被选中的对象跟着一起放大；与以对象为中心的手势相比，以用户为中心的手势除了要求系统提供对象的属性信息，还需要提供用户的坐标系信息，比如用户对着一个虚拟衣服招招手，衣服就“飞”到用户的跟前；以世界坐标系为中心的手势不需要关注用户的身体坐标系信息，比如在手机屏幕的右上角点击一下或者直接将所选中的对象拖动到屏幕的右上角表示删除当前对象。最后一个子类的手势发生时的交互上下文跟世界坐标系无关，比如双手在胸前交叉抱肩的手势表示关闭当前的应用程序。
流畅性一般分为离散型手势和连续型手势。其中离散型手势是指手势动作做完之后系统才提供界面反馈，例如用户空中做完一个打“×”的动态手势之后，当前窗口被关闭；连续型手势则需要系统提供与手势行为动作匹配的实时反馈，例如用户向上抬手的过程中，系统的音量连续增大。
除此之外，还有其他更多的分类方法。例如，可以根据手势过程中所涉及的手的数量（单手交互还是双手交互）来进行分类。例如，为智能汽车车载信息系统所设计的用户自定义手势都是单手交互模式。还有根据手指数量、手指点击次数（单击、双击、三击）等不同属性进行区分的。类似于著名的费兹定律，手势分类将有助于系统设计者更好地理解用户心智模型，并能够对手势交互的效率、用户的心理认知和身体疲劳度进行预估。
2.度量指标
有很多设计人员使用了至少一个度量指标来提取与特定目标任务相匹配的手势，或进一步理解目标任务概念的复杂性。前期，一个广泛应用的指标是华盛顿大学Wobbrock等人提出的“一致性分数（Agreement Score）”，表明被试对于一个目标任务所提出的手势设计方案的一致性水平，即用户的共识度，其计算公式如下：
其中，P是被试为任务r所设计的所有手势的集合，|P|为集合的大小，Pi是P的手势子集。
例如，在我们前期的一个用户自定义手势设计项目案例中，针对智能电视手势交互中的“增大音量”这个目标任务，用户设计了3组不同的手势，包括21个动态的“向上挥手”的手势，2个静态的“大拇指指向右侧”的手势，以及1个动态的“双手从胸前中间滑向两侧”的手势。那么“增大音量”这个功能所对应的一致性得分为：
类似地，“下一个频道”的功能也有三组手势，包括12个动态的“向右挥手”的手势，11个动态的“向左挥手”的手势和1个静态的“大拇指向下”的手势，那么它的一致性得分为：
虽然这两个功能都有3组手势，但“增大音量”有更高的一致性得分，这表示相比于“下一个频道”，设计师更容易给这个功能选择一个大家认可度较高的手势。
尽管上面这个公式被很多用户参与式设计实践采用，但是这个公式仍存在一些缺陷。比如说，不能反映所有用户意见都不同的极端情况。如果所有用户意见都相左，一致性应该为0，但是上面这个公式无法取到0值。因此，Vatavu等人在2015年对这个公式进行了改进：
从公式（2）可以看出，当所有用户意见都不统一的时候，一致性可以取到0值。因此，目前很多用户参与式设计方法都采用了这个改进之后的公式来度量用户之间的一致性和共识度。
除了一致性公式这一度量指标，还有一些与时间相关的度量指标也经常被使用，例如被试的思考/回忆时间、手势完成时间等。思考/回忆时间是指被试在看到一个目标任务/指示物后思考和设计一个最佳手势所用的时间。这个时间经常被用来帮助设计人员验证和评估这些指示物作为外界刺激对于唤醒被试有效进入状态并给出最佳手势设计是否有积极的影响。有研究表明，指示物或者目标任务的概念越复杂，被试所需要的思考时间就越长，二者是正相关关系。手势完成时间表示手势从起始到结束所经历的时长。很显然，手势完成时间越长，手势的容易度就越差，二者是负相关关系。