近年来，中国产业结构的重心逐渐从制造业向服务业转变，企业对产品用户体验的不懈追求推动了用户体验教育的蓬勃发展。有效分析用户需求对于产品的用户体验至关重要，同时也是具有较高挑战性的一个环节。伴随着用户体验行业的普及，越来越多具有不同专业背景的初学者涉足该领域，但缺乏行业经验和洞察力使得部分初学者在深入挖掘用户需求方面受阻。本研究基于用户体验领域在数字经济时代的行业和教育现状，以跨学科、项目制的应用心理教学实践作为着眼点，依托北京师范大学心理学部《用户体验概论》课程，提出了一种结合Kano模型和深度学习技术的新型文本分类工具。
本文包括两项研究。第一项研究聚焦于用户需求的收集、分类及基于Kano模型的文本分析工具的开发。在此研究中，首先从项目访谈和网络爬虫获取的在线评论中提取了19个Z世代使用乐高产品的用户需求。随后，通过基于Kano模型的问卷研究，将这些需求分为四类：2个必备型需求、2个期望型需求、14个兴奋型需求和1个无差异需求。接着，对在线评论数据进行预处理，并根据四个类别的需求对预处理后的文本进行标注，以形成一个用于训练分类模型的数据集。在七个深度学习模型中，RCNN模型在该数据集上取得了78.77%的最高准确率。最后，基于RCNN模型开发出一个带有图形用户界面（Graphic user interface, GUI）的文本分类工具，用以帮助用户体验初学者对用户需求进行基于Kano模型的自动分类。使用者仅需输入一段文字，该工具即可预测其类别并显示相应的概率。
第二项研究关注该工具的可用性测试。在研究2中，将该工具与经典的用户需求分类方法，亲和图法（Affinity diagram）进行比较，并使用NASA任务负荷指数（NASA-TLX）和用户体验问卷（UEQ）对其进行可用性评估。测试结果显示，该工具在UEQ的六个维度和三种品质上均显著优于经典的亲和图法，可提供更优的用户体验。同时，该工具在NASA-TLX量表的六个维度上得分显著低于亲和图法，具备更低的工作负荷。此外，该工具的净推荐值（Net promoter score, NPS）为23分，表明大多数被试对该工具持积极态度。研究2的意义在于：在不否认亲和图法作为一种经典研究方法的有效性的前提下，通过可用性测试验证基于Kano模型的自动分类工具拥有良好的教学价值与应用前景。
总之，本研究为用户体验初学者提供了一种基于Kano模型和文本分析的用户需求分类工具，并通过可用性测试说明该工具具备良好的用户体验和较低的工作负荷，具有潜在的教学价值。本文认为，研究者需要在AI及其潜在受益者之间建立一种更和谐的关系，改善与人工智能（产品）共存时人类的用户体验，这将是用户体验领域的全新挑战与机遇。

This study introduces a novel tool for classifying user needs in User Experience (UX) design, specifically tailored for beginners and with potential applications in education. The tool employs the Kano model, text analysis, and deep learning to classify user needs efficiently into four categories. Data for the study was collected through interviews and web crawling, yielding 19 user needs from Generation Z users of LEGO Group’s products. These needs were then categorized into must-be, one-dimensional, attractive, and indifferent needs through a Kano-based questionnaire survey. A dataset of over 3,000 online comments was created through preprocessing and annotating, which was used to train and evaluate seven deep-learning models. The most effective model, the RCNN, was employed to develop a graphical text classification tool that accurately outputs the corresponding category and probability of user input text according to the Kano model. A usability test compared the tool's performance to the traditional Affinity Diagram method. The tool outperformed the Affinity Diagram in six dimensions and three qualities of the User Experience Questionnaire (UEQ), indicating a superior UX. The tool also demonstrated a lower perceived workload as measured by the NASA Task Load Index (NASA-TLX) and received a positive Net Promoter Score (NPS) of 23 from participants. These results suggest that the proposed tool can be a valuable addition to educational resources in UX design courses, facilitating a more efficient and engaging learning experience for students while coexisting with artificial intelligence.