MétaCan
Menu
Retour à la cohorte
Enregistrement W2034650076 · doi:10.1177/154193121005402003

The Emotional Impact of Surface and Prototyping Properties in Product Design

2010· article· en· W2034650076 sur OpenAlexaff
Bertina Lee, Carolyn MacGregor

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueColor perception and design
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAffordanceFidelityPsychologyProduct (mathematics)Human–computer interactionObject (grammar)CognitionTexture (cosmology)Cognitive psychologyUser experience designComputer scienceMathematicsArtificial intelligenceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

The emotional experience of products can have enormous impact on the overall experience: happy users are more accepting and open-minded. Being able to improve users' moods through product interaction has clear benefits and is currently the focus of designers all over the world. The purpose of this study is to help establish generalizable and useful relationship(s) between design parameters specific to the sense of touch and the emotional response to tactile experiences. Participants (N=16) explored blocks of varying roughness, hardness, fidelity (a real or virtual object), and affordance (whether or not the object lends itself to being tactually explored). In terms of surface properties, increases in texture roughness elicits more negative emotional responses (p≤0.013) while changes in hardness showed no effect. In terms of prototyping factors of fidelity and affordance, surprisingly a decrease in stimuli fidelity elicited more favourable emotional responses (p≤0.052) and lower affordance conditions generated faster response times (p≤0.032). In addition, males gave emotional responses in less time than females (p≤0.03). These results are discussed in terms of cognitive processing as well as product prototyping, packaging and displaying.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,349
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,041
Tête enseignante GPT0,291
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetColor perception and designTravaux en français237 207