The Design Factors of Cosmetic Packaging Textures for Conveying Feelings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There have been a lot of studies on the relationship between visual appearances of packaging—such as color, font, and illustration—and consumers’ feelings, but very few focused on touch sensation. Well-designed touch texture can attract consumers to cosmetic products and can be considered as a rarely-explored way of sensory marketing. The objectives of this study was to seek for design factors (design elements that can be associated with feeling words). Thirty-six different 3-D texture models were constructed. Their designs were produced from established 2-D visual design elements. Those models were tested by a group of participants to see whether they could clearly convey different feelings. Only 6 models were deemed valid in this sense. These 6 models were then sought for distinctive design factors. The 5 design factors that were obtained were the following: 1) structure of lines, 2) distance between lines, 3) small and large empty spaces, 4) line uniformity, and 5) number of lines. These design factors were able to elicit 16 feeling words: 1. Busy, 2. Tense, 3. Strong, 4. Confident, 5. Manful, 6. Delicate, 7. Friendly, 8. Gentle, 9. Sensitive, 10. Enjoyable, 11. Independent, 12. Natural, 13. Simple, 14. Comfortable, 15. Easy, and 16. Flexible. These design factors can be directly used by designers for constructing textured surface components of packages or products that can affect consumers’ feelings by touch.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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