MétaCan
Menu
Retour à la cohorte
Enregistrement W4410718121 · doi:10.71465/fair241

Emotion-Aware Interface Adaptation in Mobile Applications Based on Color Psychology and Multimodal User State Recognition

2025· article· en· W4410718121 sur OpenAlexaff
Feifan FNU, Yan Liang, Zi Ye

Notice bibliographique

RevueFrontiers in Artificial Intelligence Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueColor perception and design
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésHuman–computer interactionComputer scienceAdaptation (eye)Emotion recognitionUser interfaceInterface (matter)Affective computingMultimediaCognitive psychologySpeech recognitionPsychology

Résumé

récupéré en direct d'OpenAlex

Mobile applications that center on content discovery and lifestyle sharing increasingly involve emotionally influenced user behavior. This study examines how interface visuals can be adjusted in response to users’ emotional states, with a focus on visual tone adaptation guided by color psychology. A prototype system was developed that classifies emotional states using facial cues, voice characteristics, and interaction behavior, and then modifies the interface’s background colors, content framing and accent elements to reflect the detected affect. The system was evaluated through a controlled within-subject user study, in which 36 participants interacted with three interface versions reflecting distinct emotional tones: Happy, Sad, and Angry. Participants’ satisfaction, emotional alignment, and interaction behavior were measured during short usage sessions. Interfaces designed to match positive or low-arousal emotional states were generally associated with higher satisfaction scores and more sustained engagement. In contrast, interfaces that reflected high-arousal negative affect, while consistent with users’ moods, often led to shorter sessions and reduced interaction. The results indicate that emotionally tuned interface visuals can influence both perception and behavior during mobile interaction. Matching interface tone to user mood may improve comfort and alignment, but care is needed when responding to negative affect to avoid reinforcing disengagement. The findings contribute to ongoing work in interface design by showing how affect-sensitive styling, even when applied to basic visual properties, can support more emotionally coherent interaction.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0010,000

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 Opus0,151
Tête enseignante GPT0,473
Écart entre enseignants0,322 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Artificial Intelligence ResearchMême sujetColor perception and designTravaux en français237 207