« Conception et perception d’un changement de forme molle au dos d’une montre connectée ». Zhuzhi Fan (1, 2, 3) , Alexis Sanson (1, 2, 3) , Thomas Rames (1, 2, 3) , Céline Coutrix (3, 2, 1).
Cet article étudie la conception d’une montre notifiant ses utilisateurs via le changement de courbure de la surface sous le cadran de la montre, qui entre en contact avec le poignet de l’utilisateur. Nous présentons nos choix de conception et les défis auxquels nous avons été confrontés lors de la fabrication de la montre. Nous étudions expérimentalement le seuil de détection absolu (ou Absolute Detection Threshold ADT) de cette nouvelle forme de notification. En particulier, nous comparons deux montres ayant des formes différentes lorsqu’elles sont gonflées à haute pression. Nous menons une procédure expérimentale en escalier adaptative (deux descentes puis une montée) et nous trouvons un ADT de 3,86 psi, c’est-à-dire la pression minimale nécessaire pour gonfler la surface afin d’être détectée par les participants. Nos résultats qualitatifs montrent que les participants ont apprécié ce nouveau type de retour d’information et qu’ils ont ressenti des sensations différentes pour chaque montre.
« Impact of softness on users’ perception of curvature for future soft curvature-changing UIs ». Zhuzhi Fan, Céline Coutrix. 2023 CHI Conference on Human Factors in Computing Systems (CHI ’23), ACM, Apr 2023, Hamburg, Germany.
Soft (compliant) curvature-changing UIs provide haptic feedback through changes in softness and curvature. Different softness can impact the deformation of UIs when worn and touched, and thus impact the users’ perception of the curvature. To investigate how softness impacts users’ perception of curvature, we measured participants’ curvature perception accuracy and precision in different softness conditions. We found that participants perceived the curviest surfaces with similar precision in all different softness conditions. Participants lost half the precision of the rigid material when touching the flattest surfaces with the softest material. Participants perceived all curvatures with similar accuracy in all softness conditions. The results of our experiment lay the foundation for soft curvature perception and provide guidelines for the future design of curvature- and softness-changing UIs.