ココロのヒューマンデータサイエンス

シェーバーを握ったときの指や手のひらにかかる圧力を計測し、どの部分に、どのくらいの力がかかると「ココロ」が握り心地が良いと感じるのかを分析しました。握り心地を追求することで、電気シェーバーのグリップ形状はストレートなものから、パナソニック独自のエルゴカーブに進化しました。このほか、ドライヤー、電動歯ブラシ、デジタルカメラなど、手にとって使用する様々な商品でこの技術を活用しています。

便座に座ったときの圧力を計測し、どのような状態であれば「ココロ」が座り心地がよいと感じるのかを分析しました。分析から、座り心地のよくない便座では圧力集中する部位があることがわかりました。この結果は、圧力集中のない便座形状の開発と、適切な座面形状の設計指針として活用しています。ほかには、介護用ベッドの寝心地のよさや、車いすの座り心地、乗り心地などの評価実績もあります。

商品を選ぶときに、「最初に目がいくところ」 や 「じっくり見るところ」 などを視線計測で見える化したり、全体の上質感に影響度の高い部位をユーザー調査結果を統計解析で定量比較することで、上質感のポイントを抽出しました。このような方法で開発の優先順位をつけることで、効率よい商品開発や、開発メンバーの意思疎通につながります。
他には、「家に置きたくなるような外観デザインのポイント」や「高級レストランにふさわしいキャラクターデザイン」などの実績もあります。

視線の動き（経路、停留時間など）を計測することで、どのような状態なら「ココロ」がわかりやすいと感じるのかを分析しました。これにより、ユーザインタフェースのわかりにくい部位を特定することができ、的を射た改善方策を検討することができます。

視線の動き、操作時の行動、その後のインタービューを組み合わせることで「ココロ」がわかりにくいと感じる部位原因を引き出すことができ、適切な改善指針を導くことができます。
また、シミュレータを用いることにより改善指針に基づいた改善方策の有効性も定量的に検証することができます。

視線の動きから「ココロ」がどのような情報処理を行っているかを発見することができました。
視線の動きを計測することで、マニュアルを読む際の特徴的な行動（文章を読まず絵だけを見る）とうまく作業ができない理由の関係を調べることで、アンケートでは抽出できない対策の糸口を発見しました。

アンケートではとらえきれない、「ココロ」がその瞬間に感じている感情の起伏を、作業中・操作中の表情の変化として捉えることで定量的に把握できます。細かな不満点を確実につぶし、より楽しく、ラクに使える商品設計のポイントを抽出します。