Interaction2025_handfatigability_tajima.pptx

近年、スマートフォンの普及と利用時間の増加が顕著となっているが、その長時間使用が健康に影響を与える可能性が指摘されている。特に、先行研究によりスマートフォンの使用が握力やピンチ力の低下に関連していることが示されている。本研究では、一般的なスマートフォン操作に採用されているタッチジェスチャ (タップ，ドラッグ) を行った際のタッチ座標や接触面積などの特徴量を用いて手の疲労度を推定するモデルの構築を目指す。具体的には，握力やピンチ力の計測値の低下具合を疲労度と仮定し、スマートフォン入力時のセンサ値との関係を定量的に分析する。実験で得た参加者のデータを用いて疲労度をHighとLowに分類するモデルを構築したところ、
握力全体モデルでは82%、ピンチ力全体モデルでは72%の精度で判定が行えた。さらに今後は、得られたモデルを用いて日常的なスマートフォン利用における疲労度推定を実現することを試みる。この研究により，スマートフォン使用に伴う潜在的な健康リスクの評価と管理が向上することが期待される。

1. スマートフォン利用時の手の疲労度推定 慶應義塾大学 田島孔明 LINEヤフー株式会社 池松香 慶應義塾大学 杉浦裕太 01 イントロダクション 02 提案手法 握力 / ピンチ力の低下を スマートフォン入力の情報から推定 - 握力 / ピンチ力を測定 - 握力 / ピンチ力の大小で High と Low のラベル付け - スマートフォンタスクを実施 - タスクから得られた特徴量から High/Low を推定 - スマートフォンの普及 - スマートフォン利用時間の増加 背景 - 過剰利用による健康リスク - 握力 / ピンチ力の低下 - 腱鞘炎 課題 - 日常的な操作から手の疲労度を推定 - タップ - フリック - ドラッグ 目的 03 測定 - 1人あたり5日間測定 - 1日の計測 -以下を1セットとして計10セット実施 - 握力 /ピンチ力を2回計測 - タップタスク - フリックタスク - ドラッグタスク 4 結果 - 回帰分析を行い握力値を推定 - モデルの見直しと精度向上 - スマートフォンにモデルを搭載 - リアルタイムでの疲労度推定 問い合わせ先 [email protected] LINEヤフー株式会社 礒本俊弥 東京工科大学 加藤邦拓 5 今後の課題 1日の測定 精度 [%] 握力 ピンチ力 個人モデル 79.5 76.3 全体モデル 69.5 69.4 握力群個人モデル精度 ピンチ力群個人モデル精度