紹介

Cyberpsychology & Emerging Technologies (CET) チームは2022年4月より由井薗研の下で立ち上げました。 チームリーダーは王子洋で,由井薗 隆也先生はチームのメンターを担当しています。

現代社会においては,人々の生活はIT技術に囲まれています。よって,我々はこれらのIT技術が日常生活や仕事においてどのように人々を形成し,影響を与えるかに焦点をあてています。 Cyberpsychology & Emerging Technologiesチームには,「人を理解する」と「人を拡張する」という2つの大きな目標があります。 「人を理解する」は,人々がIT技術とどのように関わっているかを,心理学的側面と行動学的側面の両方から調査することに重点を置いています。 心理・行動実験を行い,各種センサ(アイトラッキング,生体信号計測,モーショントラッキング)や主観評価などの計測を行うことで,これらの新しいIT技術を使っているときの人々の知覚、認知、行動を調査・理解し,モデルを構築する。 また,「人を拡張する」では,より良いユーザー体験とQoL(Quality of Life)をもたらすために,我々は新規の技術を改良・開発して,人々の行動を変化させ,人々の能力を強化することを目標とする。

キーワード: Cyberpsychology, HCI, CSCW, 人間工学, 実験心理学

研究テーマ

遠隔コミュニケーションやコラボレーションは、現代社会にとってはすごく重要です。対面とは異なり,異なる場所にいる人々がPCやその他のデバイスを使用して情報交換や コラボレーションを行います。遠隔コラボレーションには、遠隔会議、遠隔指導、遠隔教育、オンラインゲームなど、さまざまな種類があります。

従来の遠隔コラボレーションツールは,非言語的情報をうまく互いに伝達できないため,円滑に実現できないことが多いです。xR(エクステンデッド・リアリティ)を用いた遠隔コラボレーションでは, 参加者の非言語的情報がより効果的に伝達でき,互いの情報を把握しやすく,より円滑な遠隔コラボレーションを達成することができると考える。そのため,本研究テーマは,人がこうした遠隔コラボレーションツールを用いる際の 行動と認知を調査します。また,斬新なxR遠隔コラボレーションの手法を開発し,より効率的・効果的な遠隔コラボレーションを目指します。

日常生活では,人々はPC,スマートフォン,スマートスピーカー,そしてそれらのアプリなど,様々なデバイスやアプリケーションを長期的に使用しています。 よって,これらの新しい技術が本当に人々を有効的に支援し,あるいは人間の能力を拡張することができるかが重要です。私たちは,これらの技術のユーザビリティ・ユーザーエクスペリエンス(UX)に関心を持ち,人と技術の インタラクションを向上させるために,新しいインタラクション手法の開発に着目しています。さらに,機械学習などの先端的な手法を取り入れることで,これらの技術の効果を高 めることを目指しています。

ヘッドマウントディスプレイ(HMD)に代表されるバーチャルリアリティ技術により,ユーザーは没入感が高くVR空間を体験するができる。しかし,VR技術の優劣に関わらず,VR空間の視覚情報は 現実世界の視覚情報と異なる形で知覚されます。例えば,VRでは距離感がよく圧縮される。つまり,VR環境と実世界で同じ距離に置くオブジェクトに対して,VR環境の方はより近く知覚される,と いう現象です。また、VR体験中,人の感覚情報のソースが通常異なるという問題もあります。実世界では,ユーザーは外部環境から視覚情報,聴覚情報などの感覚情報を取得して, これらの情報に基づき外部環境を認識します。一方, VR環境では,視覚情報はVR環境から,その例外の情報は実世界から取得することになります。その場合,これらの情報がどのように知覚され, 統合されるかが重要な課題です。

本研究課題では、VRを利用する際の知覚や人間工学的な問題を調査することに重点を置いています。心理物理学的手法やその他の実験的な心理学的手法を適用し、人々の知覚のメカニズムを明らかにすることを目的としています。

メンバー

Co-advised Students in My Team
鎌田光太郎
M1
Social Extended Reality
Novel Interaction Technology
厳旭 (Xu Yan)
M1
Remote Collaboration
ALI MD IMRAN
M1
Other
王子鈺 (Ziyu Wang)
D3
Novel Interaction Technology
Bingcheng Ke
D2
Remote Collaboration
Other Co-advised Students
Qi Zhou M2
test
Creativity
Zhaoxin Zuo M2
test
Novel Interaction Technology
人見 健三郎 D2
test
Ergonomics
Xiaoling Yu D2
test
Education
Fei Wang D2
test
Education
Yingzhi Wang D2
test
Experimental Psychology
Jia Xia D2
test
Education

Call for Students

興味がある方へ For student who is interested in joining my team

CETチームは,通年博士前期課程または博士後期課程の学生を募集しています。 研究期間中,学生は,毎週チームの輪読会・ミーティングに参加し,国際会議・国際ジャーナルの論文をサーベイ・精読して,学術的に意義のある研究プロジェクトを計画・実施することが求められています。 博士前期課程レベルのプロジェクトでは,目安として2つの課題(下記を参照)を実施することが求められ,国際会議への投稿が強く推奨されます。 一方,博士後期課程では,目安として3,4つの課題と,一流な国際会議・国際ジャーナルへの投稿・受理実績が要求されます。

研究の種類によって,博士前期課程の研究スケジュールが異なるため,主に「人を理解する」タイプの研究と「人を拡張する」タイプに分けます。 前者は二つの実験が含まれる一方,後者はシステムの開発と評価実験が含まれます。 以下はそれぞれの博士前期課程学生の理想的な研究スケジュールの例です。また,博士後期課程の場合,テーマによって大分変わりますので,ここに挙げません。

「人を理解する」タイプ
M1前期:論文サーベイ・精読,研究テーマの決定
M1後期:課題1の実験計画,システムの開発,課題1の実験実施
M2前期:課題1の結果分析・考察,課題2の計画,システムの開発
M2後期:課題2の実験実施・結果分析・考察,修士論文執筆
「人を拡張する」タイプ
M1前期:論文サーベイ・精読,研究テーマの決定
M1後期:システムの提案・デザイン・試作・開発
M2前期:評価実験計画・実施・結果分析
M2後期:システムの改良,少人数評価実験,修士論文執筆

CETチームへの参加を希望して,すでにこのチームに関連する具体的な研究テーマをお持ちの方は,履歴書,シンプルな研究計画書(1-2ページで結構)及び入学スケジュールを準備して,ご連絡ください。 一方,もし具体的な研究テーマがないが,上記の研究テーマに興味を持っている方は,こちらが可能なテーマ候補を提示する方法もあるため,どのテーマに興味を持つかについての情報を考えて,お気軽に相談ください。

連絡先: tywang[at mark]jaist.ac.jp ([at mark]を@に置き換えてください)

Cyberpsychology & Emerging Technologies Team always welcome new master students and Ph.D. students. In our team, every student has to attend a group meeting every week. The students are required to read lots of top international conference and journal papers and plan/conduct meaningful research. For a master student's research project, it often contain two studies, and master students are encouraged to submit their work to international conferences. For a Ph.D student, they usually have to conduct 3 or 4 studies, and they are required to publish their work in top international conference or journal.

Research schedule of master students varies according to the type of research, but it mostly can be categorized to "Understanding People" and "Augmenting People". The former one often includes two experiments, and the latter one often includes system development and evaluation. Following shows two typical types of research schedule for the two research types. Note that the research schedule changes a lot according to different Ph.D students, so there is no typical research schedule for Ph.D students.

"Understanding People"
M1 Spring:Literature Review,Deciding Research Topic
M1 Fall:Study1 Experimental Design, System Development, and Conducting the Experiment
M2 Spring:Study1 Data Analysis and Discussion, Study 2 Experimental Design and System Development
M2 Fall:Study2 Data Analysis and Discussion and Writing Master Thesis
"Augmenting People"
M1 Spring:Literature Review,Deciding Research Topic
M1 Fall:Proposed System Design and Implementation
M2 Spring:Evaluation Experiment Design, Conducting, and Data Analysis
M2 Fall:Proposed System Improvement and Writing Master Thesis

If you are interested in joining the CET team and already have a specific research theme relevant to this team, please contact us with your CV, a simple research proposal (1-2 pages is fine), and your admission schedule. On the other hand, if you do not have a specific research theme but are interested in one of the above-mentioned research topics, please feel free to contact us with some information about which topics interest you, as we can provide you with possible candidates.

mail: tywang[at mark]jaist.ac.jp (Please replace [at mark] with @)

必要な能力 Required qualifications
日本語または英語が堪能である。
Able to speak fluent English or Japanese
ヒューマンコンピューターインタラクション(HCI)に強い興味を持っている。
A strong interest in human-computer interaction
望ましい能力 Preferred qualifications
人を対象とする実験の実施経験
Experience conducting human experiment
プログラミング能力(C#, Python, Javascriptなど) 
Programming experience in programming language including, but not limited to C#, python, javascript
HCI,複合現実,人間工学,機械学習または実験心理学の知識を持つ 
Background in experimental psychology, human-computer interaction, mixed reality, ergonomic, or machine learning/AI
統計に関する知識・経験を有する
Knowledge about statistical data analysis