点击和滑动的行为差异：对启用点击和滑动的目标的时间、错误、触点分布和轨迹的观察Yamanaka 等人通过众包实验发现滑动操作比点击耗时更长、错误率更高、触摸点偏移显著，表明现有目标尺寸指南不适用于滑动操作。2024SYShota Yamanaka et al.Yahoo Japan Corporation用户研究方法（访谈、调查、观察）原型设计与用户测试CHI
吞吐量和有效参数的更好定义和计算，以考虑主观的速度-准确性权衡Kasahara 等人提出引导任务的有效宽度和有效幅度新公式，通过三种路径形状实验表明有效宽度显著提高速度-准确性偏差的数据拟合度2024NKNobuhito Kasahara et al.Meiji University用户研究方法（访谈、调查、观察）CHI
通过单击或双击预测减少单次点击延迟Nishida 等人提出 PredicTaps 机器学习预测方法，将单击/双击检测延迟从150-500ms降至12-17.6ms，保持可用性并适用于触控板与智能手机。2023NNNaoto Nishida et al.抬头显示（HUD）与驾驶辅助系统（ADAS）可解释人工智能（XAI）MobileHCI
通过观察错误率调整终点变异参数以获得更好的指向失误预测精度Yamanaka 等人比较了直接优化sigma系数与间接方法预测错误率，基于8个指向数据集，证实在适当初始值下直接方法可始终优于传统方法。2023SYShota Yamanaka et al.Yahoo Japan Corporation用户研究方法（访谈、调查、观察）原型设计与用户测试CHI
用于改进矩形目标指向中主观速度准确性偏差的归一化能力的双变量有效宽度方法Yamanaka 等人提出双变量有效宽度方法扩展 Fitts 定律至矩形目标，可标准化速度-准确性偏差并公平比较不同输入条件。2022SYShota Yamanaka et al.Yahoo Japan Corporation原型设计与用户测试计算方法在HCI中的应用CHI
伺服-高斯模型预测手动追踪成功率：路径转向与一维移动目标的追踪Yamanaka等人提出伺服-高斯模型，结合伺服机制与子运动终点高斯分布预测手动追踪成功率，交叉验证R²达0.95以上，MAE低于6.5%。2020SYShota Yamanaka et al.人体姿态与行为识别计算方法在HCI中的应用UIST