想象、交互：从运动障碍用户获取无障碍交互的想象输入设备本研究开展了由11名上肢运动障碍用户参与的实证研究，让他们想象用于在交互系统中执行常见任务的输入设备及对应手势。研究发现用户强烈偏好具身化设备（80%），主要通过手部实现，而非手持设备，并识别出十种设备原型，其中智能手机（36.4%）和遥控器（27.3%）最为普遍。研究还观察到操作想象设备的手势多样性，包括单手和双手输入，但参与者之间缺乏共识（.069），并分析与自身运动障碍的关系。基于这些发现，我们基于能力导向和能力中介设计视角，为无障碍交互设计提出建议，并展望想象赋能无障碍计算的未来研究机会。2026RVRadu-Daniel Vatavu et al.Stefan cel Mare University of Suceava实用与自适应无障碍CHI
在笨重宇航服与荒芜地貌之间：测量宇航员-无人机交互的用户体验Vanderdonckt 等人在火星沙漠研究站进行宇航员操作无人机实验，揭示极端环境下移动交互用户体验的演变规律，为太空探索中的交互设计提供重要启示。2025JVJean Vanderdonckt et al.无人机（Drone）交互与控制远程操控与遥呈现（Telepresence）MobileHCI
良好的可访问性，受限的创造力：AI生成的UI在可访问性指南与从业者期望之间Gurita 等人评估了AI工具生成的90个UI界面，发现工具虽满足基本可访问性标准，但同质化设计模式限制了特殊用户需求，建议平衡标准化与创意设计。2025AGAlexandra-Elena Gurita et al.可解释人工智能（XAI）通用设计与包容性设计隐私设计与用户控制DIS
火星上的用户体验：基于火星模拟任务的极端环境用户体验探索Vanderdonckt 等人在火星模拟站进行实验，发现极端环境显著影响用户体验，提出通过适应、自动化和辅助阻力机制改善ICE环境交互设计。2025JVJean Vanderdonckt et al.参与式设计（Participatory Design）人与自然关系（More-than-Human Design）DIS
远端触觉触摸屏：理解与触点分离的振动触觉反馈的用户体验Terenti等人通过45名参与者16个身体位置的三项实验，验证远程触觉反馈在触点分离时仍有效，指明食指等位置在触摸屏输入中的设计意义。2025MTMihail Terenti et al.Stefan cel Mare University of Suceava, MintViz Lab, MANSiD Research Center车内触觉、声音、多模态反馈振动反馈与皮肤刺激全身交互与体感输入CHI
跨手指示词：揭示用户对手臂对面参照输入的手势偏好，从手指到肩膀Vatavu 等人通过75名用户研究发现食指尖划动手势（62.4%）最受欢迎，提出60种通用跨手势命令，为手势交互系统设计提供原则。2025RVRadu-Daniel Vatavu et al.Ștefan cel Mare University of Suceava, MintViz Lab, MANSiD Research Center手部手势识别全身交互与体感输入原型设计与用户测试CHI
非自然交互设计Vatavu 等人提出非自然交互设计概念，通过四个视角和三个原型探讨，挑战直觉自然性并优先考虑可用性，提供形式化定义与设计原则。2025RVRadu-Daniel VatavuȘtefan cel Mare University of Suceava, MintViz Lab, MANSiD Research Center手部手势识别全身交互与体感输入CHI
就座，做出手势：绘制用户对椅上和离椅手势输入的偏好Andrei 等人通过54名参与者对3种椅子的研究发现，用户偏好单手划动、手势姿势和触摸输入，并揭示椅子类型影响交互细微差别，可用于椅上手势交互系统设计。2024AAAlexandru-Tudor Andrei et al.Ștefan cel Mare University of Suceava触觉可穿戴设备足部与手腕交互CHI
iFAD手势：使用食指增强设备理解用户的手势输入性能Vatavu 等人提出iFAD手势分类法，实验表明食指增强设备手势平均仅1.84秒、难度1.52分，速度为全身手势两倍。2023RVRadu-Daniel VatavuȘtefan cel Mare University of Suceava触觉可穿戴设备手部手势识别CHI
理解轮椅使用者对身体上、空中和轮椅上的手势的偏好Bilius 等人通过11名轮椅使用者的手势激发研究，发现身体上（47.6%）和空中（40.7%）手势比轮椅上手势更受偏好，强调需要根据用户运动能力设计个性化手势集。2023LBLaura-Bianca Bilius et al.Ștefan cel Mare University of Suceava全身交互与体感输入运动障碍辅助输入技术CHI
指上提示：理解用户对指尖触觉通知的感知和偏好Catană等人开发手指提示技术，通过定制设备传递食指过度伸展动觉反馈，21名参与者验证了良好的可用性和接受度，研究揭示了用户特征与体验之间的关联。2023ACAdrian-Vasile Catană et al.Ștefan cel Mare University of Suceava振动反馈与皮肤刺激足部与手腕交互CHI
无障碍交互：公共显示器与轮椅用户之间的直接、个人和间接辅助交互Vatavu等人通过系统综述和用户访谈研究轮椅用户与公共显示器的无障碍交互，提出“辅助交互“阶段和“能力“维度以支持通过个人移动设备独立使用公共显示器。2022RVRadu-Daniel Vatavu et al.通用设计与包容性设计智能辅导系统与学习分析UIST
理解上身可穿戴设备对上身运动障碍用户的手势输入表达Vatavu 等人对比28名运动障碍用户与对照组发现，障碍用户笔画手势耗时为正常用户两倍，但运动手势速度相当，为无障碍设计提供十项建议。2022RVRadu-Daniel Vatavu et al.Ștefan cel Mare University of Suceava触觉可穿戴设备足部与手腕交互运动障碍辅助输入技术CHI
交响乐：为机器学习编排交互界面Bäuerle等人推出Symphony框架，为ML团队组合跨平台交互界面，已部署于Apple生产项目，帮助发现数据重复和模型盲点等问题。2022ABAlex Bäuerle et al.Ulm University, Apple可解释人工智能（XAI）AI 辅助决策与自动化系统创意协作与反馈系统CHI
手势征集研究的系统性综述：我们能从216项研究中学到什么？Villarreal 等人系统性综述了216项手势征集研究，涵盖5,458名参与者和148,340个征集手势，为HCI领域手势设计提供了全面的文献定位、比较框架与研究机会指引。2020SVSantiago Villarreal et al.手部手势识别全身交互与体感输入原型设计与用户测试DIS
中风手势输入供运动障碍者使用：实证结果与研究路线图Vatavu 等人研究运动障碍者在触摸屏上的笔画手势，收集 9681 个样本测试分类技术，发现识别准确率达 93.0%，但耗时较长（3.4 秒 vs 1.7 秒）。2019RVRadu-Daniel Vatavu et al.University Ştefan cel Mare of Suceava运动障碍辅助输入技术CHI
手势诱发研究中的一致性分析的不相似性-共识方法Vatavu 等人提出不相似-共识方法，用增长曲线和逻辑函数量化用户手势偏好共识，分析30名3-6岁儿童1312个全身手势，首次报告幼儿手势一致性实证结果。2019RVRadu-Daniel VatavuUniversity Ştefan cel Mare of Suceava全身交互与体感输入人体姿态与行为识别CHI
设计、工程和评估手势用户界面Vanderdonckt 等人设计了手势用户界面课程，涵盖设计、实现与评估三阶段，介绍触摸、手指、手腕等多种手势类型的开发与原型设计方法。2018JVJean Vanderdonckt et al.Louvain Interaction Laboratory, Université catholique de Louvain Pl. Place des Doyens, 1 – B-1348, Louvain-la-Neuve手部手势识别全身交互与体感输入CHI
设计、工程和评估手势用户界面Vanderdonckt等人系统介绍手势UI设计实现评估方法，涵盖触屏至全身等多类型手势，提供工具实践资源2018JVJean Vanderdonckt et al.Louvain Interaction Laboratory, Université catholique de Louvain Pl. Place des Doyens, 1 – B-1348, Louvain-la-Neuve手部手势识别全身交互与体感输入CHI
关键时间：中风手势生成时间的超精确预测Leiva 等人提出 KeyTime 技术，采用笔划速度曲线的对数正态建模，可从单手势实例预测用户独立生产时间，相关度达 r=.99，精度提升3-6倍。2018LLLuis A. Leiva et al.Sciling全身交互与体感输入人体姿态与行为识别CHI