Как опыт работы с текстилем связан с восприятием его фактуры?

Аннотация

Тактильность играет важнейшую роль во взаимодействии с физическим миром, включая способность различать фактуры текстиля и связанный с ними комфорт. Все больше внимания уделяется интерактивным цифровым тактильным средствам, позволяющим реалистично ощущать виртуальные объекты. Они могут радикально изменить восприятие текстиля в электронной коммерции, виртуальной и дополненной реальности и повлиять на будущее текстиля в метавселенной. В этой работе мы исследовали влияние тактильной чувствительности на восприятие прикосновением большой неоднородной выборки из 22 образцов текстиля. Чувствительность изучали по четырем факторам: предметная компетентность оценщика, частота ручной работы, частота работы с текстилем и знакомство с текстильными фактурами. Участники оценивали восемь тактильных свойств образцов по пятибалльной шкале Лайкерта. С помощью прогностического моделирования мы проанализировали влияние чувствительности на эти оценки. Чувствительность участников значимо влияла на восприятие фактур. Самое сильное влияние оказывала частота работы с текстилем, затем знакомство с его фактурами. Различия восприятия изотропности были значимыми во всех случаях. В целом тактильные оценки экспертов и неэкспертов не различались значимо, кроме девяти случаев; четыре из них относились к различиям восприятия шероховатости тканых материалов. При этом группы ни в одном случае статистически значимо не различались по восприятию ворсистости, царапающего ощущения и однородности.

Введение

Тактильность — способность воспринимать и интерпретировать физические ощущения материала или его поверхности посредством осязания [1]. Она важна для взаимодействия с физическим миром и различения текстильных фактур [2]. Восприятие фактуры опирается на специализированные нервные окончания кожи — механорецепторы [3]. Два основных типа, участвующих в тактильном восприятии, — тельца Мейснера и Пачини [3]. Тельца Мейснера расположены близко к поверхности кожи, особенно на кончиках пальцев, ладонях и подошвах. Они чувствительны к легкому прикосновению и отвечают за восприятие мелких деталей и фактуры соприкасающегося с кожей материала [2,3]. Тельца Пачини находятся глубже и сильнее реагируют на вибрацию и глубокое давление. Собранные рецепторами сведения передаются электрическими сигналами по нервным волокнам в мозг [4]. Мозг обрабатывает и интерпретирует их, формируя восприятие текстильной фактуры. Первичная соматосенсорная кора в теменной доле принимает и анализирует тактильные сведения [5,6]. Разные ее области обрабатывают отдельные аспекты прикосновения, включая фактуру, давление и температуру [7,8].

В текстильной области тактильность используют для восприятия фактуры ткани и связанного с ней субъективного комфорта одежды. Несколько десятилетий она вызывает большой интерес исследователей и швейной промышленности. В начале 2000-х вопрос стал особенно важным из-за роста модной электронной коммерции. Одно из главных препятствий онлайн-покупки одежды — отсутствие осязания и невозможность оценить комфорт и ощущение изделия [9], что оставляет потребителя с послепокупочным когнитивным диссонансом. Для понимания тактильного восприятия исследователи [8–13] проводили количественные и качественные работы; новейший прибор в области — Fabric Touch Tester (FTT). На одном образце FTT измеряет тепловые эффекты, сжимаемость, механический изгиб, сдвиг ткани и поверхностное трение. Эти свойства определяют восприятие прикосновения [13–17], но недостаточно отражают сложные взаимодействия кожи и текстильной поверхности в человеческом осязании [17].

Исследования тактильности текстиля начались в 1930-х годах, когда текстильные инженеры все больше интересовались измерением параметров ткани для количественной оценки драпируемости и туше [18]. Несмотря почти на век истории, ученые по-прежнему разрабатывают сопоставимые способы взаимодействия с виртуальным текстилем, подобные действиям потребителя в физической среде [5–9,18,19]. Имитация прикосновения к цифровому текстилю может преобразить розничное восприятие трехмерных цифровых товаров, особенно онлайн-покупку одежды [20,21]. Мы предполагаем, что искусственный интеллект и машинное обучение сыграют важную роль в достижении этой цели. Подобно виртуальным приложениям для примерки, алгоритмы ИИ для иммерсивного тактильного опыта могут предоставлять точные сведения о фактуре. Это поможет принимать более обоснованные решения и уменьшать послепокупочный диссонанс. Тактильные технологии также способны поддержать виртуальную примерку, позволяя оценить посадку, ощущение изделия, комфорт и функциональность.

По мере быстрого перехода текстильной отрасли к Индустрии 4.0 внедрение методов машинного обучения в разных применениях растет беспрецедентно [22]. Однако главным препятствием пока остается нехватка научных данных для таких применений [22]. С учетом этого пробела мы разработали исследование для более глубокого понимания тактильности текстиля через человеческую оценку.

Новым подходом мы изучили с помощью прогностического моделирования влияние тактильной чувствительности на восприятие текстильных поверхностей и исследовали взаимосвязи тактильных свойств, совместно формирующих восприятие фактуры. Результаты могут быть полезны разработчикам основанных на машинном обучении оценок механических свойств тканей, тактильных устройств, дополненной и виртуальной реальности и приложений электронного здравоохранения, включая решения для людей с гипо- или гиперчувствительностью. Интернет-продавцы текстиля могут лучше представлять товары в цифровой среде и создавать иммерсивный опыт. Бренды также могут создавать персональный выбор товаров на основе ИИ. Например, алгоритмы способны анализировать предпочтения и историю покупок и рекомендовать изделия со сходными типами и фактурами ткани, которые нравились ранее. Это может уменьшить диссонанс после покупки текстильного товара, связанный с отсутствием тактильного опыта онлайн.

Материалы и методы

Этическое одобрение исследования

Исследование одобрил институциональный наблюдательный совет Университета Западной Вирджинии; все методы соответствовали его правилам и требованиям. Все участники дали письменное информированное согласие на добровольное участие. Кроме того, до начала работы все исследователи прошли этическое обучение CITI.

Процедура набора участников

Участники без экспертной подготовки (NEP)

Все неэксперты были студентами бакалавриата и магистратуры разных программ STEM и не-STEM исследовательского университета категории R1 в среднеатлантическом регионе США. Для широкой выборки исследование рекламировали массовой рассылкой и листовками во всех зданиях университета. Интерес выразили 34 кандидата, которые прошли предварительный электронный опрос. Из них отобрали 20 участников. С учетом характера исследования мы стремились исключить необычные тактильные нарушения или состояния, поэтому людей с такими состояниями не включали. Дополнительные сведения предварительного опроса приведены далее.

Эксперты по текстилю (TE)

Пять университетских преподавателей 38–45 лет пригласили дать эталонную экспертную оценку восьми тактильных свойств 22 образцов. Все имели более семи лет преподавательского опыта в программах одежды и текстиля в США и высшую профессиональную ученую степень. Малый размер группы экспертов может ограничивать обобщаемость результатов. Однако мы ожидали и наблюдали меньшую вариабельность их оценок благодаря однородности группы: сходному образованию, опыту и компетентности в текстиле. Это проверили тестом Левена на однородность дисперсий оценок TE и NEP, чтобы убедиться в сопоставимости дисперсий при разных размерах групп. Также была рассчитана мощность теста двух независимых средних при n = 5 для TE, n = 20 для NEP, альфа 0,05 и дельте, обнаруживаемой разнице по шкале Лайкерта, равной 2.

Предварительный опрос

В предварительном электронном опросе мы собрали демографические данные всех заинтересованных кандидатов. Он включал демографические и отборочные вопросы, связанные с исследованием. Были отобраны 20 подходящих участников 18–35 лет: 15 женщин и 5 мужчин; 12 белых, 5 латиноамериканцев, 2 азиата и 1 человек смешанного происхождения. Что касается образовательной подготовки, 12 учились в областях STEM, остальные восемь — вне STEM. 17 указали ведущей правую руку, 3 — левую. Для единообразия разрешалось воспринимать фактуру только указательным пальцем ведущей руки [21].

Чтобы оценить тактильную чувствительность, в предварительном опросе кандидатам задали несколько отборочных вопросов, вдохновленных работой Degrean et al. [21]. Все отобранные подтвердили отсутствие нарушений осязания, включая артрит и гипоэстезию, и отсутствие тактильной терапии в предыдущие пять лет. Они также по шкале Лайкерта оценили уровень вовлеченности или работы с текстилем: высокий 5, средний 5, низкий 10; знакомство с текстильными фактурами: высокий 10, средний 5, низкий 5; и частоту ручной работы, не связанной с текстилем: высокий 8, средний 8, низкий 4. Насколько нам известно, эти три фактора ранее не изучались в опубликованных исследованиях тактильного восприятия текстиля. Поэтому мы предположили, что они могут влиять на оценку образцов, и представили соответствующий анализ.

Образцы текстиля

Мы составили набор из 22 образцов, представляющих широкий диапазон фактур, применяемых в швейной отрасли. Различались состав волокон, натуральный, смешанный или синтетический, конструкция материала, трикотажная, тканая, сетчатая или ламинированная, и масса. Образцы и коды вместе с соответствующими им кодами представлены на рисунке 1. Для единообразия все вырезали размером 8 × 5 дюймов и закрепили между двумя листами плотной бумаги, предотвращая складки и смятие при оценке (рисунок 2). Открытая часть каждого образца составляла 5 × 3 дюйма. Подход отличался от предыдущих работ [8,9,14,15,17,18], где участники сжимали образцы руками. Сжатие помогает воспринимать физическую фактуру, но невозможно для цифрового представления при онлайн-покупке. В цифровом представлении текстильного продукта ткань выглядит плоской, и мы придерживались такого же способа предъявления. Кроме того, складки от сжатия могут изменить восприятие исследуемых свойств: однородности, изотропности, бугристости и жесткости.

Выбор восьми тактильных свойств

Для оценки тактильной обратной связи использовали психофизический экспериментальный подход, основанный на литературе [17,21,22–26]. Двадцати неэкспертам предъявляли 22 образца разной фактуры и волокнистого состава. По пятибалльной шкале Лайкерта они оценивали жесткость, шероховатость, бугристость, липкость, царапающее ощущение, ворсистость, однородность и степень изотропности поверхности. Один означал низкую, пять — высокую выраженность свойства. Жесткость, шероховатость и липкость выбрали как основу моделей тактильного исследования [23–26]. Бугристость, царапающее ощущение и изотропность были мотивированы [25], а ворсистость и однородность — тем, что выборка ограничивалась текстилем. Мельчайшие волоконца присущи текстильным поверхностям и создают ощущение ворсистости, коррелирующее с изотропностью. Они задают направленность восприятия и способны влиять на эти свойства, поэтому их важно учитывать. Включение всех восьми свойств представляет еще одну новую сторону работы.

Определение восьми тактильных свойств

Шероховатое/гладкое. Шероховатость ткани относится к многомерному ощущению фактуры, включая пространственное изменение выступов поверхности, и противоположна гладкости. Она описывает поверхность с мелкими неровностями малого масштаба [27]. При прикосновении или движении по ним неровности создают трение или сопротивление.

Жесткое/мягкое. Мягкость ткани считается противоположностью жесткости и связана со сжимаемостью и гибкостью [28].

Бугристое/плоское. Бугристость означает наличие заметных выпуклостей или бугров на поверхности. Обычно она связана с изменением высоты в относительно крупном масштабе [23]. Главное отличие от шероховатости в том, что бугристость ощущается на макромасштабе, а шероховатость представляет микромасштабное восприятие фактуры.

Липкое/скользкое. В рамках работы липкость определялась как ощущение цепкой, прилипающей поверхности; скользкость считалась ее противоположностью. Пример очень липкой поверхности — лента Velcro.

Царапающее/гладко скользящее. Царапающее ощущение определялось как абразивность. Например, чистая шерсть иногда царапает кожу, вызывая зуд и раздражение. Несколько исследований обнаружили положительную связь шероховатости с царапающим ощущением [23,25].

Ворсистое/стриженое. Ворсистость поверхности означает наличие тонких волосоподобных выступов текстильного материала, придающих ткани пушистость. Текстиль ощущается ворсистым из-за мельчайших волоконец в его структуре. Овчина, мех и плюш — примеры ворсистых поверхностей.

Однородное/нерегулярное. Однородность текстильной поверхности означает согласованность и равномерность ее свойств, включая отсутствие выступов, изменений или неровностей. Ее основное отличие от изотропности состоит в том, что однородность относится к гомогенной фактуре, а изотропность — к ее одинаковости во всех направлениях.

Изотропное/анизотропное. По примеру Degraen et al. [21] мы включили изотропность. Здесь она определяется как одинаковость текстурных элементов поверхности во всех направлениях. Традиционные тканые и трикотажные материалы обычно анизотропны из-за направленного расположения нитей, но сбалансированное переплетение или двухосное вязание могут усиливать изотропность. Нетканые материалы, получаемые механическим, тепловым или химическим соединением волокон, могут быть изотропными благодаря случайной ориентации волокон. Ламинированные материалы также ощущаются более изотропными, чем традиционные тканые и трикотажные материалы с однонаправленной структурой.

Экспериментальная установка и сбор данных

По прибытии исследователь объяснял каждому участнику ожидаемые задания и экспериментальную установку. Участник давал письменное согласие на добровольное участие. Мы также описывали восемь тактильных свойств и давали точные инструкции по восприятию фактуры. Разрешалось использовать только указательный палец ведущей руки и двигать им в трех направлениях. Поскольку исследовалась изотропность, участники проводили пальцем по поверхности горизонтально, вертикально или круговыми движениями. Их также просили поддерживать постоянные давление и движение, избегая чрезмерного нажима и быстрых движений. Давление, скорость и направление пальца способны существенно менять восприятие фактуры, поэтому постоянство этих факторов было критически важно при оценке всех образцов [29,30].

Участника просили удобно сесть на стул за экраном. Указательный палец ведущей руки очищали салфеткой с изопропиловым спиртом от пыли, грязи и пота, которые могли тонко изменить восприятие поверхности. Участнику также давали печатный список с фотографиями всех образцов (рисунок 3). Затем исследователь помещал один образец в фиксированное место за экраном. Участник просовывал руку и, не глядя на образец, ощупывал его указательным пальцем ведущей руки (рисунок 3).

Чтобы ограничить продолжительность и зафиксировать первое впечатление, каждый образец разрешалось ощупывать лишь 20 секунд. Порядок предъявления образцов рандомизировали отдельно для каждого участника, чтобы преодолеть связанную с последовательностью усталость и исключить эффект порядка. Поскольку образцов было много, задание могло вызывать физическую и умственную усталость, поэтому случайный порядок был важен для устранения ее систематического влияния. По просьбе предоставлялись перерывы. После ощупывания участник оценивал восемь свойств по пятибалльной шкале Лайкерта. Участники произносили свои ответы вслух, а исследователь вносил их в электронную форму для соответствующего образца. Затем образец заменяли, пока не собирали ответы по всем 22. Каждому участнику последовательно задавали следующие вопросы.

Вопрос 1. Насколько жесткая поверхность ткани? 1 означает крайне мягкую, 5 — крайне жесткую.

Вопрос 2. Насколько шероховатая поверхность ткани? 1 означает крайне гладкую, 5 — крайне шероховатую.

Вопрос 3. Насколько бугристая поверхность ткани? 1 означает крайне плоскую, 5 — крайне бугристую.

Вопрос 4. Насколько липкая поверхность ткани? 1 означает крайне скользкую, 5 — крайне липкую.

Вопрос 5. Насколько поверхность царапает? 1 означает крайне гладко скользящую, 5 — крайне царапающую.

Вопрос 6. Насколько поверхность ворсистая? 1 означает полностью стриженую, 5 — крайне ворсистую или лохматую.

Вопрос 7. Насколько поверхность однородная? 1 означает крайне нерегулярную, 5 — крайне однородную.

Вопрос 8. Насколько поверхность изотропная? 1 означает крайне анизотропную, 5 — крайне изотропную.

Статистический анализ

Для каждого образца и свойства распределение оценок Лайкерта проверяли на нормальность тестом Шапиро — Уилка W, а однородность дисперсий между группами — тестом Левена. Отсутствие нормального распределения обнаружили в большинстве групп, поэтому использовали непараметрические процедуры. Однородность дисперсий TE и NEP тестировали двумя способами: по восьми свойствам и по отдельным материалам, 22 образца × 8 свойств = 176. Кроме того, рассчитали мощность теста двух независимых средних для восьми свойств.

Медианные оценки экспертов и неэкспертов для каждого образца и восьми свойств сравнивали непараметрическим знаково-ранговым тестом Уилкоксона. Каждый тест для одной ткани и свойства включал n = 25 наблюдений: 20 NEP и 5 TE. Критерий значимости альфа во всех тестах равнялся 0,05. Из-за большого числа тестов, 176 = 22 × 8, и повышенного риска ошибки I рода, ложного обнаружения различий, применили поправку Бенджамини — Хохберга (BH) [31] с долей ложных открытий FDR 0,1. Q-значение представляет новое, более консервативное p после поправки BH.

Корреляции оценок экспертов и неэкспертов между парами восьми свойств оценивали непараметрическим коэффициентом Спирмена. Материалы группировали по конструкции: трикотажные, ламинированные, сетчатые и тканые; всего выполнялось 28 × 4 = 112 тестов. По той же причине, которая была указана выше, p из 112 корреляций ранжировали и применяли BH с FDR 0,1. Корреляции рассчитывали по n = 125 наблюдениям для трикотажа, 5 тканей × 25 оценщиков; n = 50 для ламинированных, 2 × 25; n = 75 для сетчатых, 3 × 25; n = 300 для тканых, 12 × 25.

Гипотезы о связи частоты точной ручной работы, частоты работы с текстилем, знакомства с фактурами и конструкции материала с оценками всех восьми свойств проверяли множественными порядковыми логистическими регрессиями OLR. Зависимая переменная Y, оценки свойств по шкале 1–5, имела пять упорядоченных уровней. Независимые X включали оценки неэкспертов по частоте точной ручной работы, работы с текстилем и знакомству с фактурами, каждая в трех категориях: низкая 1–2, средняя 3, высокая 4–5; и четыре категории конструкции: трикотаж, ламинированный материал, сетка, тканый материал. Модель каждого свойства использовала n = 440 наблюдений, 22 ткани × 20 оценщиков. OLR учитывает порядок ответа и допускает непрерывные или категориальные независимые переменные. При упорядоченном ответе, от крайне мягкого 1 до крайне жесткого 5, накопленные вероятности уровней вычисляются как накопленные логиты в модели пропорциональных шансов [32,33]. В каждой множественной OLR для каждого из восьми свойств модель одновременно использовала все четыре переменные X. Модель сравнивала вероятность ответа не выше k, Y ≤ k, с вероятностью ответа выше k, Y > k, где k — ранг категории, K = 1–5. Например, для пяти уровней жесткости было четыре, K−1, накопленных логита: 1) логарифм шансов оценки «крайне мягкое» против всех остальных; 2) логарифм шансов «крайне мягкое» или «умеренно мягкое» против более высоких; 3) логарифм шансов первых трех уровней, включая нейтральный, против «умеренно жесткого» и «крайне жесткого»; 4) логарифм вероятности жесткости не выше четырех, деленной на шансы самого жесткого ответа при данной комбинации четырех независимых переменных.

Обобщенная модель в логит-формате имела вид

где:

hₖ(x) — пропорциональные шансы для k; k — индекс четырех возможных логитов на основе пяти упорядоченных уровней ответа.

x — матрица четырех объясняющих переменных X.

P — вероятность.

Y — уровень ответа, оценка Лайкерта или, например, прогнозируемая жесткость.

k|x — конкретный уровень ответа при заданной комбинации независимых переменных X, для каждой X число уровней минус 1.

При четырех логитах, свободных членах, и девяти комбинациях четырех X с учетом степеней свободы, (3−1 для частоты точной ручной работы) + (3−1 для частоты работы с текстилем) + (3−1 для знакомства с фактурами) + (4−1 для конструкции материала), требовалось оценить 13 параметров для построения уравнений прогноза каждого свойства.

Оценка линейного предиктора имела общий вид:

где:

g(x)ₖ — линейный предиктор конкретного логита.

x′ — вектор независимых переменных.

β₀ₖ — свободный член, специфичный для каждого логита.

β — вектор коэффициентов регрессии.

x₁ — уровень частоты точной ручной работы.

x₂ — уровень частоты работы с текстилем.

x₃ — уровень знакомства с текстильными фактурами.

x₄ — уровень конструкции материала.

β₁–β₄ — параметры регрессии, коэффициенты, то есть наклоны, из таблицы параметров.

Подогнанное значение порядковой регрессионной модели, фактическая накопленная вероятность:

y — прогнозируемая вероятность оценки свойства ткани.

β₀ₖ — свободный член соответствующего логита, конкретного k = K−1.

x′β — линейный предиктор, рассчитанный в уравнении 2 и зависящий от конкретной комбинации X.

Для всех анализов использовали JMP, версия Pro 16.0.0, SAS Institute Inc., Cary, NC, ©2021. Тридцать два p-значения, связанные с LogWorth каждого из четырех независимых факторов для каждого свойства в порядковых логистических моделях, также ранжировали; итоговую значимость определяли после BH с FDR 0,1. LogWorth определяется как −log10(p). Преобразование переводит очень малые p на удобный, в частности для графиков, масштаб. Значение выше 2 соответствует значимости 0,01, поскольку −log10(0,01) = 2. Значение выше 1,3 соответствует значимости 0,05, поскольку −log10(0,05) = 1,3. Малые p дают высокие LogWorth и связаны с исходными p-значениями.

Результаты

Однородность дисперсий групп TE и NEP

Как указано в методах, однородность дисперсий TE и NEP измеряли тестами Левена. В первом тесте пять из восьми свойств, 63%, а именно бугристость, ворсистость, жесткость, шероховатость и однородность, не показали различий дисперсии оценок экспертов и неэкспертов (таблица S1). Для царапающего ощущения и липкости дисперсия экспертов была меньше. Интересно, что по изотропности у TE дисперсия была выше, чем у NEP. Во втором наборе сравнений в 94% случаев дисперсия TE либо не отличалась, либо была меньше дисперсии NEP. Мощность тестов двух независимых средних по всем восьми свойствам превышала 61% (таблица S1).

Тактильные оценки экспертов и неэкспертов

Для сравнения TE и NEP применили знаково-ранговый тест Уилкоксона и поправку BH с FDR 0,1 ко всем p. После применения поправки BH из 176 тестов и 39 первоначально значимых случаев оценки TE статистически значимо отличались от оценок NEP только девять раз. Четыре различия относились к шероховатости, два к изотропности, по одному к бугристости, жесткости и липкости. Оценки каждого образца показаны скрипичными диаграммами на рисунках 4A–4H. Чтобы сделать большой собранный набор данных различимым каждое свойство представлено отдельно. Более толстые области диаграммы означают больше ответов на соответствующей точке шкалы Лайкерта. Пунктирная линия показывает взаимно согласованную оценку всех экспертов по шкале Лайкерта для соответствующего образца. Например, на рисунке 4A все эксперты дали тканям K3B, K6W и L2S жесткость 2 по пятибалльной шкале жесткости. В данных группы неэкспертов такого взаимного согласия не наблюдалось.

Жесткость

Средние оценки жесткости TE и NEP были сходны, кроме M4S, для которого оценки TE значимо отличались от NEP: Z = 2,98; скорректированное BH p, Q = 0,002. Все эксперты оценили M4S на 4, тогда как оценки NEP варьировались от 2 до 4 с медианой 3. Как видно на рисунке 4A, обе группы считали сетки самыми жесткими, а тканые и трикотажные материалы получили самые низкие оценки жесткости. Несмотря на субъективные индивидуальные особенности человеческой оценки тактильности, результаты показывают определенное согласие, отмеченное и другими работами [8,34].

Шероховатость

Оценки шероховатости TE значимо отличались от NEP для четырех из 22 образцов. Три из четырех были ткаными: W3CH, Z = 3,67, Q = 0,0006; W6G, Z = 2,82, Q = 0,005; W9BW, Z = 2,97, Q = 0,003; четвертый — K3B, Z = 3,15, Q = 0,002. Во всех случаях TE оценивали шероховатость выше. Как и для жесткости, обе группы считали сетки самыми шероховатыми среди конструкций, медиана 4 в обеих группах. Ламинированные материалы воспринимались самыми гладкими: медиана TE = 2, NEP = 1. Общая тенденция показывает, что эксперты в целом воспринимали образцы более шероховатыми.

Бугристость

В целом полученные данные и оценки бугристости TE и NEP совпадали, кроме значимого различия для W3CH: Z = 2,94, Q = 0,003; медиана TE = 4, NEP = 1. Поскольку ламинированные материалы по природе имеют более гладкую поверхность, мы ожидали у них самые низкие оценки, что подтвердилось: медиана TE = 1,5, NEP = 1. Сетки получили самые высокие оценки: медиана TE = 4, NEP = 3. Интересно, что бугристость трикотажных и тканых материалов воспринималась в среднем одинаково: медиана TE = 3, NEP = 2.

Липкость

Средние оценки липкости TE и NEP были почти одинаковы, кроме W3CH: медиана TE = 3 значимо отличалась от медианы NEP = 1, Z = 2,89, Q = 0,004. Как видно на рисунке 4D, обе группы поставили сеткам самые высокие оценки липкости, медианы TE и NEP = 3. Далее следовали трикотаж, TE = 2, NEP = 2; тканые материалы, TE = 3, NEP = 2; и ламинированные, TE = 2, NEP = 2.

Царапающее ощущение

После поправки BH значимых различий оценок царапающего ощущения между TE и NEP не было ни для одного из всех исследованных текстильных образцов. Подобно бугристости, липкости и шероховатости, самые высокие оценки получили сетки: медианы TE и NEP = 4. Ламинированные материалы обе группы считали наименее царапающими: медиана TE = 1,5, NEP = 1. Трикотажные и тканые материалы получили медиану 2 у обеих групп.

Ворсистость

Эксперты и неэксперты согласованно оценили ворсистость всех образцов. В целом самые высокие оценки получили тканые и трикотажные материалы: медианы TE и NEP = 2. Как ожидалось, ламинированные и сетчатые материалы получили самые низкие оценки: медианы обеих групп = 1. В целом NEP оценивали трикотаж как более ворсистый, чем эксперты, но различия не были статистически значимыми.

Однородность

Как и для царапающего ощущения и ворсистости, после поправки BH мы не обнаружили каких-либо статистически значимых различий между оценками TE и NEP по однородности не обнаружено ни для одного образца. Оценки экспертов и неэкспертов полностью совпали для трикотажа, медианы 4 и 4; сеток, 4 и 4; и тканых материалов, 3 и 3. Для ламинированных материалов эксперты дали медиану 3, а неэксперты 4,5, однако наблюдаемое различие не было статистически значимым.

Изотропность

Как отмечено на рисунках 4G и 4H, TE и NEP оценивали изотропность образцов почти сходно, кроме W11N: Z = −3,27; Q = 0,001; медиана TE = 1, NEP = 3. Оценки NEP сильнее всего варьировались между точками шкалы для однородности и изотропности, хотя эта вариабельность не была статистически значимой. Мы ожидали, что эти две переменные окажутся самыми трудными для человеческой оценки тактильного восприятия текстиля.

Прогностические модели оценок тактильных свойств на основе тактильной чувствительности

Мы предполагали, что оценки восьми свойств различаются у участников с разным знакомством и опытом взаимодействия с фактурными объектами, включая текстиль. Поэтому порядковой логистической моделью оценивали влияние трех факторов чувствительности: частоты ручной работы (рисунок 5), частоты работы с текстилем (рисунок 6) и знакомства с текстильными фактурами (рисунок 7), а также конструкции материала на оценки неэкспертных участников по восьми тактильным свойствам. В предварительном опросе участники оценивали частоту ручной работы по шкале 1–5, затем ответы объединяли в низкие 1–2, средние 3 и высокие 4–5. Все сочетания значимого влияния чувствительности со статистикой частот приведены в таблицах S2–S4. В модели также включили конструкцию. Для всех восьми свойств оценки NEP значимо различались между конструкциями, Q < 0,001; конструкция имела наибольший LogWorth во всех восьми моделях, от 4,04 до 26,7.

Частота ручной работы

Ручную работу мы определяли как любой изготовленный вручную объект или произведение, например ручную вышивку, керамику, работу по дереву и другие ремесла. Как показано на рисунке 5, частота значимо влияла на оценки NEP по трем свойствам: ворсистости, LogWorth 1,94, Q = 0,05; липкости, LogWorth 1,94, Q = 0,05; и изотропности, LogWorth 1,29, Q = 0,07. Участники с высокой частотой ручной работы оценивали липкость и ворсистость ближе всего к нижнему краю шкалы по сравнению со средними и низкими группами. Изотропность они оценивали значимо выше, большинство ответов 5 и 4, чем люди без регулярной ручной работы.

Интересно, что для липкости участники с высокой частотой ручной работы распределили оценки большинства текстильных образцов почти поровну между 1, что составило 31,82% всех тканей, и 2, 34,09%, по пятибалльной шкале Лайкерта. Однако у людей со средней и низкой вовлеченностью большинство оценок было сосредоточено между 2 и 3 (таблица S1).

Сходная тенденция наблюдалась для ворсистости. Группа высокой частоты чаще, чем ожидалось, ставила самый низкий балл 1, 55,68%, по сравнению со средней, 35,23%, и низкой, 45,45%, группами (таблица S1). Напротив, изотропность чаще всего оценивали на 5 участники высокой частоты, 28,41%, тогда как средняя группа чаще выбирала 3 и 4, около 31%, а низкая — 3, 30,68%.

Иными словами, участники с высокой частотой ручной работы воспринимали образцы как менее липкие и ворсистые, но более изотропные, чем выполнявшие ручную работу реже. Это показывает различия тактильной чувствительности между людьми с разным уровнем ручной практики.

Частота работы с текстилем

Наш исследовательский интерес также распространялся на изучение потенциального влияние частоты работы с текстилем на оценки восьми свойств NEP. Как видно на рисунке 6, частота значимо влияла на шесть свойств: шероховатость, LogWorth 2,32, Q = 0,05; изотропность, 8,25, Q = 0,02; жесткость, 1,80, Q = 0,06; липкость, 3,51, Q = 0,04; царапающее ощущение, 3,21, Q = 0,04; однородность, 6,75, Q = 0,02. Однако оценки ворсистости и бугристости статистически значимо не различались между тремя группами людей с разным прежним опытом работы с текстилем. Участники, сообщившие, что часто работают с текстилем, ставили изотропности 5 в 31,82% ответов, однородности 5 в 39,09%. Их ответы по царапающему ощущению, липкости и шероховатости сосредоточились внизу: соответственно 1; 1 и 2; 1. Редко работавшие чаще давали нейтральную 3 изотропности, 31,06%, однородности, 33,71%, и шероховатости, 31,82%.

Полученные результаты указывают на то, что часто работающие с текстилем сильнее различали однородность и изотропность, тогда как их баллы отражали меньшую чувствительность к царапающему ощущению, липкости и шероховатости. По большинству свойств их оценки чаще лежали на крайних концах шкалы. Люди с меньшим опытом чаще сохраняли нейтральные оценки. Еще одно наблюдение на рисунке 5: группа с наименьшим опытом оценивала большинство образцов по всем свойствам, кроме однородности, в диапазоне 1–3. Для таких результатов может существовать несколько причин, но при сборе данных мы наблюдали, что часто работавшие с текстилем проявляли большую уверенность при выставлении оценок фактурам текстильных образцов. Такое наблюдение можно объяснить с их прежним опытом и знакомством с текстильными фактурами.

Знакомство с текстильными фактурами

Как видно на рисунке 7, участники с высоким знакомством или знанием текстильных фактур значимо иначе оценивали бугристость, LogWorth 1,50, Q = 0,06; изотропность, 8,61, Q = 0,02; липкость, 1,70, Q = 0,06; и однородность, 4,27, Q = 0,03, чем участники с низким знакомством.

Между людьми, имевшими высокий, средний и низкий уровень знакомства с текстильными фактурами, высокого, среднего и низкого знакомства наблюдались статистически значимые различия. У группы низкого знакомства оценки бугристости довольно равномерно распределялись между 1, 2 и 3, от 28,41 до 27,27%. Большинство группы высокого знакомства ставило бугристости 2, 27,73%. Довольно неожиданно высокая доля группы среднего знакомства, 45,45%, ставила бугристости 1. В данных по липкости мы также наблюдали интересные тенденции: обе группы среднего, 35,45%, и высокого, 34,09%, знакомства чаще ставили 2. Большинство группы низкого знакомства разделилось между 1, 37,00%, и 2, 37,00%.

Предшествующее знакомство с текстильными фактурами также значимо влияло на изотропность. Участники с низким знакомством оценивали ее выше, чаще ставя 5, 35,23%, чем группы высокого знакомства, чаще 3, 29,55%, и среднего, 3 — 28,18% и 4 — 27,27%. Сходная тенденция была для однородности. Примечательно, что даже люди с малым опытом работы с текстилем оценивали изотропность и однородность близко друг к другу. Хотя эти два свойства воспринимаются как похожие друг на друга, но различаются: однородность связана с гомогенностью, а изотропность — с гомогенностью с учетом направления свойства.

Корреляции между тактильными свойствами

Корреляции восьми свойств, жесткости, шероховатости, бугристости, липкости, царапающего ощущения, ворсистости, однородности и изотропности, изучали отдельно по конструкции, трикотаж, ламинат, сетка и тканый материал, ранговым коэффициентом Спирмена R(s), рисунки 8A–8D. Ко всем 112 корреляциям применили BH с FDR 0,1 для выявления скорректированных значимых связей и их силы. После поправки значимыми были 90 корреляций: отрицательные от −0,61 до −0,16, положительные от 0,20 до 0,78. Поскольку значения ближе к нулю, между −0,16 и 0,20, по поправке означали крайне слабую связь или ее отсутствие, −0,16 и 0,20 служили обусловленными данными порогами слабой значимости. Слабые положительные связи имели R(s) 0,2–0,5, слабые отрицательные −0,5…−0,16. Сильные положительные имели R(s) > 0,5, сильные отрицательные R(s) < −0,5. Во всех конструкциях шероховатость сильно положительно коррелировала с бугристостью. Изотропность сильно отрицательно коррелировала с шероховатостью ламинированных и с бугристостью тканых и трикотажных материалов.

Трикотажные образцы

На рисунке 8A у трикотажа наблюдались положительные корреляции разной силы. Шероховатость сильно коррелировала с бугристостью и жесткостью, а изотропность — положительно с однородностью и отрицательно с бугристостью. Липкость и царапающее ощущение имели слабые положительные связи с бугристостью, ворсистостью, жесткостью, шероховатостью и друг с другом. Однородность слабо отрицательно коррелировала с бугристостью, шероховатостью, царапающим ощущением, липкостью и ворсистостью. Жесткость не коррелировала с изотропностью, однородностью и ворсистостью.

Ламинированные образцы

Корреляции ламинированных материалов показаны на рисунке 8B. Бугристость сильно положительно коррелировала с жесткостью, шероховатостью и липкостью и слабо положительно с ворсистостью и царапающим ощущением. Как ожидалось, она отрицательно коррелировала с изотропностью и однородностью. Как у трикотажа, изотропность имела сильную положительную связь с однородностью и сильную отрицательную с шероховатостью ламината.

Сетчатые образцы

У сеток было больше всего сильных положительных корреляций среди конструкций, но ни одной сильной отрицательной. Шероховатость и царапающее ощущение сильно положительно коррелировали с липкостью, бугристостью, жесткостью и друг с другом (рисунок 7C). Бугристость и липкость также слабо положительно коррелировали с ворсистостью, жесткостью и друг с другом. Изотропность слабо положительно коррелировала с однородностью и слабо отрицательно с липкостью, шероховатостью, царапающим ощущением, жесткостью и бугристостью.

Тканые образцы

Особенно интересно, что у тканых материалов все свойства имели друг с другом положительные или отрицательные корреляции разной силы (рисунок 8D). Шероховатость сильно положительно коррелировала с жесткостью, бугристостью и царапающим ощущением и слабо положительно с ворсистостью и липкостью. Изотропность и однородность, как у трикотажа и ламината, сильно положительно коррелировали между собой. Обе также имели сильную отрицательную связь с бугристостью и слабую отрицательную с шероховатостью, царапающим ощущением, липкостью, ворсистостью и жесткостью.

Обсуждение

Тактильная обратная связь крайне важна для проектирования осязаемых виртуальных и реальных интерфейсов [35–38]. Она делает взаимодействие потребителя с цифровыми товарами интуитивнее и доступнее. Создано несколько тактильных решений, особенно для текстилеподобных материалов [39–43]. Однако пока не полностью понятно, как механическое поведение вязкоупругих материалов, таких как текстиль, влияет на человеческое осязание. Мы разработали исследование для глубокого анализа восприятия текстиля и далее обсуждаем основные результаты в свете литературы.

Во-первых, в сравнительной оценке рейтингов TE и NEP по восьми тактильным свойствам всех 22 образцов, то есть в 176 сравнениях, мы обнаружили лишь девять случаев статистически значимого различия. Это показывает, что, несмотря на субъективность человеческого тактильного восприятия текстильных фактур, эксперты по текстилю и обычные потребители давали статистически сходные тактильные оценки образцов. Такой вывод поддерживается несколькими другими исследованиями [8,34,44,45]. При дальнейшем рассмотрении распределения девяти значимых различий по конструкциям интересно, что восемь из девяти случаев, четыре по шероховатости, два по изотропности, один по бугристости и один по липкости, были обнаружены при тактильной оценке тканых материалов. Только одно значимое различие наблюдалось в оценках жесткости сетчатых материалов. Иными словами, между оценками TE и NEP для трикотажных и ламинированных материалов статистически значимых различий не было.

Если рассматривать отдельные тактильные свойства, предыдущие исследования [8,45] заключили, что все участники соглашались в оценках шероховатости и мягкости предъявленных тканей. В отличие от этих работ, мы включили в исследование оценки тактильных свойств, данные экспертами по текстилю. Наши результаты показали, что именно по шероховатости оценщики расходились чаще всего: к ней относились четыре из девяти значимых различий. Поскольку эксперты обладают глубокими знаниями текстиля и опытом работы с ним, их тактильная чувствительность отличается от чувствительности неэкспертов. Это показывает, что предметные знания и опыт в текстиле создают статистически значимое различие в восприятии шероховатости ткани. Однако в наших данных мы не наблюдали такой тенденции для других тактильных свойств.

Чтобы глубже понять, как тактильная чувствительность влияла на оценки восьми свойств, мы подробно проанализировали распределение оценок NEP по трем факторам, вовлеченности в работу с текстилем, другой ручной работе и прежнему знанию текстильных фактур, в логистических регрессионных моделях (рисунки 5–7). Участники, оценившие себя высоко по этим трем факторам, статистически значимо иначе оценивали изотропность и липкость образцов, чем участники на нижнем конце соответствующих шкал. Кроме того, часто взаимодействовавшие с текстилем значимо иначе оценивали все свойства, кроме бугристости и ворсистости. Это дополнительно поддерживает вывод о влиянии тактильной чувствительности на человеческое восприятие текстильных поверхностей. Мы наблюдали общую тенденцию: оценщики с высокой самооценкой по трем факторам чувствительности чаще ставили баллы на крайних концах шкалы Лайкерта. Возможно, это демонстрирует большую уверенность в собственных оценках и отражает более высокую чувствительность к фактурным поверхностям. Насколько нам известно, Dillon et al., 2001 [46] представляет единственное исследование, рекомендовавшее включать текстильных специалистов в исследования тактильного восприятия, хотя сами авторы экспертов не включили. Мы закрыли этот пробел, во-первых, сравнением оценок TE и NEP, а во-вторых, дальнейшим сравнением оценок NEP с разными уровнями взаимодействия с фактурными поверхностями и знания о них. Несколько предыдущих работ [8,10–12,15] набирали для тактильной оценки обычных потребителей и изучали влияние пола, возраста, расы или этничности и географического происхождения.

Наконец, нас интересовали эмпирические корреляции восьми свойств. Во всех конструкциях шероховатость, бугристость, царапающее ощущение, жесткость и ворсистость имели положительные связи разной силы. Это согласуется с Degraen et al., 2021 [36], кроме того, что у них ворсистость положительно коррелировала с однородностью и изотропностью и отрицательно с остальными свойствами. У нас изотропность положительно коррелировала с однородностью для тканых, трикотажных, ламинированных и сетчатых материалов. Ни изотропность, ни однородность не имели положительных связей с остальными свойствами. Ворсистость не коррелировала с жесткостью, кроме слабой отрицательной связи у тканых образцов.

Заключение

В тактильном восприятии текстиля взаимодействуют кожные механорецепторы, нервные пути и высшие отделы мозга, обрабатывающие и объединяющие входные сигналы. Этот сложный механизм позволяет различать и воспринимать разнообразные ощущения текстильных поверхностей [47]. Через механорецепторы человек обнаруживает шероховатость, толщину, однородность и другие геометрические переменные, составляющие ощущение фактуры [8,47]. Результаты показывают, что тактильная чувствительность действительно в некоторой степени влияет на субъективную оценку этого сложного явления. Оценки изотропности и липкости стабильно зависели от высокого прежнего знания и взаимодействия с текстилем и другой ручной работой. Крупные различия TE и NEP наблюдались для шероховатости четырех из 12 тканых образцов, что показывает значимое влияние знаний и опыта на ее оценку. Шероховатость и грубость существенно влияют на восприятие фактуры [3,24,37,43], поэтому шероховатость как важное свойство общего суждения требует дальнейшего исследования. Анализ взаимосвязей показал положительную корреляцию изотропности с однородностью и общую отрицательную связь этих двух свойств с остальными шестью во всех конструкциях. Описанные особенности взаимодействия с текстильными поверхностями могут внести вклад в машинные оценки механических свойств, проектирование тактильных устройств, дополненную и виртуальную реальность и представление товаров онлайн. В будущем авторы планируют разработать биомедицинские или терапевтические продукты для людей с нарушениями осязания и такими особенностями, как СДВГ и расстройства аутистического спектра.

Дополнительная информация

Таблица S1. Тест Левена однородности дисперсий TE и NEP для каждого свойства по 22 образцам. Стандартные отклонения однородны для пяти свойств и неоднородны для трех, изотропности, царапающего ощущения и липкости, при альфа 0,05. Для царапающего ощущения и липкости SD экспертов, n = 5, меньше SD NEP, n = 20, несмотря на меньшую выборку. (DOCX)

Таблица S2. Таблицы сопряженности связи частоты ручной работы, низкой, средней и высокой, с липкостью (a), ворсистостью (b) и изотропностью (c), шкала 1–5, соответствующие рисунку 5. Каждая ячейка объединяет данные всех конструкций. (DOCX)

Таблица S3. Таблицы сопряженности связи частоты работы с текстилем, низкой, средней и высокой, с жесткостью (a), шероховатостью (b), липкостью (c), царапающим ощущением (d), однородностью (e) и изотропностью (f), шкала 1–5, соответствующие рисунку 6. Каждая ячейка объединяет данные всех конструкций. (DOCX)

Таблица S4. Таблицы сопряженности связи знакомства с текстильными фактурами, низкого, среднего и высокого, с бугристостью (a), липкостью (b), однородностью (c) и изотропностью (d), шкала 1–5, соответствующие рисунку 7. Каждая ячейка объединяет данные всех конструкций. (DOCX)