Цифровой геноцид

Скоро выложу нашу беседу про резилентность, человеческие ошибки, риски и теорию рисков Холлнагеля, Расмуссена и Вудса с Анатолием Красновским. А пока похвастаюсь: https://lilalogos.github.io/MonitorHCI/

Сделал сервис для мониторинга статей на arxiv.org в области HCI - можно смотреть сразу за последний год и на русском

В проекта несколько тысяч - порядка 5.000 статей исследователей человек-машина в самых разных областях за последний 2026 год. Куда удобнее, чем алгоритмическая лента альфархива + поисковик есть :)

Истоки натуралистического принятия решений - свежее эссе основателя теории Грегори Кляйна на psychology today

В конце июня 2026 года мы провели 18-ю конференцию по натуралистичному принятию решений (Naturalistic Decision-Making, NDM) и отметили 40-летие этого движения. Был задан вопрос о том, как зародилось движение NDM. Ниже — восемь причин, которые, на мой взгляд, способствовали рождению NDM.

Во-первых, и, пожалуй, важнее всего — простое любопытство. Первое поколение исследователей NDM интересовалось тем, как люди умудряются принимать хорошие решения в условиях нехватки времени и неопределённости. Их не заботило, «правильный» ли это вид исследований. Они просто хотели удовлетворить своё любопытство.

Во-вторых, государственное учреждение, отвечавшее за исследования в области принятия решений, — Исследовательский институт армии США (Army Research Institute) — долгие годы финансировало традиционные работы, которые велись в рамках сообщества исследователей суждений и принятия решений. Но спустя несколько лет там разочаровались в результатах этих исследований: они, казалось, приносили мало пользы военному сообществу. Поэтому институт искал новый подход, который можно было бы профинансировать. Джудит Орасану организовала эту новую программу поиска, опираясь на рекомендации Кена Хэммонда.

В-третьих, первые исследователи NDM с большим уважением относились к экспертизе и изучали людей, принимающих решения в таких областях, как пожаротушение, военная разведка и военно-морские операции, опираясь на работы таких исследователей, как Роберт Хоффман, который отстаивал важность экспертного знания.

В-четвёртых, ранние исследователи NDM, как правило, приходили не из университетской среды и потому не были скованы моделями рационального анализа, столь распространёнными в академической науке.

В-пятых, в том же духе, ранним исследователям NDM удалось вырваться из парадигмы лабораторных экспериментов, которая доминировала в исследованиях суждений и принятия решений. У них не было доступа к большим выборкам студентов-второкурсников, которые питали эти исследования. Но, кроме того, исследователи NDM скептически относились к таким лабораторным парадигмам, поскольку те опирались на новые, искусственные задачи, исключавшие экспертизу как фактор.

В-шестых, ранним исследователям NDM удалось добиться первых значимых успехов — создать новые ценные модели принятия решений; например, модель управления неопределённостью RAWFS, разработанную Рааном Липшицем, и модель принятия решений на основе распознавания (Recognition-Primed Decision, RPD), разработанную мной. Благодаря этому сообщество исследователей суждений и принятия решений уже не могло с лёгкостью отмахнуться от NDM-движения — ведь мы сделали важные открытия.

В-седьмых, сообщество NDM смогло извлечь уроки из нескольких громких трагедий, таких как авария на атомной станции Три-Майл-Айленд и инцидент со сбитым самолётом с крейсера «Винсеннес». Дэйв Вудс и Эмили Рот изучали процессы принятия решений на атомных электростанциях, а ВМС США создали десятилетнюю исследовательскую программу TADMUS (Tactical Decision Making Under Stress — тактическое принятие решений в условиях стресса), чтобы разобраться, как вообще мог произойти инцидент с «Винсеннес».

В-восьмых, среди первого поколения исследователей NDM сложились важные и прочные дружеские связи, что укрепило сильное чувство общности внутри движения.

Подводя итог: целый ряд факторов способствовал возникновению движения NDM в конце 1980-х годов. В этом эссе я перечислил восемь факторов, которые кажутся мне наиболее важными. Это было очень увлекательное время, полное открытий. Никто из первых участников движения NDM не предполагал, что спустя 40 лет оно всё ещё будет живо и активно.

https://www.psychologytoday.com/us/blog/seeing-what-others-dont/202609/the-origins-of-naturalistic-decision-making

Опять о CSAT

Удовлетворённость клиентов (CSAT) — это центральный конструкт в теории и практике, однако её роль как стратегического ресурса зачастую недооценивается. В данной статье синтезируются концептуальные основы, подходы к измерению, эмпирические результаты и управленческие приложения исследований CSAT. Метрика CSAT определяется как оценочное суждение, формируемое после потребления, о том, получили ли клиенты обещанную ценность, и проводится разграничение этого конструкта от смежных понятий, таких как качество обслуживания, вовлечённость, лояльность, клиентский опыт и ценность.

Было опубликовано три мета-анализа о поведенческих и финансовых последствиях удовлетворенности клиентов (CSAT). При суммарном размере выборки, превышающей 1 миллион наблюдений, они ясно показывают, что CSAT связан с: удержанием, WOM, жалобами, расходами, ценовой премией, долей рынка (смешанные данные), продажами/доходами, прибылью, ROA, уровнем денежного потока, волатильностью денежного потока, стоимостью фирмы, доходностью акций, риском акций и стоимостью долга

Кроме того, используя масштабный набор данных, включающий более 285 миллионов оценок по 1126 брендам, мы воспроизводим и расширяем ранее полученные метааналитические данные и показываем, что CSAT устойчиво связана с метриками потребительского восприятия, бухгалтерскими показателями и результатами на фондовом рынке.

https://link.springer.com/article/10.1007/s11747-026-01175-z

Бред Майерс, автор абсолютно крутой книги про взаимодействия опубликовал препринт-черновик статьи про Intelligent Interaction Techniques (IIxT)

Что считается «интеллектуализацией» IxT? Это определяется (несколько расплывчато) как техника взаимодействия, которая использует искусственный интеллект (ИИ) для своей работы. Одна из отличительных особенностей всех интеллектуальных пользовательских интерфейсов состоит в том, что ранее детерминированные IxT становятся вероятностными и потому могут ошибаться.
(Мой комментарий: ну раньше не ошибался скролл, не ошибался бегунок, нет ошибок когда вы смахиваете, кликаете на кнопку или просто вводите текст - точнее они могут быть, но это ошибки не стахистического характера, а ляпсы и тд, вплоть до классификаций ошибок)
https://arxiv.org/pdf/2609.16295

Исследования интеллектуальных пользовательских интерфейсов (IUI) или ИИ-взаимодействия часто затрагивают весь пользовательский интерфейс и то, как он себя ведёт в целом, обычно состоящий из обычных IxT. Например, сегодняшние успешные ИИ-приложения — такие как Claude, Firefly в продуктах Adobe, Copilot в продуктах Microsoft, Figma Design Agent и Figma Make и т. д. — представляют собой в основном чат-интерфейсы (использующие обычную технику ввода текста) наряду с традиционными GUI, а не интеграцию ИИ непосредственно в сами техники взаимодействия.

Некоторые утверждают, что мы перестанем пользоваться обычными графическими интерфейсами, рабочими столами, экранами смартфонов и их техниками взаимодействия, как только интерфейсы на естественном языке и речи станут лучше. Я с этим не согласен. Безусловно, есть задачи, которые проще выполнять с помощью естественного языка, но есть и такие, для которых это не так.

Ситуации, когда интерфейсы прямого манипулирования важны и полезны: когда возможно обеспечить «непрерывное представление объекта интереса» с «быстрыми, инкрементальными, обратимыми операциями, эффект которых на объект интереса виден немедленно» . Когда GUI изобретались в 1970–1980-х годах, а также в начале эры смартфонов в 2000-х, у пользователей было небольшое число файлов, приложений и их значков, поэтому размещение или перечисление их на экране было осуществимо. Сегодня, даже когда у нас на устройствах сотни или миллионы объектов, порой всё ещё быстрее перечислить их и нажать на нужный, а порой предпочтительнее или необходимо использовать интеллектуальный поиск.
Ещё одно преимущество GUI состоит в том, что порой пользователи не знают, что можно сделать, или не знают, как что-то называется, поэтому ожидать, что они выразят это даже на естественном языке, проблематично по сравнению с возможностью просмотреть меню вариантов.

Какие на повестке дня новые интеллектуальные взаимодействия?

Интеллектуальное референсирование: Представьте, что пользователь мог бы одновременно описывать желаемый выбор во время указания. Например, выполняя низкоточное указание области и уточняя детали на естественном языке («слева от этого персонажа», «крайняя правая точка этой кривой»). Помимо уточнения графических свойств на естественном языке, с сегодняшним ИИ можно обеспечить настоящее «семантическое прилипание» («semantic snapping») [12], учитывающее смысл желаемого объекта («радужка левого глаза», «только название ресторана», «красные машины»). Могли бы появиться более простые способы делать множественные выборы («добавь всё это», «выбери все номера телефонов в этом абзаце»). Эти примеры также показывают, как пользователи могли бы корректировать набор выбранного, комбинируя прямое манипулирование (касание с удержанием Shift для переключения элементов) и естественный язык («отмени последний»).

Операции буфера: Сегодняшние межприложенческие техники взаимодействия ограничены копированием-вставкой и перетаскиванием (drag-and-drop), которые можно сделать более интеллектуальными,
С сегодняшним ИИ можно было бы поддерживать множество трансформаций данных, включая возможность пользователям выражать, чего они хотят. Например: «вставить как маркированный список», «вставить как цитаты в формате BibTeX» или «вставить в переводе на английский

Умные меню: Более интересна интеграция меню с семантическим поиском: пользователи могли бы выражать, чего хотят, а система показывала бы им пункты меню, сочетания клавиш и значки для этого, чтобы пользователи учились более быстрым способам выполнения этого действия в будущем. Интеллектуальная настройка меню и других команд могла бы значительно упростить персонализацию интерфейсов.

Интеллектуальная отмена: Возможность отмены действий (undo) для техник взаимодействия можно было бы обобщить за пределы прокрутки — мне часто хочется отменить перемещение или закрытие окна, отменить изменение выбора или других действий, которые сейчас невозможно отменить. Мы также утратили возможность отменять многие операции в веб- и мобильных приложениях, которые раньше можно было отменять на десктопах, — эту возможность следует восстановить интеллектуально. Техники выборочной отмены были продемонстрированы в исследованиях и в (очень) немногих коммерческих системах, где пользователь может указать отмену только части предыдущих действий (например, «отмени только изменения форматирования, но сохрани правки текста», «отмени только изменения в этом абзаце, но сохрани изменения, сделанные позже в других местах»)

Новые виды поиска: можно обеспечить ассоциативный поиск, при котором пользователи находят объекты по мета-свойствам, таким как время создания, местоположение или связь с другими объектами.Графический поиск исследовался несколькими системами, но его было слишком сложно реализовать, а ИИ может это упростить

«TAS для кошек»: исследование доверенных автономных систем для домашних животных

Небольшая группа кошек живёт в специально построенном «кошачьем раю» (cat utopia), в центре которого находится роботизированная рука Kinova Gen3 Lite, оснащённая системой компьютерного зрения. Робот должен автономно развлекать кошек: махать перьевыми игрушками, кидать мячики, звонить в колокольчики, предлагать «массаж» и лакомства.

https://dl.acm.org/doi/pdf/10.1145/3597512.3597517

В общем, доверенные автономные системы могут быть интересной темой для исследований

Где заканчиваются возможности ИИ и начинается человеческая экспертиза?

На этот вопрос ответит Диана Фионина, CX-Market Research / Strategic Analyst ИТ-экосистемы 💻Лукоморье, на Research Meetup Uzbekistan 2026.

Диана расскажет о том, как CX/UX-исследования становятся стратегическим инструментом для бизнеса и помогают принимать решения там, где одних данных и возможностей ИИ недостаточно.

На примерах из практики обсудим:

🔵почему ИИ может быстро обрабатывать данные, но не всегда способен увидеть весь контекст;
🔵как метод «четырёх ракурсов» — руководитель, экономика, клиент и конкуренты — помогает принимать устойчивые решения;
🔵в каких случаях ИИ действительно ускоряет исследовательскую работу, а где создаёт только иллюзию точности;
🔵какие вопросы помогают превратить данные и инсайты в конкретные действия для бизнеса.

Когда: 25 сентября
Где: Ташкент (только офлайн)

🚩Участие бесплатное, но необходима регистрация — по ссылке.

И напоминаю дежурно:

UX и инженерия аварий/устойчивости или
AB HOMINE AD MUNDUM
От пользователя к миру

Мы привыкли говорить о пользователе: его потребностях, поведении, строим CJM, проверяем гипотезы, ищем проблемы в интерфейсе.

Но пользователь, конечно, это профессиональная абстракция. Реальный человек действует не внутри интерфейса, а среди других людей, правил и ограничений, технических систем, автоматизации, накопленного опыта и собственных представлений о происходящем. И результат его действий часто определяется не отдельным решением и не отдельным экраном, а всей этой системой отношений.

Что произойдёт, если расширить границы исследования — от пользователя к миру, в котором он действует?

Об этом мы решили сделать небольшую серию разговоров «Цифрового геноцида» с Анатолием Красновским — исследователем формальных и причинных моделей сложных систем из MB3R Lab, а по совместительству аспирантом Университета Иннополис. Анатолий занимается вопросами формализации, причинности, эмерджентности и устойчивости сложных распределённых систем: как из локальных взаимодействий возникает поведение целого, что об устройстве системы можно восстановить из наблюдений и когда описания наблюдаемого уже недостаточно для объяснения происходящего.

Мы попробуем пройти путь от человека к системе

I. Человек, интерфейс, мир: когнитивные основания

Начнём с human factors, когнитивной эргономики и cognitive systems engineering.

Почему исследовать человека отдельно от инструментов и среды вообще оказалось недостаточно? Где проходит граница между человеком и системой, если часть памяти находится в интерфейсе, часть знания — у коллег, часть решений принимает автоматика, а поведение определяется ещё и организационными правилами?

Поговорим о Расмуссене, Вудсе, Холлнагеле и других исследователях сложной человеческой деятельности; о ментальных моделях, распределённой когниции и совместных человеко-машинных системах.

И попробуем посмотреть на привычный UX немного со стороны. Достаточно ли сделать интерфейс понятным и удобным? Что происходит, когда проблема заключается уже не в том, может ли человек нажать нужную кнопку, а в том, понимает ли он состояние всей системы, действия автоматики и последствия собственного решения?
Это будет основной темой первой встречи.

II. Ошибка, риск и устойчивость — глазами пользователя

Во второй части перейдём к тому, что происходит, когда мир ведёт себя не так, как предполагал дизайн.

Почему люди ошибаются — и насколько вообще полезно понятие «ошибка пользователя»? Почему действие, которое после инцидента выглядит нелепым, в момент принятия решения могло быть совершенно рациональным?

Что такое человеческий фактор, слабые сигналы, накопление риска и resilience? Почему сложные системы большую часть времени работают не потому, что всё идёт по сценарию, а потому, что люди постоянно компенсируют отклонения?
Но говорить об этом будем не только на примерах авиации, атомных станций или больших аварий. Для UX обычных продуктов - это вполне нормальные вопросы.

Что должен увидеть пользователь, когда система перешла в необычное состояние? Как сообщать о неопределённости, а не создавать ложное ощущение контроля? Когда предупреждение помогает, а когда возникает alert fatigue? Почему бесконечные confirmation dialogs не обязательно делают продукт безопаснее? Когда friction действительно защищает человека? Насколько легко восстановиться после ошибки? Можно ли отменить действие? Понимает ли человек, что сейчас делает автоматика и когда управление фактически перешло к ней?

Отдельный вопрос — неформальные обходные пути. Если продукт работает только потому, что опытные пользователи знают его странности, перепроверяют результаты, держат что-то в голове, ведут параллельный Excel и знают, кому написать в случае проблемы, — это устойчивость системы или её скрытый долг, оплачиваемый трудом пользователя?

То есть resilience здесь интересна не как ещё одна инженерная дисциплина за пределами UX. Она позволяет задать UX-исследованию другой класс вопросов: не только удобно ли человеку взаимодействовать с продуктом, но и помогает ли продукт человеку справляться с неопределённостью, ошибками и изменением ситуации.

III. От наблюдения к объяснению
В третьей части попробуем понять, что со всем этим делать.

Исследователь постоянно имеет дело со следами: интервью, наблюдениями, логами, метриками, последовательностями действий, инцидентами. Но что именно из них можно узнать о системе?
Когда мы просто обнаружили повторяющийся паттерн, а когда действительно поняли механизм? Как отличать корреляцию от причинной связи? Что означает формализовать систему, не потеряв при этом то, ради чего мы её изучали?

Здесь поговорим о моделях зависимостей и причинности, observability и эксперименте, о том, как обнаруживать скрытую структуру системы по её поведению. И о том, какое место во всём этом занимают современные AI- и агентные системы, где граница между пользователем, инструментом и самостоятельно действующим участником становится всё менее очевидной.

Отсюда же возникает вопрос об онтологиях и инженерии знаний: если система должна не просто генерировать правдоподобный ответ, а ориентироваться в сложном мире, что именно должно быть представлено в её модели этого мира — сущности, отношения, ограничения, причинные зависимости?

Итого, сделаем три последовательных шага:
что представляет собой человеко-машинная система → как в ней возникают ошибки, риск и способность адаптироваться → как такую систему наблюдать, формализовать, объяснять и изменять.

Начнём с первой части — «Человек, интерфейс, мир: когнитивные основания».

Не стрим онлайн, просто запись: я выложу на следующей неделе. Лайк, шер, репост приветствуются. :)
Если очень хочется предложить тему, написать вопрос или задать реплику - комментарии открыты, с радостью добавим в адженду

Словарь юного HCI

Автоматизационное искажение (automation bias) — это склонность людей отдавать предпочтение рекомендациям автоматизированных систем поддержки принятия решений и игнорировать противоречащую им информацию, полученную без участия автоматизации, даже если она верна. Это искажение берёт начало в литературе по социальной психологии, где было обнаружено смещение в межличностном взаимодействии: люди дают более положительную оценку решениям, принятым другими людьми, чем нейтральному объекту. Аналогичное позитивное смещение было выявлено и во взаимодействии человека с автоматизированными системами, где автоматизированные решения оцениваются более позитивно, чем нейтральные.

Этот вид искажения становится всё более серьёзной проблемой при принятии решений, поскольку отделения интенсивной терапии, атомные электростанции и кабины пилотов самолётов всё активнее внедряют компьютеризированные системы мониторинга и средства поддержки принятия решений, чтобы по возможности исключить человеческую ошибку. Ошибки, связанные с автоматизационным искажением, как правило, возникают тогда, когда принятие решений зависит от компьютеров или иных автоматизированных средств, а человек выполняет роль наблюдателя, сохраняя при этом возможность принимать решения.

Примеры такого искажения варьируются от серьёзных ситуаций — например, управления самолётом на автопилоте — до вполне обыденных, таких как использование программ проверки орфографии.

https://en.wikipedia.org/wiki/Automation_bias

https://thedecisionlab.com/biases/automation-bias

Странные интерфейсы

Как думаете что это?

А это швейная машинка 1885 года, которая спрятана в чучело лесной белки. В конце XIX века все мебельные гарнитуры были очень «постные», и туда начали включать первые предметы, связанные с промышленной революцией.

• Двигатель находится внутри тела милого зверька.
• Стержень иглы проходит через головку.
• Одна из передних лап направляет нить.
• Другая передняя лапка удерживает ткань во время шитья .
• Кончик хвоста образует опору для удержания катушки ниток.

Изображение взято из книги The Sewing Machine: Its Invention & Development

Национальный дизайн и национальный UX

Новое изобретение аспирантов из Японии - проект из области эстетики. Создание механизмов для пузырей и пены для чайной церемонии

Чайная церемония, известная в Японии как садо, — это культурная практика, в которой впечатление формируется благодаря сочетанию тонких элементов: обстановки чайной комнаты, утвари, телесных ритуалов и мельчайших нюансов света и звука. Поэтому дополнение пространства чайной церемонии информацией требует встраивания через едва заметные изменения окружения, сохраняющие мировоззрение ритуала, а не явных наложений или экранных дисплеев. В этой работе мы предлагаем метод амбиентного (фонового) дополнения в контексте чайной церемонии посредством локальной модуляции чайной пены с помощью электролиза. Мы построили прототип и подтвердили, что он способен изменять форму поверхности чая с помощью пены примерно за 30 секунд. В качестве примера применения мы реализовали семисегментный индикатор на основе пены и продемонстрировали отображение цифр и букв.

Этот временной масштаб важен для встраивания изменения в пространство как амбиентного сигнала, который участники могут воспринимать как «ощущение присутствия», а не как явный дисплей. В контексте чайной церемонии смысл обстановки формируется через восприятие и интерпретацию мельчайших деталей; таким образом, если подача информации слишком быстрая и становится чрезмерно заметной, это может нарушить непрерывность переживания. Скорость появления пены может служить проектным параметром, формирующим не только разборчивость подаваемой информации, но и её соответствие темпу ритуала и ощущению погружённости
https://dl.acm.org/doi/10.1145/3802974.3809442

Имя «сильсиле» (сильсиле = цепь/родословная, имя = книга/свиток) представляет собой мифическое происхождение султана в Османской империи, подобно часто вымышленным генеалогическим древам европейских монархов и императоров, которые служили для легитимизации правления султана.

Имя «сильсиле» принципиально отличалось от «шечере» (шечере = дерево на арабском и тюркском языках) или «соягаджи». Генеалогическое древо (şecere/soyağacı) описывало истинные родословные семей и племен либо в виде древовидной структуры, либо в виде круговых и спиральных узоров. Генеалогические древа (silsilenames) отражали хронологическую и даже духовную передачу власти и авторитета султану через предыдущих хозяев, учителей, халифов, пророков, начиная с пророка Мухаммеда, Ноя и Адама (османцы утверждали, что их династия произошла от Иафета, сына Ноя). Это не исключает того, что реальные биологические предки и родственники султана также фигурируют в генеалогическом древе.

Существует три типа генеалогических древ. Первый — относительно редкий изобразительный (поскольку ислам в целом был аниконистским, он запрещал изобразительное представление), второй — геометрический (обычно круговой), и третий — каллиграфический (в форме медальона). Цвета имели особое значение.

Вспоминается проект с родословными математиков - где показано кто у кого учился https://www.mathgenealogy.org/

Я это к чему: на самом деле, есть огромное число авторов, которые не сводимы, гораздо более интересны и полезны, чем сомнительный Якоб Нильсен или бронзовый Дональд Норман.

Но многие не готовы к этому разговору

Что такое современный HCI? Что такое современный UX?

С точки зрения объекта исследований, задач, проблем и проектирования есть целая совокупность проблем, обсуждений, тредов и барьеров, которые являются актуальными. Попробуем разобраться и отрисовать интерактивную карту среза современного human-computer interaction.

В этом нам поможет специальная группа исследователей — международная ассоциация SIGCHI (Special Interest Group on Computer-Human Interaction), аффилированная с Ассоциацией по вычислительной технике (Association for Computing Machinery — ACM). ACM — это международная некоммерческая профессиональная ассоциация исследователей в области компьютерных наук, основанная в 1947 году.

Интересна эта ассоциация ещё и списком наград, которые вручаются ежегодно в разных номинациях — и академическим, и корпоративным исследователям в разных дисциплинах.
Почему я регулярно отслеживаю публикации и смотрю, что делают? Есть награды в разных категориях: за выслугу лет, за корпоративную инновацию/изобретение, за академическую статью, за социальный вклад для активистов, за медицинские инновации, за лучшую диссертацию аспиранта со свежими идеями.

Это создаёт достаточно хороший пример гетерогенности креативного ландшафта и демонстрирует синергию бизнес-исследователей и академии, ну и в целом интересный срез, который, конечно, не настолько репрезентативен, как библиография, вебометрика публикаций или индексы цитирования, но тем интереснее. Кроме того, это ещё и реальные дизайнеры — то есть те, кто буквально что-то проектирует.

Я собрал с помощью ИИ таблицу победителей прошлых лет и выделил темы работ/публикаций, премию и сферу интересов в исследованиях. Отдельно я выделил ссылки на Google Scholar и личные страницы в LinkedIn/Twitter или персональный сайт (если есть), аффиляцию с организацией и так далее.

Выглядит вот так:

https://lilalogos.github.io/SIGHCI/ 

Какие самые яркие работы можно назвать? Что стоит выделить? Есть смешные и яркие работы

Висенте Арройос: солнечные оригами-роботы, которые меняют форму в воздухе; бесбатарейный микроробот Millimobile, причем, я как понял еще и дроны - актуальная тема в свете новых событий политических

Дизайн с вагинальным микробиомом и с гниением как «распадом» вещи(хочется пошутить про Нургла, простите). Надя Кампо Войтук и Джуён Пак: Tactful feminist sensing: designing for touching vaginal fluids; A Plurality of More-than-Humanness: Feminist Speculations for Designing with the Vaginal Microbiome; Making "Menarche Bits"; Biodegradation as more-than-human unmaking  https://nadiacw.com/tactful-feminist-sensing 

Джон Фрёлих: Flowers or a robot army? Исследование на тему, что лучше мотивирует двигаться: цветы на экране или армия роботов. https://www.pensivepuffin.com/dwmcphd/papers/Consolvo.et.al.UbiComp08.pdf 

Венди Джу: Ghost driver — в машине без водителя сидит человек под костюмом «призрака», чтобы смотреть, как пешеходы ведут себя с беспилотником. С фотографиями прохожих
https://www.wendyju.com/publications/RO-MAN2016-Rothenbucher.pdf 

Но есть и очень актуальные: Алексис Хиникер: Communication breakdowns between families and Alexa — семейные ссоры с колонкой. 
https://faculty.washington.edu/alexisr/commBreakdowns.pdf