感性工学は正確な問いを投げます：デザインのどの物理的属性が、どの感じられる印象を生むのか？古典的な道具は SD 法と林の数量化理論で、どちらも手作業では退屈です。Neutropic は一つのメッセージで両方を実行します。スクリーンショットは 60 名が評価した 4 つの椅子デザイン（サンプルデータ）に関する実際のセッションのものです。
ステップ 1 — 評定とデザイン属性を添付する
データファイルには SD 評定（8 対の形容詞、7 点尺度）と、デザインごとに実際に変えられる属性——座面素材、色、肘掛け、背もたれの高さ——が入っています。
text
/analyze chair_semantic_differential.csv holds semantic differential ratings (8 adjective pairs, 7-point) of four chair designs (A-D) by 60 participants, plus each design's attributes (seat_material, color, armrest, backrest_height). Draw the SD profile plot of the four designs and run a Quantification Theory Type I analysis mapping the 'comfortable' and 'luxurious' impressions onto the design attributes.
ステップ 2 — SD プロファイル
プロファイルプロットは 4 つのデザインを同じ 8 本の両極軸に載せるので、どこで分かれるか——暖かい/冷たい、安っぽい/高級、快適/不快——が一目でわかります。
ステップ 3 — 印象からデザイン変数へ
数量化 I 類は各目標印象をカテゴリカルなデザイン属性に回帰し、カテゴリスコアと偏相関を返します：どの素材、どの色、肘掛けの有無が「快適」と「高級」を動かすか——そしてどれだけ。
ステップ 4 — デザインチームに渡せるレポート
レポートはプロファイルの知見、数量化モデル、デザインセットのバランスを——小さなデザインセットが含意する注意点とともに——説明するので、推奨（「メッシュ座面、高い背もたれ、肘掛け付き」）にはその背後の数字が伴います。
こちらもネイティブ
- 属性間のトレードオフのためのコンジョイント分析。
- 根底にある感性次元を復元するための SD 尺度の因子分析。
- 記録があるときに評定の瞬間と揃えた生理的補完——表情、EDA、HRV。
すべての数値が追跡可能
Neutropic の他の場所と同様、図と表はそれを生んだコードとデータを携え、レビューエージェントは推奨がデザインレビューに届く前にモデルの前提を確認します。
