Aurora ལས་འགན་གཙོ་བོ། ཁ་པར་ AP by Ping Chen is a highly esteemed winner of the very prestigious 2026 A' Design Award ལྕགས་ཀྱི་བྱ་དགའ in ལག་ཐོག་ཐབས་རིག་དང་མཉེན་ཆས་བཟོ་བཀོད། Competition Category.
ལྕགསལག་ཐོག· 2026
Aurora ལས་འགན་གཙོ་བོ། ཁ་པར་ AP
by Ping Chen
Client: Aurora
A' Design Award ལྕགས་ཀྱི་བྱ་དགའ Winner in ལག་ཐོག Category
Verified Award Winner
Verify Award Status for #182515The Design
About Aurora ལས་འགན་གཙོ་བོ། ཁ་པར་ AP
དཔེ་དེབ་ཡི་གེ། Aurora ནི་སེམས་ཁམས་འཐུས་ཤོར་ (Adhd) ཡོད་པའི་མི་རྣམས་ལ་རོལ་དབྱངས་ལ་བརྟེན་པའི་འབྲེལ་ལམ་བརྒྱུད་ནས་སེམས་ཚོར་གྱི་སྟངས་འཛིན་ལ་རྒྱབ་སྐྱོར་བྱེད་པའི་ཁ་པར་ AP ཞིག་ཡིན། ངོས་པར་འདིས་གནས་སྟངས་མཐུན་པའི་གཞས་ཐོ་བཟོ་སྐྲུན་དང་། སེམས་ཁམས་སྣ་མང་གི་ཉིན་ཐོ། ཉིན་རེའི་སྲོལ་ལུགས་མདོར་བསྡུས་བཅས་མཉམ་སྦྱོར་བྱས་ཡོད། ཉིན་ཐོའི་ནང་འཇུག་རེ་རེས་ད་ལྟའི་གཞས་དང་སེམས་ཁམས་ཀྱི་ཤུགས་ཚད་འགུལ་སྒུལ་ལྕགས་ཐག་དང་འགྲེལ་བཤད་ཐུང་ངུ་ཞིག་འབྲེལ་མཐུད་བྱེད། འཕེལ་འགྲོས་མཐོང་སྣང་གིས་རོལ་དབྱངས་ཀྱིས་སེམས་གཏད་ཡར་རྒྱས་སུ་བཏང་བའམ་སེམས་ཁྲལ་མར་ཕབ་པའི་གལ་ཆེའི་སྐབས་རྣམས་མཚོན་པར་བྱེད། ཀ་ཁ་མཐུན་སྦྱོར་གྱི་མཐོང་སྣང་སྒྲིག་ལུགས་ཀྱིས་གཞས་ཉན་སྐབས་འགུལ་སྒུལ་འཇམ་པོའི་བརྡ་མཚོན་སྤྲོད་ནས་སེམས་གཞི་བརྟན་པར་རྒྱབ་སྐྱོར་བྱེད།
The Recognition
About the A' Design Award ལྕགས་ཀྱི་བྱ་དགའ
Aurora ལས་འགན་གཙོ་བོ། ཁ་པར་ AP ནི་ A' Design Award ལྕགས་ཀྱི་བྱ་དགའི་ཐོབ་པ་པོ་ཡིན། དེ་ནི་ལེགས་པར་བཀོད་པའི་ལས་ཁུངས་ནས་རེ་བ་བྱེད་པའི་ཆེད་ལས་དང་ལས་རྩལ་གྱི་དགོས་མཁོ་སྒྲུབ་པའི་ཌི་ཟའི་ན་ལེགས་པ་རྣམས་ལ་སྤྲོད་པའི་ངོས་འཛིན་གཟེངས་ཆེ་བ་ཞིག་ཡིན། ལྕགས་ཀྱི་བྱ་དགའ་ཐོབ་མཁན་ཚོས་བཟོ་བྱེད་ཀྱི་ཤེས་ཡོན་ཆེན་པོ། ཁྱད་ཆོས་མཐོ་བ། ཁྱད་པར་ཤེས་རྟོགས་དང་གསར་གཏོད་ནུས་པ་སྟོན། Aurora ལས་འགན་གཙོ་བོ། ཁ་པར་ AP ནི་རིན་ཐང་ཆེན་པོ་ཅན། བསྟོད་པ་ཐོབ་པ་དང་བརྩེ་བའི་ལག་ལེན་ཅན་དང་གསར་གཏོད་ཅན་གྱི་གསར་སྐྲུན་ཡིན་པར་རེ། A' Design Award ལྕགས་ཀྱི་བྱ་དགའ་ཐོབ་པའི་ཌི་ཟའི་ན་འདིས་ལས་རིགས་ཀྱི་ལག་ལེན་བཟང་ཤོས་ཟླ་སྒྲིལ་ཞིང་ཤེས་ཡོན་དང་སྐྱེས་ཁྱད་དང་འབྲེལ་བའི་ལག་རྩལ་གྱི་ཁྱད་ཆོས་འོས་ལྡན་ཡོད། Aurora ལས་འགན་གཙོ་བོ། ཁ་པར་ AP ནི་ཁྱད་ཆོས་ཆུང་ཆུང་ལ་ཡིད་ཁུར་བས་བཀུར་སྟི་ཐོབ་ཅིང་འཛམ་གླིང་ལེགས་པར་བྱེད་པ་ལ་རོགས་པའི་འཚོ་བའི་ཚད་ལེགས་པར་བྱེད་པ་འབུལ་བའི་ཆེད་དུ་བཀོད།
Behind the Design
Press Kit
Credits, team members and technical details provided by the designer.
- Unique Properties
- Aurora is a music-based emotional support app for people with ADHD. Unlike traditional music platforms that recommend by genre or history, Aurora learns from users' mood journals to generate state-matched playlists, highlight moments when music helped, and reveal daily regulation patterns. Rhythm-synced visuals add gentle grounding during listening. The result is a low-effort tool that turns everyday songs into long-term self-regulation habits for wellbeing support.
- Dimensions & Packaging
- Platform: Mobile app (iOS and Android concept). Core inputs: current track metadata, time stamp, multi-mood intensity sliders, and short text notes. Core outputs: state-matched playlists, daily mood pattern summaries, highlighted key moments, and rhythm-synced visual modes. Data model links each journal entry to a song and a time period to support calendar navigation and trend views. Visual modes include multiple selectable patterns designed for low stimulation.
- Tags
- ADHD support, emotional regulation, mood based playlists, music journaling, rhythm synced visuals, neurodiverse wellness, focus support, calm support, behavior design
- Production Technology
- Aurora is designed as a mobile app concept with interactive prototypes. The experience is structured around three modules: playlist generation, mood journaling, and visual listening mode. Mood inputs are captured with multi-dimensional sliders and saved as time-stamped entries linked to the current music track. The app then summarizes entries into daily patterns and generates state-matched playlists based on past mood and listening records. Rhythm-synced visuals are designed to respond to BPM and audio energy.
- Design Challenge
- The main challenge was designing for mixed emotional states without adding cognitive load. Many mood trackers force a single label, while detailed journaling can feel too demanding for ADHD users. This was addressed by using a small set of mood dimensions with quick sliders, blended visual cues to reflect mixed states, and an insight-first trend view that highlights only the most meaningful moments instead of showing every entry.
- Research
- Research Objectives: Understand how people with ADHD use music to manage focus and mood.
Methodology: Semi structured interviews and concept testing. Data Collection and Research Tools Used: Interview notes, affinity mapping, storyboard and UI prototypes.
Participants: 10 adults with ADHD. Results: Music helps regulation but playlists rarely match the moment and helpful tracks are hard to recall.
Insights and Impacts: Led to mood logging, pattern highlights, and state matched playlists. Effect of the Research in Real-Life Phenomena such as Business, Society and Design Itself: Supports neurodiverse wellbeing and reframes music as intentional support. - Inspiration
- After interviewing 10 people with ADHD, I saw a repeated pattern: music helps them focus or calm down, but generic playlists rarely match the moment, and it is hard to remember what worked later. This gap inspired Aurora. I combined mood journaling, pattern insights, and rhythm-synced visuals to turn listening into a repeatable self-regulation tool.
- Project Duration
- Aurora was designed over approximately 8 weeks in the United States (Boston, MA). Work included user interviews, synthesis, concept development, wireframing, and high-fidelity UI prototyping.
- Operation Flow
- Users listen to music, then log a quick moment: what they are listening to, how they feel across a few mood sliders, and a short note. Aurora turns these moments into state matched playlists and a daily trend view that highlights when music helped stabilize focus or calm. A visual mode adds gentle rhythm synced motion during listening to support grounding and reduce overstimulation.
- Patents
- Copyrights belong to Ping Chen, 2025.
- Team Members
- Ping Chen
Haowei Zang
Sponsored
Explore Beyond Designers.org
Discover products, services and opportunities from our advertising partners.
More to Explore
Related Designs
Explore more award-winning designs from the same category, selected by merit.
