Aurora Funzione primaria: App mobile di Ping Chen

Il progetto Aurora Funzione primaria: App mobile di Ping Chen è un vincitore molto stimato del prestigioso 2026 A' Design Award di Ferro nella categoria Design di Tecnologie Mobili, Applicazioni e Software.

FerroMobile· 2026

Aurora Funzione primaria: App mobile

di Ping Chen

Cliente: Aurora

Vincitore del premio A' Design Award di Ferro nella categoria Mobile

6,542

Vincitore del Premio Verificato

Verifica lo Stato del Premio per #182515

Vedi su A' Design Award Comunicato stampa Badge del premio

Colori

Il Design

Informazioni su Aurora Funzione primaria: App mobile

Aurora è un'app mobile che supporta la regolazione emotiva delle persone con ADHD attraverso l'interazione basata sulla musica. L'interfaccia combina la generazione di playlist abbinate allo stato d'animo, un diario multi-umore e riepiloghi quotidiani degli schemi ricorrenti. Ogni voce del diario collega il brano in riproduzione con cursori per l'intensità dell'umore e una breve nota. La visualizzazione delle tendenze mette in evidenza i momenti chiave in cui la musica ha migliorato la concentrazione o ridotto lo stress. Una modalità visiva sincronizzata con il ritmo offre delicati segnali di movimento durante l'ascolto per favorire il radicamento.

Il Riconoscimento

Informazioni sul A' Design Award di Ferro

Aurora Funzione primaria: App mobile ha vinto l'A' Design Award di Ferro, un riconoscimento prestigioso conferito a buoni design che soddisfano i requisiti professionali e industriali attesi da creazioni ben progettate. I vincitori di Ferro dimostrano la grande abilità, l'elevata specializzazione, la comprensione esperta e la capacità creativa dei loro creatori. Ci si aspetta che Aurora Funzione primaria: App mobile sia una creazione molto apprezzata, ammirata e amata, pratica e innovativa. Questo design vincitore dell'A' Design Award di Ferro integra le migliori pratiche del settore e ha caratteristiche tecniche competenti legate a know-how e talento. Aurora Funzione primaria: App mobile è rispettato per la sua accuratezza ed è progettato per offrire miglioramenti della qualità della vita che aiutano a rendere il mondo un posto migliore.

Dietro il Design

Press Kit

Crediti, membri del team e dettagli tecnici forniti dal designer.

Proprietà Uniche: 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.
Dimensioni e Confezionamento: 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.
Tag: ADHD support, emotional regulation, mood based playlists, music journaling, rhythm synced visuals, neurodiverse wellness, focus support, calm support, behavior design
Tecnologia di Produzione: 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.
Sfida Progettuale: 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.
Ricerca: 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.
Ispirazione: 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.
Durata del Progetto: 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.
Flusso Operativo: 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.
Brevetti: Copyrights belong to Ping Chen, 2025.
Membri del Team: Ping Chen
Haowei Zang