People, Places and Things: Leveraging Insights from Distributed Cognition Theory to Enhance the User-Centered Design of Meteorological Information Systems
Notice bibliographique
Résumé
There are many challenges in developing information systems to support information intensive collaborative work such as weather forecasting. The Australian Bureau of Meteorology has instituted the forecast streamlining and enhancement project (FSEP) for its next generation of meteorological information systems (MetIS) and significantly, has recognized the critical importance of grounding new MetIS in a thorough understanding of the weather forecasting process. This poses a major challenge for researchers due to the forecasters' very busy 24/7 deadline-driven working environment and from the fact that critical information requirements arise from the situated, embodied and distributed nature of cognitive interactions between forecasters. \nThis paper explores the utility of distributed cognition (Dcog) theory as one approach to overcome these research challenges and generate insights for the design of the Bureau's next generation of MetIS. At the theoretical level, Dcog theory allows for the capture and validation of design insights through observing cognitive behavior viewed as a system of individuals interacting within their material environment. At the methodological level, the data collection techniques deployed captures the complex socio-technical nature of forecasters' information sharing without interrupting their work. This paper highlights the utility of Dcog theory in sensitizing designers to the cognitive implications of changes to information systems and/or work processes and how the use of Dcog can empower user centered design methodologies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».