MétaCan
Menu
Retour à la cohorte
Enregistrement W1760808396 · doi:10.3233/wor-2012-0017-5274

Anticipating needs and designing new items rapidly - a case study for the design of postural aid equipment

2012· article· en· W1760808396 sur OpenAlexaff
Marie-Claude Prévost, Daniel P. Spooner

Notice bibliographique

RevueWork · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueErgonomics and Human Factors
Établissements canadiensCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesnon disponible
Mots-clésTimelineTask (project management)Engineering design processProduct (mathematics)Computer scienceSoftwareProduct designProcess (computing)Software engineeringEngineering managementHuman–computer interactionEngineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

In this case study, designers proactively proposed new product ideas to a client by using an ergonomic approach. This approach differs from a more traditional approach where one works within a specific, clientdefined project. The methodology used included basic ergonomic techniques such as task analysis and information gathering sessions conducted with users. It was adapted so that these enriched user sessions could be conducted within a short time period. After meeting with five users in seven days, designers identified 20 problems that could be tackled and eight design ideas that could be implemented over the short, medium and long term. The ideas encompassed a wide range of potential projects, including physical product improvements, new product lines, Web-site and software improvements and longer term research. Problems identified and ideas generated involved many disciplines including occupational therapy, mechanical engineering, graphical design, software engineering, sales and manufacturing know-how. This wide range was possible because designers were not constrained to specific project scopes and timelines. The client was involved in the idea evaluation process. As a result of this study two new projects were initiated so far.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,264
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorkMême sujetErgonomics and Human FactorsTravaux en français237 207