MétaCan
Menu
Retour à la cohorte
Enregistrement W179866884 · doi:10.5555/2393536.2393547

Understanding NUI-supported nomadic social places in a Brazilian health care facility

2012· article· en· W179866884 sur OpenAlexaff
Roberto Calderon, Sidney Fels, Jônatas Leite de Oliveira, Junia Anacleto

Notice bibliographique

RevueHuman Factors in Computing Systems · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSeriousnessConversationEthnographyWork (physics)SociologyPublic relationsHealth careNursingPsychologyInternet privacyComputer scienceMedicinePolitical scienceCommunicationEngineering

Résumé

récupéré en direct d'OpenAlex

We use the concept of third place as a lens to understand and catalogue the natural socializing practices of Brazilians within a chronic care hospital setting in order to understand natural practices that can be used on the design of NUI technologies to support Brazilian sociability and communities. Third places, as introduced by Oldenburg, are places that lie in-between the seriousness of work and the privateness of home, where social links are exercised through inclusive and playful conversation. We performed an ethnographic study with a community of Brazilian health care professionals at a chronic care hospital. We observed that daily socializing, through constant playful conversation creates a sense of togetherness that appears essential for problem solving and leads to more efficient work groups. We found that third places within the studied community happen as serendipitous gatherings where personal and work stories are exchanged. These gatherings occur in unexpected places and are nomadic in nature, thus, the third place location is fluid. NUIs and other ICTs can promote these gatherings by creating informational hubs where people can come together to acquire, discuss and share information.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,007
Communication savante0,0040,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,137
Tête enseignante GPT0,350
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Factors in Computing SystemsMême sujetInnovative Human-Technology InteractionTravaux en français237 207