MétaCan
Menu
Retour à la cohorte
Enregistrement W1840464198 · doi:10.2312/compaesth/compaesth07/143-149

Individual Realities: Customizing Aesthetics in Shared Immersive Virtual Environments

2007· article· en· W1840464198 sur OpenAlexaff
David Sprague, Amy A. Gooch

Notice bibliographique

RevueEurographics · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésVirtual realityHuman–computer interactionUsabilityComputer scienceVirtual machineRendering (computer graphics)Perspective (graphical)Virtual worldCave automatic virtual environmentImmersion (mathematics)Instructional simulationMixed realityComputer-mediated realityComputer graphics (images)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Immersive virtual reality systems such as CAVEs and head-mounted displays offer a unique shared environment for collaborations unavailable in the real world. Virtual environments not only provide users with novel interaction and navigation approaches but each person is also generally provided a unique perspective into the virtual world. Provided each participant sees the virtual environment from a unique display, we argue that a group consensus about the world's aesthetics is often unimportant, unlike in the real world. Each user is able to see a unique custom rendering of the virtual world and we predict no negative impact on other participants. Designing for individual aesthetic preferences also provides numerous potential benefits to system usability including better user satisfaction, an increased sense of presence, and improved task performance. These advantages are discussed in detail. We conclude with a brief discussion about potential experiments intended to clarify both the differences between shared and individual virtual environment aesthetics and the impact aesthetic appeal has on virtual reality usability.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurographicsMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207