MétaCan
Menu
Retour à la cohorte
Enregistrement W1967498228 · doi:10.5555/2384470.2384493

Interaction with replicas of small pieces: using complementary technologies to maximize visitors' experience

2009· article· en· W1967498228 sur OpenAlexaff
Pablo Figueroa, Eduardo Londoño, Pierre Boulanger, Flavio Prieto, Mauricio Coral, Juan Borda, Felipe Vega, Diego Restrepo

Notice bibliographique

RevueInternational Conference on Virtual Reality · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStylusComputer scienceArtifact (error)Set (abstract data type)MultimediaThe InternetHaptic technologyHuman–computer interactionSalientInterface (matter)World Wide WebComputer visionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Current technologies for digitizing artifacts allow us to create compelling virtual installations, in which visitors learn about them through playing and exploring virtual proxies. However, different technologies enhance certain types of information and preclude other usages. In this paper, we show how one can create complementary installations in order to enhance the use of available information of small artifacts. Our case study is a set of small gold artifacts at the Gold Museum in Bogota, Colombia. We collected from each piece high-resolution 3D scans at different levels of detail, high resolution images, sound, text, and contextual images. With this information, we created a traditional multimedia installation for the computer room at the Museum, a web site for remote visitors through the Internet, and finally a novel haptic and stereo display interface that allows visitors to touch, observe in stereo, locate themselves inside the Museum, and hear the sound of an artifact when it is struck with a virtual stylus. In this paper, we show how one can develop these experiences and how they complement each other. We will also present an early evaluation of their strengths and weaknesses.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,141
Tête enseignante GPT0,382
Écart entre enseignants0,241 · 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'étudeObservationnel
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Conference on Virtual RealityMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207