MétaCan
Menu
Retour à la cohorte
Enregistrement W1992314515 · doi:10.2190/ea53-b0ar-c1q3-3t20

Usability of Interactive Computers in Exhibitions: Designing Knowledgeable Information for Visitors

2003· article· en· W1992314515 sur OpenAlexaffabout
Roxane Bernier

Notice bibliographique

RevueJournal of Educational Computing Research · 2003
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésExhibitionPresentation (obstetrics)Computer scienceUsabilityInterface (matter)MultimediaWorld Wide WebDisseminationCasualHuman–computer interactionAmateurUser interfaceVisual arts

Résumé

récupéré en direct d'OpenAlex

This article investigates three types of content presentation (video documentary, computerized dictionary, and games) within interactive computer use at the Quebec Museum of Civilization. The visitors' viewpoint is particularly relevant for interface designing outcomes, since they argued that terminals require specific content display for disseminating information in the museum. We have identified five factors: 1) effortless knowledge; 2) sorted navigational paths; 3) exhaustiveness of topics; 4) combined audio and video media as first means; and 5) the quiz as a primary source of presentation. As first insight, terminals in exhibitions are perceived as multipurpose tools giving direct access to a wider selection of content, although it was shown that computer literate individuals have experienced problems to gain information, because of the content presentation and ergonomics. In addition, the commands provided did not properly assist visitors. Exhibit interface designers should build a “generic model interface” that best corresponds to the know-how of casual users, in order to avoid an arbitrary perusal of contents.

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)0,009
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 enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,102
Tête enseignante GPT0,495
Écart entre enseignants0,394 · 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
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Educational Computing ResearchMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207