MétaCan
Menu
Retour à la cohorte
Enregistrement W2006292554 · doi:10.1109/mprv.2014.47

Fabricating Bendy: Design and Development of Deformable Prototypes

2014· article· en· W2006292554 sur OpenAlexaff
Jessica Lo, Audrey Girouard

Notice bibliographique

RevueIEEE Pervasive Computing · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueInteractive and Immersive Displays
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLeverage (statistics)Process (computing)FabricationSet (abstract data type)User interfaceHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Deformable user interfaces leverage the physical actions we use intuitively to interact with real objects. It is therefore important to consider a prototype's physical characteristics when conducting research on deformable interactions. To create an authentic product experience, the authors set out to build a prototype that would mimic potential commercialized flexible devices and achieve the realism often lacking in low-fidelity prototypes. In this article, they outline the design and fabrication process to create Bendy, a prototype for studying deformable user interfaces. Their method creates prototypes quickly (one day) and inexpensively (approximately US $70) by using readily available materials. In addition, the process lets other researchers customize physical properties and interaction language to fit their specific purposes. The deformable prototype is composed of three main layers: a flexible plastic, an array of bend sensors connected to a flexible circuit, and a layer of silicone that encloses the sensors and circuit. The authors describe the fabrication process and demonstrate their method with two additional case studies. This article is part of a special issue on fabrication and printing. The Web extra shows the fabrication process, from the circuit design to printing and testing our flexible circuit, to creating the final Bendy prototype and playing Pac-Man using our deformable prototype. The web extra for this article can be found at http://youtu.be/PJ5ee5gAbm8.

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)0,008
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,028
Tête enseignante GPT0,259
Écart entre enseignants0,231 · 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

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Pervasive ComputingMême sujetInteractive and Immersive DisplaysTravaux en français237 207