MétaCan
Menu
Retour à la cohorte
Enregistrement W2030802767 · doi:10.3390/technologies1010003

Social Robots, Brain Machine Interfaces and Neuro/Cognitive Enhancers: Three Emerging Science and Technology Products through the Lens of Technology Acceptance Theories, Models and Frameworks

2013· article· en· W2030802767 sur OpenAlexafffund
Gregor Wolbring, Lucy Diep, Sophya Yumakulov, Natalie Ball, Dean Yergens

Notice bibliographique

RevueTechnologies · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTechnology acceptance modelCognitionTheory of reasoned actionTheory of planned behaviorProduct (mathematics)Computer scienceArtificial intelligenceSocial cognitive theoryUnified theory of acceptance and use of technologyPsychologyCognitive scienceHuman–computer interactionSocial influenceSocial psychologyUsabilityMathematics

Résumé

récupéré en direct d'OpenAlex

Social robotics, brain machine interfaces and neuro and cognitive enhancement products are three emerging science and technology products with wide-reaching impact for disabled and non-disabled people. Acceptance of ideas and products depend on multiple parameters and many models have been developed to predict product acceptance. We investigated which frequently employed technology acceptance models (consumer theory, innovation diffusion model, theory of reasoned action, theory of planned behaviour, social cognitive theory, self-determination theory, technology of acceptance model, Unified Theory of Acceptance and Use of Technology UTAUT and UTAUT2) are employed in the social robotics, brain machine interfaces and neuro and cognitive enhancement product literature and which of the core measures used in the technology acceptance models are implicit or explicit engaged with in the literature.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,008
Communication savante0,0070,009
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
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 Opus0,030
Tête enseignante GPT0,294
Écart entre enseignants0,264 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTechnologiesMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207