MétaCan
Menu
Retour à la cohorte
Enregistrement W2050117899 · doi:10.1177/154193120605002221

Using Glance Behaviour to Evaluate ACC Driver Controls in a Driving Simulator

2006· article· en· W2050117899 sur OpenAlexfundno aff
Laura Thompson, Marcus Tönnis, Christian Lange

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDriving simulatorCruise controlDashboardTask (project management)SimulationSteering wheelDriving simulationInterface (matter)Computer scienceVirtual realityElectronic speed controlControl (management)Track (disk drive)Human–computer interactionEngineeringAutomotive engineeringArtificial intelligenceOperating system

Résumé

récupéré en direct d'OpenAlex

This paper examines the glance behaviour of drivers while interacting with two different driver-vehicle interface concepts for an Adaptive Cruise Control (ACC) system. With the integrated concept, the speed and following distance controls were located on the steering wheel whereas with the divided concept the speed control was moved to the dashboard. A virtual Head-Up Display (HUD) was used to show the ACC settings and current speed. Twelve subjects (19 to 53 years old) drove a rural road course in a fixed-base driving simulator while being verbally instructed to adjust the speed and/or following distance of the ACC system. Dividing the controls between the steering wheel and dashboard caused significantly larger mean and maximum glance times and a lower glance frequency to the displays and controls. The percent glance time “off-road” furthermore increased significantly during task completion. Other significant results were observed between the task type and task length.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,331
Écart entre enseignants0,302 · 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 tête enseignante, 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

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207