Why Does Dilbert, the Far Side, and other Cartoons Convey Essential Truths about Human Factors and Ergonomics?
Notice bibliographique
Résumé
The purpose of this panel session is to explore how cartoons have been used to teach and discuss essential truths about human factors and ergonomics. Naturally, we hope to have fun too. Human factors and ergonomics is often much too serious. Educators and non-educators alike should enjoy the material. Numerous philosophical and practical issues are likely to emerge as the session evolves. The audience, we hope, will be an active participant in the laughter and discussion. Each panelist has been invited to open their lecture files and share their favorite cartoons about a variety of topics such as office ergonomics (see, e.g., Dilbert), aviation displays and controls (see, e.g., the Far Side), industrial ergonomics, human-computer interaction, information design, human error, transportation human factors, medical systems, and so forth. Each panelist brings a unique research and experiential perspective to the panel. For example, a variety of nationalities including the U.K., Canada, Australia, and the U.S. are represented. In addition, panelists will be invited to discuss a number of deeper issues. Are cartoons a useful teaching tool? Can a quiet class be roused from their slumber by the use of visual humor? Is there a best way to introduce or use a cartoon in a lecture? What copyright issues surround the use of cartoons for educational use? Why do we laugh (or cry) at cartoons that succinctly capture poor design in human factors and ergonomics? Can the sting of a poor design evaluation be moderated by the use of humor?
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».