Auto-Personalization: Theory, Practice and Cross-Platform Implementation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In an increasing digital society, access to information and communication technologies (ICT) is no longer just helpful but has become a necessity. However, the human interfaces appearing on these ICT (and increasingly, even common household products) are beyond of the abilities of many people with disability, digital literacy, or aging related limitations. Access to these ICT is essential to these individuals yet it is not possible to create an interface that is usable by all. This paper introduces a new approach to auto-personalization that is based on the development of the Global Public Inclusive Infrastructure (GPII). The GPII is a new international collaborative effort between users, developers and industry to build a sustainable infrastructure to make access to all digital technologies technically and economically possible, including access by users who are unable to use or understand today’s technologies. Based on a one-size-fits-one approach, the GPII uses auto-adapting mainstream interfaces, and ubiquitous access to assistive technologies when mainstream interfaces cannot adapt enough, to provide each user with the interface they need. The GPII has three main components: a mechanism to allow individuals to easily discover which interface variations they need and then store it in a secure way on a token or in the cloud; a mechanism to allow them to use these stored needs and preferences to automatically adapt the interfaces on the digital technologies they encounter, anywhere and anytime; and a resource for developers (mainstream and assistive technology) providing the information and tools required to develop, disseminate, and support new access solutions more simply, more quickly, and at lower cost.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| 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 découle