MétaCan
Menu
Retour à la cohorte
Enregistrement W2092591927 · doi:10.1177/1071181312561193

Auto-Personalization: Theory, Practice and Cross-Platform Implementation

2012· article· en· W2092591927 sur OpenAlexaff
Gregg C. Vanderheiden, Jutta Treviranus, José Ángel Martínez Usero, Evangelos Bekiaris, Maria Gemou, Amrish O. Chourasia

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Accessibility for Disabilities
Établissements canadiensOntario College of Art and Design
Organismes subventionnairesNational Institute on Disability and Rehabilitation ResearchEuropean Commission
Mots-clésComputer scienceUSablePersonalizationMainstreamInformation and Communications TechnologyInterface (matter)Resource (disambiguation)User interfaceCloud computingWorld Wide WebHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

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.

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)0,031
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,043
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,017
Communication savante0,0120,020
Science ouverte0,0040,013
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 GPT0,336
Écart entre enseignants0,308 · 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'étudeSimulation ou modélisation
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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetDigital Accessibility for DisabilitiesTravaux en français237 207