MétaCan
Menu
Retour à la cohorte
Enregistrement W2104254968 · doi:10.1177/1541931214581181

An Empirical Model of Cultural Factors on Trust in Automation

2014· article· en· W2104254968 sur OpenAlexaff
Shih‐Yi Chien, Michael Lewis, Zhaleh Semnani‐Azad, Katia Sycara

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésExpectancy theoryPsychologyContext (archaeology)Transparency (behavior)AutomationSocial psychologyAffect (linguistics)Exploratory factor analysisProcess (computing)Knowledge managementApplied psychologyComputer sciencePsychometricsDevelopmental psychologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Trust is conceived to be an important factor mediating an individual’s reliance on automation. Studies have shown individual and cultural differences as well as tasking context significantly affect an individual’s development of trust behaviors. This paper reports preliminary progress in developing a psychometrically grounded subjective measure of trust in automation. A total of 110 items from 8 existing instruments were considered for inclusion in this instrument using Amazon Mechanical Turk to supply samples. Exploratory factor analysis was performed to determine the dimensionality of the data, with 42 items selected for continued refinement. Our proposed model comprises 3 main constructs (performance expectancy, process transparency, and purpose influence) along with 3 types of moderators (cultural-technological contexts, individual, and cultural differences).

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)0,000
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 enseignants0,216
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,337
Écart entre enseignants0,297 · 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

Citations18
Publié2014
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