MétaCan
Menu
Retour à la cohorte
Enregistrement W2144234461 · doi:10.1115/detc2007-35887

A Novel Approach to Quantifying Designer’s Mental Stress in the Conceptual Design Process

2007· article· en· W2144234461 sur OpenAlexaff
Shan Zhu, Shengji Yao, Yong Zeng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceConceptual designProcess (computing)Design processDesign languageEngineering design processHuman–computer interactionWork in processEngineeringProgramming language

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to quantify designer’s mental stress during the conceptual design process. Quantifying the designer’s mental stress would assist the effort of understanding the designer’s creative and innovative process. In this paper, Recursive Object Modelling (ROM) is used as a formal tool to represent the designer’s mental state in each step of the conceptual design process. During the conceptual design process, designers usually describe the design states using natural language, combined with sketches. The description based on natural language will be transformed into ROM diagram through the lexical, syntactic, and structure analysis. A cognitive experiment, which is to design a new litter-disposal system in a passenger compartment located in the trains of NS (Dutch Railways), is built to study designer’s thinking process. ROM is used to analyze and quantify the designer’s mental stress based on the protocol data collected in the experiment. The validation through the cognitive experiment shows that ROM is an efficient design evaluation methodology, which reflects the nature and the characteristics of the design process. The designer’s mental stress presents dynamic, nonlinear, and spiral trend.

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)0,007
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,028
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,162
Tête enseignante GPT0,346
Écart entre enseignants0,184 · 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'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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207