MétaCan
Menu
Retour à la cohorte
Enregistrement W2160062293 · doi:10.1002/meet.14504201233

Engagement as process in human‐computer interactions

2005· article· en· W2160062293 sur OpenAlexafffund
Heather L. O’Brien, Elaine G. Toms

Notice bibliographique

RevueProceedings of the American Society for Information Science and Technology · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUsabilityHuman–computer interactionConstruct (python library)Process (computing)Computer scienceInterface (matter)User interfaceUser engagementWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract Recently there has been an increased emphasis on holistic user experiences in human‐computer interactions. Interface design is moving beyond usability, aiming to be aesthetically pleasing, emotionally appealing, and engaging. The term engagement is frequently mentioned in the literature as a goal of interface design, yet the construct remains abstract and ill‐defined. The well‐established frameworks of Flow Theory, Play Theory, and Aesthetic Theory provide a foundation in which to ground engagement and to begin to explore the attributes that must be present in engaging design. We conceptualize engagement as a process rather than a single instance. Our proposed model views engaging interactions as being comprised of three distinct stages: the user must become engaged, sustain the engagement, and eventually disengage from the system. Establishing a solid framework for engagement will enable us to operationally define the term and to develop techniques and instruments for measuring it. Without a rich, theoretical understanding of what constitutes engaging interactions between users and computer interfaces, we cannot ensure that design practices are truly engaging; user's experience with computer‐mediated environments must involve the user cognitively, behaviorally, and affectively.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil0,542

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,001
Communication savante0,0000,005
Science ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,318
Écart entre enseignants0,302 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Society for Information Science and TechnologyMême sujetInnovative Human-Technology InteractionTravaux en français237 207