MétaCan
Menu
Retour à la cohorte
Enregistrement W2160776419 · doi:10.1109/re.2011.6051679

In a ubiquitous world requirements are ubiquitous too

2011· article· en· W2160776419 sur OpenAlexaff
Cecilia Mascolo, Michael W. Whalen, Joanne M. Atlee

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAnimal Vocal Communication and Behavior
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésUbiquitous computingComputer scienceContext-aware pervasive systemsHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Summary form only given. The soaring presence of devices that can sense the environment, human activity and social interactions in a ubiquitous fashion, opens the doors to potentially very effective multi-disciplinary research. Battery-powered tiny sensors can be distributed across an area to monitor conditions with very fine granularity. Moreover, mobile phones are powerful sensors that we voluntarily carry throughout our daily life. However, as well as introducing exciting opportunities, these technologies offer many challenges: writing software for these systems is all but obvious due to power, communication and computational constraints as well as to their context dynamicity. In addition, the interactions with the software users (i.e., the non computer scientists “scientists” collaborating in the projects) impose requirements that change the way in which software is conceived, tested and deployed. In this talk I will describe my experience and the lessons learned in two multi-disciplinary projects: collaboration with zoologists for animal monitoring through sensing and with social psychologists for monitoring human interactions through mobile phones. The talk will discuss the ubiquity of requirements when mobile and sensing start being employed.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0090,018
Science ouverte0,0010,006
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0350,016

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 Opus0,094
Tête enseignante GPT0,317
Écart entre enseignants0,223 · 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'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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnimal Vocal Communication and BehaviorTravaux en français237 207