MétaCan
Menu
Retour à la cohorte
Enregistrement W2175156412 · doi:10.17411/jacces.v5i2.105

Understanding the barriers: Grocery stores and visually impaired shoppers

2015· article· en· W2175156412 sur OpenAlexaffabout
Doaa Khattab, Julie Buelow, Donna Marie Saccuteli

Notice bibliographique

RevueRACO (Revistes Catalanes amb Accés Obert) (Consorci de Serveis Universitaris de Catalunya) · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensOntario College of Art and Design
Organismes subventionnairesnon disponible
Mots-clésLegislationBusinessGrocery storeAdvertisingMarketingVisually impairedInternet privacyComputer scienceHuman–computer interactionPolitical science

Résumé

récupéré en direct d'OpenAlex

The Accessibility for Ontarians with Disabilities Act, 2005 (AODA) is legislation that aims toward having complete accessibility within the province of Ontario by the year 2025. The accessible built environment is one of the key areas covered by the legislation; therefore, grocery stores, as part of the built environment, should be designed to accommodate shoppers with different abilities. Grocery stores include many different zones and services with the aisles area being one of the main barriers to access for people with impaired vision. This area features many different sections such as canned goods, dry packaged goods, spices, drinks and snacks, baking supplies, baby items, cereals, cleaning products, pet supplies, and health and beauty items. For visually impaired individuals, however, it can be hard to reach these various sections and to find the relevant products. The purpose of this paper is to present a study that sought to understand the barriers that shoppers with vision impairment (VI) face in the grocery store`s built environment. The research approach was based on the application of the ethnography method, Think-aloud Protocol (TAP), Interviews, and behavioural mapping method.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,082
Tête enseignante GPT0,292
Écart entre enseignants0,210 · 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'étudeQualitatif
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

Citations6
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRACO (Revistes Catalanes amb Accés Obert) (Consorci de Serveis Universitaris de Catalunya)Même sujetUrban Transport and AccessibilityTravaux en français237 207