Notice bibliographique
Résumé
The research in this dissertation developed and evaluated a new method for menuing interaction that is intended to be better suited than current methods with respect to mobile eyes-free scenarios. The earPod prototype was developed and then evaluated in a series of four experiments. In the first two experiments, earPod was first compared against an iPod-like (visual) interface and then against a fuller set of competitive techniques that included dual vs. single modality presentations, audio vs. visual modalities, and radial vs. linear mappings. The third experiment consisted of a longitudinal study designed to understand the learning patterns that occurred with these techniques. The fourth experiment examined performance in a conventional (single task) desktop setting and in a driving simulator (i.e., a dual task situation where participants carried out the driving task while interacting with the mobile device). The results of these experiments, comparing earPod with an iPod-like visual linear menu technique on fixed-sized static menus, indicated that earPod is comparable both in terms of speed and accuracy. Thus it seems likely that earPod should be an effective and efficient eyes-free menu selection technique. The comprehensive 3x2 study implemented in Experiment 2 showed that the benefit of earPod was largely due to the radial menu style design. While performance using it was comparable in both speed and accuracy with the visual linear menus, its performance was slower than for a visual radial style menu. In the multi-task simulated driving condition in Experiment 4, where concurrent tasks competed for visual attention, the eyes-free earPod interface was found to be beneficial in improving performance with respect to the safety related driving parameters of following distance and lateral movement in the lane. Thus auditory feedback appears to mitigate some of the risk associated with menu selection while driving. Overall, the results indicated that not only should earPod menuing be able to provide safer interaction in dual task settings, but also that, with sufficient training, audio only menu selection using innovative techniques such as those employed by earPod can be competitive with visual menuing systems even in desktop settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».