MétaCan
Menu
Retour à la cohorte
Enregistrement W2296428810 · doi:10.1080/0144929x.2015.1046927

StencilMaps and EphemeralMaps: spatially stable interfaces that highlight command subsets

2015· article· en· W2296428810 sur OpenAlexaff
Joey Scarr, Carl Gutwin, Andy Cockburn, Andrea Bunt

Notice bibliographique

RevueBehaviour and Information Technology · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensUniversity of ManitobaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésHuman–computer interactionComputer science

Résumé

récupéré en direct d'OpenAlex

Identifying a target command can be difficult and time-consuming when the user is unfamiliar with a software system. One technique for assisting command identification is to provide a subset interface that contains only a limited set of the system's capabilities. We examine the design of subset interfaces, showing that subsets can be presented separately to the full user interface (UI) (e.g. in a palette) or in place, with in-place methods using either static or dynamic methods to identify the subset. We introduce the StencilMap and EphemeralMap as in-place subset UIs that, respectively, use static and dynamic highlighting. Both StencilMaps and EphemeralMaps make all of an application's commands concurrently available for selection within a grid. To highlight subset items StencilMaps use a static dark semi-transparent ‘stencil’ overlay to de-emphasise all but the subset items; EphemeralMaps, in contrast, use a short delay, with subset items shown immediately, and other items gradually faded in. A first experiment compares user performance with the in-place presentation of StencilMaps against that of the separate presentation of a subset palette. Results confirm the predicted spatial memory benefits for StencilMaps. A second experiment analyses the performance impact of three approaches to highlighting: none, static highlighting in StencilMaps, and dynamic highlighting in EphemeralMaps. Results show an interesting trade-off – while highlighting can offer benefits in assisting rapid target identification (particularly when the user is unfamiliar with the interface layout), there can also be longer-term performance benefits when highlighting is absent because the increased difficulty of visual search promotes the use and formation of spatial memory.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,029
Tête enseignante GPT0,234
Écart entre enseignants0,205 · 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'étudeExpérimental (laboratoire)
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'admission1
Résumé présentoui

Explorer davantage

Même revueBehaviour and Information TechnologyMême sujetContext-Aware Activity Recognition SystemsTravaux en français237 207