MétaCan
Menu
Retour à la cohorte
Enregistrement W2306629633 · doi:10.5311/josis.0.0.75

Visualizing perceived spatial data quality of 3D objects within virtual globes

2009· article· en· W2306629633 sur OpenAlexaff
Krista Jones, Rodolphe Devillers, Yvan Bédard, Olaf Schroth

Notice bibliographique

RevueJournal of Spatial Information Science · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensUniversité LavalMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésVisualizationComputer scienceMetadataQuality (philosophy)The InternetWorld Wide WebData visualizationInformation retrievalData scienceData mining

Résumé

récupéré en direct d'OpenAlex

Virtual globes (VGs) allow Internet users to view geographic data of heterogeneous quality created by other users. This article presents a new approach for collecting and visualizing information about the perceived quality of 3D data in VGs. It aims at improving users' awareness of the quality of 3D objects. Instead of relying on the existing metadata or on formal accuracy assessments that are often impossible in practice, we propose a crowd-sourced quality recommender system based on the five-star visualization method successful in other types of Web applications. Four alternative five-star visualizations were implemented in a Google Earth-based prototype and tested through a formal user evaluation. These tests helped identifying the most effective method for a 3D environment. Results indicate that while most websites use a visualization approach that shows a ‘number of stars’, this method was the least preferred by participants. Instead, participants ranked the ‘number within a star’ method highest as i...

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)0,012
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,650
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,013
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 Opus0,074
Tête enseignante GPT0,395
Écart entre enseignants0,321 · 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'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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Spatial Information ScienceMême sujetGeographic Information Systems StudiesTravaux en français237 207