MétaCan
Menu
Retour à la cohorte
Enregistrement W2335570229 · doi:10.1177/154193120204601708

Judgments of 3D Bars in Depth

2002· article· en· W2335570229 sur OpenAlexaff
Justin G. Hollands, Heather A. Parker, Andrew Morton

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2002
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésScalingBar (unit)StatisticsMathematicsApproximation errorGeometryApparent SizePhysicsPsychologyCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Twenty participants judged the relative size of two bars portrayed at different locations in a 3D bar graph. Bars were co-located, placed side by side (near adjacent), or the small bar occluded the large (near or far occluded). Error was greater for the far occluded condition and there was greater variability in bias scores. To account for observed error, we proposed a model that distinguishes between cyclical bias commonly observed in proportion judgments and bias resulting from improper size-distance scaling. The model was fit to data, and the results indicated that the absolute value of size-distance scaling parameter γ was greater in the far occluded condition. Inclusion of γ increased R 2 for far and near occluded conditions only. Bar location did not affect cyclical bias. Thus, judgments of the relative sizes of bars in 3D bar graphs showed increased error when the bars were separated, due to inaccurate size-distance scaling.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,028
Tête enseignante GPT0,251
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetData Visualization and AnalyticsTravaux en français237 207