Effect of Brightness of Assisted Target Detection Cues in a Simulated Search and Rescue Task
Notice bibliographique
Résumé
Assisted target detection (ATD) systems are designed to direct the user's attention to relevant areas of the display, but the majority of the research into the use of such systems does not consider the design of the cue itself. Within a search and rescue (SAR) context, there is a possibility that cues designed to facilitate effective search could in fact distract a SAR operator's search of the terrain, reducing the probability of locating a crashed aircraft. In order to determine if salience matters in the design of an ATD system for video-based sensor systems, it is important to study the impact of highly salient cues on visual search. In a previous experiment where the saliency of a cue was varied using different levels of cue brightness in a search task with static imagery, it was found that the more salient cues produced faster response times without any detrimental effects on accuracy. In the present experiment we used dynamic imagery from a SAR simulator. We found that cues of different brightness improved the sensitivity (d') of participants when compared to conditions in which no cues were available, but there was no evidence of any differences between the different levels of cue brightness. These findings suggest that cue brightness may not influence the salience of cues as much as one might expect in the context of a full-motion simulation. Other visual dimensions such as visual onsets or colour may potentially play a larger role in determining the saliency of ATD system cues when used in a task involving motion such as SAR.
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 | 0,000 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».