Three methods for identifying novel affordances
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We describe three approaches to identify novel product affordances: affordance of absence; insights from lead users, specifically do-it-yourselfers (DIYers); and natural-language searches. While these approaches were separately pursued, we show their connection to each other in this paper. We begin by describing the affordance of absence, inspired by insights on affordances arising from a lack of resources. For example, in the absence of specialized tools, more general tools are used to accomplish similar tasks. Such absence clarifies how other tools could be modified to add relevant features and identifies critical features of the absent tool. In addition, the temporary removal of physical features and objects enables user interaction in ways that may not emerge in their presence. Affordance of absence has the potential to more fully specify affordances for a given object and to help overcome functional fixedness. For the second approach, we describe insights from DIYers obtained from the “IKEA hackers” online community. We consider DIYers lead users for seeking out and exploiting product affordances, often transforming product functions dramatically. We also discuss their projects through the lens of affordance of absence. For the third approach, we outline our natural-language approach to affordance extraction, beginning with consumer product reviews provided for Canadian Tire, a major Canadian retailer. We describe efforts toward automatically identifying less common affordances, and the use of cue phrases to highlight insightful DIY transformations from the IKEA hackers community. Finally, we comment on the potential value of this work for product design in general.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle