MétaCan
Menu
Retour à la cohorte
Enregistrement W2474399494 · doi:10.3233/978-1-61499-658-3-397

Feasibility of the Rule-Based Approach to Creating Complex Pictograms

2016· article· en· W2474399494 sur OpenAlexaff
Vineet Fnu

Notice bibliographique

RevueStudies in health technology and informatics · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueSafety Warnings and Signage
Établissements canadiensCancer Care Ontario
Organismes subventionnairesnon disponible
Mots-clésPictogramComprehensionSet (abstract data type)Computer scienceTest (biology)Point (geometry)Natural language processingLinguisticsProgramming languageMathematics

Résumé

récupéré en direct d'OpenAlex

To test the effectiveness of the health pictograms created based on the pictogram composite rules, we created 7 new composite pictograms following the composite rules extracted from the USP pictograms. We then tested their understandability by surveying 42 volunteers recruited at a senior wellness center in San Diego, CA. Lower level of comprehension was observed in all 7 new composite pictograms when compared to the USP pictograms with similar styles. No consistent socio-demographic effect on the comprehension of the pictograms was discerned. The major sources of misinterpretations were (1) misunderstanding the main action depicted in the image, (2) ignoring the conditional information, and (3) making an incorrect semantic association between the main information and the conditional information. Design rules from the validated set of pictograms might serve as the starting point for creating a new health pictogram. However, rigorous validation and revision of the initial design should follow.

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)0,001
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 enseignants0,100
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,141
Tête enseignante GPT0,408
Écart entre enseignants0,266 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetSafety Warnings and SignageTravaux en français237 207