MétaCan
Menu
Retour à la cohorte
Enregistrement W2530427207 · doi:10.1037/xap0000103

Where are you? The effect of uncertainty and its visual representation on location judgments in GPS-like displays.

2016· article· en· W2530427207 sur OpenAlexaff
Mary Hegarty, Alinda Friedman, Alexander P. Boone, Trevor J. Barrett

Notice bibliographique

RevueJournal of Experimental Psychology Applied · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGlyph (data visualization)VisualizationComputer scienceGlobal Positioning SystemTask (project management)Consistency (knowledge bases)Representation (politics)Artificial intelligenceFunction (biology)Data miningStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Two experiments revealed how nonexperts interpret visualizations of positional uncertainty on GPS-like displays and how the visual representation of uncertainty affects their judgments. Participants were shown maps with representations of their current location; locational uncertainty was visualized as either a circle (confidence interval) or a faded glyph (indicating the probability density function directly). When shown a single circle or faded glyph, participants assumed they were located at the center of the uncertain region. In a task that required combining 2 uncertain estimates of their location, the most common strategy-integration-was to take both estimates into account, with more weight given to the more certain estimate. Participants' strategies were not affected by how uncertainty was visualized, but visualization affected the consistency of responses, both within individuals and in relation to models of individual's preferred strategies. The results indicate that nonexperts have an intuitive understanding of uncertainty. Rather than arguing for a particular method of visualizing uncertainty, the data suggest that the best visualization method is task dependent. (PsycINFO Database Record

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,087
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 GPT0,455
Écart entre enseignants0,381 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology AppliedMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207