MétaCan
Menu
Retour à la cohorte
Enregistrement W2543660112 · doi:10.1109/gem.2015.7377216

Fluid input devices and fluid dynamics-based human-machine interaction

2015· article· en· W2543660112 sur OpenAlexaff
Steve Mann, Ryan Janzen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAcousticsPickupFluteComputer scienceGuitarInterface (matter)PhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We propose a highly expressive input device having keys that each generate an acoustic sound or similar disturbance when struck, rubbed, or hit in various ways. A separate acoustic pickup is used for each key, and these pickups are connected to a computer having an array of analog inputs. Non-binary, continuous sensitivity allows a smooth ("fluid") range of control. We describe three embodiments of the input device, one that works in each of the 3 states-of-matter: solid, liquid, and gas. These use (respectively) geophones, hydrophones, and microphones as the pickup devices. When used with liquid or gas, the device becomes a fluid-dynamic user-interface, comprising an array of fluid flows that are sensitive to touch. Sounds are produced by a Karman vortex street generated across a separate shedder bar, shedder orifice, or other sound producing device for each finger hole. Data is entered by covering the holes in various ways. This gives highly intricate variations in each keystroke by using a concept we call "finger embouchure", akin to the embouchure expression imparted to a flute by the shape of a player's mouth. We also present the concept of an array of frequency shifters, which we refer to as a shifterbank. The shifterbank helps in providing meaningful audible feedback for the data input, as well as helping in one very specialized form of data entry, namely musical composition.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,338

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 ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,283
Écart entre enseignants0,256 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMusic Technology and Sound StudiesTravaux en français237 207