MétaCan
Menu
Retour à la cohorte
Enregistrement W2559850250 · doi:10.1186/s41235-016-0032-5

Design of embodied interfaces for engaging spatial cognition

2016· article· en· W2559850250 sur OpenAlexafffund
Paul Clifton, Jack Shen-Kuen Chang, Georgina Yeboah, Alison Doucette, Sanjay Chandrasekharan, Michael A. Nitsche, Timothy N. Welsh, Ali Mazalek

Notice bibliographique

RevueCognitive Research Principles and Implications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensUniversity of TorontoToronto Metropolitan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanada Foundation for InnovationNational Science Foundation
Mots-clésEmbodied cognitionLeverage (statistics)CognitionSpatial cognitionPerspective (graphical)Human–computer interactionComputer scienceCognitive scienceSpace (punctuation)Spatial designPsychologyCognitive psychologyArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Aspects of spatial cognition, specifically spatial skills, are strongly correlated with interest and success in STEM courses and STEM-related professions. Because growth in STEM-related industries is expected to continue for the foreseeable future, it is important to develop evidence-based and theoretically grounded methods and interventions that can help train relevant spatial skills. In this article, we discuss research showing that aspects of spatial cognition are embodied and how these findings and theoretical developments can be used to influence the design of tangible and embodied interfaces (TEIs). TEIs seek to bring interaction with digital content off the screen and into the physical environment. By incorporating physical movement and tangible feedback in digital systems, TEIs can leverage the relationship between the body and spatial cognition to engage, support, or improve spatial skills. We use this knowledge to define a design space for TEIs that engage spatial cognition and illustrate how TEIs that are designed and evaluated from a spatial cognition perspective can expand the design space in ways that contribute to the fields of cognitive science and human computer interaction.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,216
Tête enseignante GPT0,396
Écart entre enseignants0,180 · 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'étudeExpérimental (laboratoire)
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

Citations32
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCognitive Research Principles and ImplicationsMême sujetSpatial Cognition and NavigationTravaux en français237 207