MétaCan
Menu
Retour à la cohorte
Enregistrement W2597458491 · doi:10.1145/3051480

More than Meets the Eye

2017· article· en· W2597458491 sur OpenAlexafffundabout
Isabel Pedersen, Nathan Gale, Pejman Mirza-Babaei, Samantha Reid

Notice bibliographique

RevueJournal on Computing and Cultural Heritage · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of Ontario Institute of Technology
Mots-clésInteractivityEmbodied cognitionAugmented realityCultural heritageVisual artsInterface (matter)Computer scienceHuman–computer interactionSpace (punctuation)Virtual realityMultimediaArtComputer graphics (images)ArchaeologyHistoryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Cultural heritage artifacts connect us to past generations and provide links to previous worlds that are beyond our reach. We developed TombSeer, an augmented reality application that aims to immerse the wearer in a museum space engaging two senses (seeing and gesturing) through a holographic heads-up interface that brings virtual, historical artifacts “back to life” through gestural interactivity. This article introduces the TombSeer software prototype and highlights the application of embodied interaction to museum visits using an emerging hardware platform for 3D interactive holographic images (e.g., Meta head-mounted display). This article discusses the TombSeer prototype's development and functionality testing with the Tomb of Kitines exhibit, which was conducted at The Royal Ontario Museum in Toronto, Canada. TombSeer's embodied gestural and visual augmented reality experience functions to aesthetically enhance museum exhibits, cultural heritage sites, and galleries.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,100
Score d'incertitude au seuil0,335

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,006
Communication savante0,0110,012
Science ouverte0,0010,009
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,1000,024

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 Opus0,030
Tête enseignante GPT0,323
Écart entre enseignants0,293 · 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'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

Citations99
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal on Computing and Cultural HeritageMême sujetAugmented Reality ApplicationsTravaux en français237 207