MétaCan
Menu
Retour à la cohorte
Enregistrement W2746268185 · doi:10.1145/3121348

Opportunities and challenges for cross-device interactions in the wild

2017· article· en· W2746268185 sur OpenAlexaff
Steven Houben, Nicolai Marquardt, Jo Vermeulen, Clemens Nylandsted Klokmose, Johannes Schöning, Harald Reiterer, Christian Holz

Notice bibliographique

Revueinteractions · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Crowdsensing and Crowdsourcing
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCitationLibrary scienceUniversity campusEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

People are increasingly using multiple computing devices in their daily lives as portals into a shared online information space.We can select devices based on their form factor and affordances to match our task and context of use.Moreover, we are often using multiple devices at once, for example when sharing content, playing games, controlling other devices such as a smart TV, or collaboratively editing and presenting content in a meeting.The seamless use of multiple devices to work toward achieving the same goal is known as cross-device interaction.Cross-device interaction opens up new opportunities for how we interact with digital technology, but it also presents several fundamental challenges.To uncover some of these challenges, problems, and opportunities with cross-device interaction, we organized the well-attended Cross-Surface workshop series (http://www.cross-surface.com/).We discussed how such technologies could be used in the wild, supporting new domains and use cases at ACM Interactive Tabletops and Surfaces (ITS) 2015 [1]; how we could move away from Weiser's vision of ubiquitous devices to a "bring your own device" approach at CHI 2016 [2]; and finally, how space and spatial relations between people and devices could be used to support better device awareness at ACM Interactive Spaces and Surfaces (ISS) 2016 [3].In 1991, Mark Weiser outlined his vision for ubiquitous computing [4], in which people interact with multiple computing devices in different form factors.In his vision, people have ready access to a plethora of devices to pick up and use seamlessly, allowing them to interact with content through cross-device interactions.This work accelerated academic research into providing new technologies, conceptual models, and interaction techniques that support interactions across device ecologies [5,6].However, despite the availability of such a range of devices, technologies, and techniques, has this vision of cross-device ecologies really materialized?Weiser introduced three types of devices: inch-scale pads (similar to today's smartphones), footscale pads (similar to today's tablets), and yard-scale boards (similar to today's large displays).Two decades later, this aspect of Weiser's vision concerning interaction with multiple devices in Nicolai Marquardt is a senior lecturer (associate professor) in physical computing at the University College London.At the UCL Interaction Centre, he works on projects in the research areas of ubiquitous computing, interactive surfaces, sensor-based systems, prototyping toolkits, and physical user interfaces.n.

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)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,008
Communication savante0,0140,029
Science ouverte0,0040,018
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,235
Tête enseignante GPT0,385
Écart entre enseignants0,150 · 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'étudeSans objet
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

Citations38
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueinteractionsMême sujetMobile Crowdsensing and CrowdsourcingTravaux en français237 207