Technology Supported Behavior Restriction for Mitigating Self-Interruptions in Multi-device Environments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The interruptions people experience may be initiated from digital devices but also from oneself, an action which is termed “self-interruption.” Prior work mostly focused on understanding work-related self-interruptions and designing tools for mitigating them in work contexts. However, self-interruption to off-tasks (e.g., viewing social networking sites, and playing mobile games) has received little attention in the HCI community thus far. We conducted a formative study about self-interruptions to off-tasks and coping strategies in multi-device working environments. Off-task usage was considered a serious roadblock to productivity, and yet, the habitual usage and negative triggers made it challenging to manage off-task usage. To mitigate these concerns, we developed “PomodoLock,” a self-interruption management tool that allows users voluntarily to set a timer for a fixed period, during which it selectively blocks interruption sources across multiple devices. To understand the effect of restricting access to self-interruptive sources such as applications and websites, we conducted a three-week field trial (n=40) where participants were asked to identify disrupting apps and sites to be blocked, but the multi-device blocking feature was only provided to the experimental group. Our study results showed the perceived coercion and the stress of the experimental group were lower despite its behavioral restriction with multi-device blocking. Qualitative study results from interviews and surveys confirm that multi-device blocking significantly reduced participants’ mental effort for managing self-interruptions, thereby leading to a reduction in the overall stress level. The findings suggest that when the coerciveness of behavioral restriction is appropriately controlled, coercive design can positively assist users in achieving their goals.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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