MétaCan
Menu
Retour à la cohorte
Enregistrement W2773638743 · doi:10.1145/3134737

Social CheatSheet

2017· article· en· W2773638743 sur OpenAlexaff
Laton Vermette, Shruti Dembla, April Y. Wang, Joanna McGrenere, Parmit K. Chilana

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueRecommender Systems and Techniques
Établissements canadiensUniversity of British ColumbiaUniversity of WaterlooSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWorld Wide WebSoftware deploymentFormative assessmentTask (project management)Filter (signal processing)Feature (linguistics)OverlayMultimediaHuman–computer interactionInformation retrievalSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Users can often find it difficult to sift through dense help pages, tutorials, Q&A sites, blogs, and wikis to locate useful task-specific instructions for feature-rich applications. We present Social CheatSheet, an interactive information overlay that can appear atop any existing web application and retrieve relevant step-by-step instructions and tutorials curated by other users. Based on results of our formative study, the system offers several features for users to search, browse, filter, and bookmark community-generated help content and to ask questions and clarifications. Furthermore, Social CheatSheet includes embedded curation features for users to generate their own annotated notes and tutorials that can be kept private or shared with the user community. A weeklong deployment study with 15 users showed that users found Social CheatSheet to be useful and they were able to easily both add their own curated content and locate content generated by other users. The majority of users wanted to keep using the system beyond the deployment. We discuss the potential of Social CheatSheet as an application-independent platform driven by community curation efforts to lower the barriers in finding relevant help and instructions.

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: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,996

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 technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0050,002
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 Opus0,106
Tête enseignante GPT0,375
Écart entre enseignants0,269 · 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

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetRecommender Systems and TechniquesTravaux en français237 207