MétaCan
Menu
Retour à la cohorte
Enregistrement W2892123877 · doi:10.1145/3264907

ID'em

2018· article· en· W2892123877 sur OpenAlexaff
Perumal Varun Chadalavada, Goutham Palaniappan, Vimal Chandran, Khai N. Truong, Daniel Wigdor

Notice bibliographique

RevueProceedings of the ACM on Interactive Mobile Wearable and Ubiquitous Technologies · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueInteractive and Immersive Displays
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAffordanceLeverage (statistics)Cover (algebra)ScalabilityComputer scienceStrengths and weaknessesContext (archaeology)Human–computer interactionArtificial intelligenceEngineeringGeographyDatabaseMechanical engineering

Résumé

récupéré en direct d'OpenAlex

We present ID'em, a novel tagging and localization method that employs an array of Inductive Sensors to 'image' patterns of electrically conductive dots that are embedded underneath the surfaces of materials that cover the environments that we inhabit. ID'em addresses drawbacks found with existing tagging/localization technologies, while drawing on some of their attributes and strengths, thus creating a cost-effective, scalable system that is robust enough to be deployed pervasively. We present a detailed description of the system, applications that leverage ID'em's unique affordances, and address ID'em's strengths and limitations. With ID'em, we envision a future where the materials that we use to cover and build our everyday environments come imbued with information that can provide valuable context for rich, diverse interactions and capabilities.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,613

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0030,003
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 Opus0,010
Tête enseignante GPT0,254
Écart entre enseignants0,244 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Interactive Mobile Wearable and Ubiquitous TechnologiesMême sujetInteractive and Immersive DisplaysTravaux en français237 207