Notice bibliographique
Résumé
Hearables, a term first coined by Hunn (2014), are wireless, smart, micro-computers with artificial intelligence that incorporate both speakers and microphones.They fit in the ears and can connect to the Internet and to other devices; they are designed to be worn daily.These devices, such as the Bragi Dash, Vinci, and Bose Hearphone are now appearing on the market, which is expected to exceed $40 billion in the USA by 2020 (Omnicom, 2018).Hearables are not headphones, nor hearing aids, nor ear plugs, although they could take on the affordances of any of these devices (Banks, 2018).Headphones are designed for listening to music.Hearing aids are designed as an aid for the hearing impaired.Ear plugs reduce unwanted sounds by cancelling noise.Hearables offer comparable features and additionally provide users with a microphone and connectivity to the Internet, thus supporting telephony and personal digital assistant (PDA) services (Computational Thinkers, n.d.).Prior to 2017, in the USA, such devices required the approval of the Food and Drug Administration.This approval is no longer required for hearables, as they are no longer considered to be medical hearing aids (Over the Counter Hearing Aid Act, 2017).This paves the way for the expansion in the market of significantly lower-priced hearables, undercutting the expensively-priced hearing aid market.Hearables stream music or audio content wirelessly using Bluetooth.Phone calls can be taken hands-free.Noises can be filtered out and speech amplified and filtered.And, with augmented audio, hearables can transform the user experience with sound controls and special effects (Traynor, 2017) Hearables can be also used to simply enhance the listening experience; Hunn (2014) refers to them as the "new wearables."As such, they represent a subset of wearable computers, which now includes wrist bands like Fitbit, eye wear such as Google Glass, intelligent garments such as CoolShirt, or shoes such as Nike+.Hearables must be distinguished from audibles such as Amazon's Alexa, Apple's Siri, Microsoft's Cortana and Google Assistant.The difference is that of mobility -hearables can go anywhere with the user, whereas audibles are place-based.To date, hearable companies have focused on either music, because of its wide popularity, or the health
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,303 | 0,171 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».