MétaCan
Menu
Retour à la cohorte
Enregistrement W2933852328 · doi:10.14257/ijunesst.2016.9.3.29

An Investigation on Selection Mechanisms for Mobile Camera-based Cursor Manipulation

2016· article· en· W2933852328 sur OpenAlexfundno aff
Liang Chen, Dongyi Chen, Shiji Xiahou, Jie Li

Notice bibliographique

RevueInternational Journal of u- and e- Service Science and Technology · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensnon disponible
Organismes subventionnairesChina Scholarship CouncilUniversity of Toronto
Mots-clésCursor (databases)Computer scienceSelection (genetic algorithm)Computer graphics (images)Human–computer interactionComputer visionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

To avoid the occlusion problem and the fat finger problem while manipulating mobile touch devices, researchers in HCI community have explored the area of mobile camerabased interaction which utilizes camera input instead of touch input. For mobile camerabased cursor manipulation, selection mechanisms may have an effect on users' pointing performance, and therefore worthy of study. In this research, we conducted a user study to explore how selection mechanisms influenced users' performance in mobile camerabased cursor manipulation and users' preferences. The quantitative results indicate that the users' performances of using two selection mechanisms (the button-based selection and tapping-based selection) are similar to each other from a statistical point of view. However, subjective feedback from the participants shows that the tapping-based selection is believed to be more comfortable and easy to use.

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)0,001
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 enseignants0,308
Score d'incertitude au seuil0,188

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,297
Écart entre enseignants0,278 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of u- and e- Service Science and TechnologyMême sujetOpen Education and E-LearningTravaux en français237 207