Are Psychological Variables Relevant to Evaluating Geoinformatics Applications? The Case of Landmarks (Vision Paper)
Notice bibliographique
Résumé
Interdisciplinary integration of spatial cognition and spatial computation promises to create better spatial technology based on findings from cognitive psychology experiments. Using the example of psychological studies and computational modelling of landmarks, this paper argues that core evaluation criteria of both disciplines are not well aligned with the goal of evaluating landmark-enhanced navigation support systems that support users in everyday wayfinding. The paper raises two points. First, it reviews evaluation criteria used in the interdisciplinary field of landmark research. It is argued that when to consider the role of landmark-enhanced navigation support systems in everyday life of their users, different evaluation criteria are needed. If strictly-psychological or strictly-computational criteria continue being prioritised by the community, we risk undervaluing significant technological contributions. Second, it proposes one such potential criterion: testing whether the cognitive task has changed due to equipping users with the new technology. This goal might be achieved at the expense of criteria typical to strictly-psychological studies (such as spatial memory of landmarks along the travelled route) or strictly-computational studies (such as efficiency and accuracy of a landmark-selection algorithm). Thus, promoting and implementing alternative evaluation criteria comes with methodological risks. In order to mitigate them we propose a process based on pre-registration of "postdiction" studies and hope to stimulate a further debate on a consensus-based approach in the community.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».