MétaCan
Menu
Retour à la cohorte
Enregistrement W2982299286 · doi:10.1609/aiide.v15i1.5241

A Structured Analysis of Experience Management Techniques

2019· article· en· W2982299286 sur OpenAlexaff
Giulio Mori, David Thue, Stephan Schiffel

Notice bibliographique

RevueProceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSet (abstract data type)Field (mathematics)Context (archaeology)Modular designKnowledge managementData scienceProcess managementManagement scienceEngineering

Résumé

récupéré en direct d'OpenAlex

As a field of study, Experience Management spans a set of technology that is becoming increasingly relevant in applications that aim to improve the experiences of their users. Given the youth of the field, however, few attempts have been made to identify and discuss the common elements of systems that manage user experiences as they occur. In this paper, we consider a subset of existing AI experience managers in the context of a shared conceptual framework. We offer directly comparable summaries of the managers that we discuss, and we highlight how some of them use different technologies to perform similar tasks. While many experience managers remain undiscussed, we nonetheless demonstrate that distinct, well-defined components exist across a diverse set of managers, and that a modular method for building new managers might well be within reach.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil0,999

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,037
Tête enseignante GPT0,346
Écart entre enseignants0,310 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital EntertainmentMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207