MétaCan
Menu
Retour à la cohorte
Enregistrement W2991648382 · doi:10.1177/1071181319631141

Immersiveness and Perceptibility of Convex and Concave Displays

2019· article· en· W2991648382 sur OpenAlexaff
Mark Chignell, Henrique Matulis, Bella Zhang, Jacqueline Urakami, Shio Miyafuji, Zhengqing Li, Hideki Koike

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRegular polygonMathematicsCurvaturePerceptionConcave functionComputer scienceComputer visionArtificial intelligencePsychologyGeometry

Résumé

récupéré en direct d'OpenAlex

Curved displays promote three-dimensionality and may facilitate non-wearable virtual reality. Yet there is little design guidance on the optimal type of curvature that should be used. In this paper we have examined the perceived properties of convex and concave displays, at two different sizes. We conducted an experiment with 21 participants. Each participant was asked to make a series of binary choices after the participant viewed a display where one side was seen as convex and the opposite side was seen as concave. For each of 15 perceptual and aesthetic features, participants had to choose whether the convex or concave view/side of the display was stronger/more appropriate. Each participant made two binary choices (one for a small display viewed from its convex and concave sides, the other for a large display viewed from its convex and concave sides) for each perceptual and aesthetic feature, leading to a total of 30 judgments. Participants preferred the convex version of the small sized display and the concave version of the larger display. Individual differences were observed. Some participants generally preferred the convex displays, while others preferred the concave displays. The results are interpreted in terms of their implications for the future use of convex and concave displays in VR applications that do not use goggles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207