MétaCan
Menu
Retour à la cohorte
Enregistrement W2996431762 · doi:10.46298/jips.5935

Combination of tactile devices for data analytics

2019· article· en· W2996431762 sur OpenAlexaff
Gary Perelman, Marcos Serrano, Christophe Bortolaso, Célia Picard, Mustapha Derras, Emmanuel Dubois

Notice bibliographique

RevueJournal d Interaction Personne-Système · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Crowdsensing and Crowdsourcing
Établissements canadiensBerger (Canada)
Organismes subventionnairesnon disponible
Mots-clésStackingComputer scienceVocabularyGestureHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Although ubiquitous data analysis is a promising approach, analyzing data in spreadsheets on tablets is a tedious task due to the limited size of the display and tactile vocabulary. In this article, we present the design and evaluation of new interaction techniques based on the combination of a tablet containing the data and a smartphone used as a mediator between the user and the tablet. To do this, we propose to use stacking gestures, i. e. to place a smartphone on top of a tablet. Stacking is an inexpensive, easy to implement, efficient and effective way to improve the analysis of data on tablets, increasing the vocabulary and broadening the display surface by using smartphones that are always available. We first explore stacking-based solutions to delimit the possible interaction vocabulary and present the manufacture of a conductive shell for smartphones. Then, we propose new techniques based on stacking to perform data analysis of a spreadsheet, i.e. the creation of pivot tables and their manipulation. We evaluate our stacking techniques against the tactile interactions provided by current mobile spreadsheet applications. Our studies reveal that some of our interaction techniques are 30% faster than touch to create pivot tables. Bien que l'analyse ubiquitaire de données soit une approche prometteuse, l'analyse des données dans des tableurs sur des tablettes est une tâche fastidieuse en raison de la taille limitée de l'affichage et du vocabulaire tactile. Dans cet article, nous présentons la conception et l'évaluation de nouvelles techniques d'interaction reposant sur la combinaison d'une tablette contenant les données et d'un smartphone utilisé comme médiateur entre l'utilisateur et la tablette. Pour ce faire, nous proposons d'utiliser des gestes de "stacking", c'est-à-dire de poser une arrête d'un smartphone sur l'écran de la tablette. Le stacking est un moyen peu coûteux, facile à mettre en oeuvre, efficace, et basé sur l'utilisation des smartphones toujours disponibles pour améliorer l'analyse des données sur des tablettes, en augmentant le vocabulaire utilisé et en élargissant la surface d'affichage. Nous explorons d'abord des solutions basées sur le stacking pour délimiter le vocabulaire d'interaction possible et présenter la fabrication d'une coque conductive pour smartphone. Ensuite, nous proposons de nouvelles techniques basées sur le stacking pour réaliser l'analyse de données d'un tableur, c'est-à-dire la création de tableaux croisés dynamiques et leur manipulation. Nous évaluons nos techniques de stacking par rapport aux interactions tactiles fournies par les applications de tableur mobiles actuelles. Nos études révèlent que certaines de nos techniques d'interaction sont 30% plus rapides que le toucher pour créer des tableaux croisés dynamiques.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,051
Tête enseignante GPT0,302
Écart entre enseignants0,251 · 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'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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal d Interaction Personne-SystèmeMême sujetMobile Crowdsensing and CrowdsourcingTravaux en français237 207