Safety-Critical Mobile Systems – The RESCUER Interaction Evaluation Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The infrastructure organization of large-scale events involves high safety requirements for the visitors and is a central issue for the officials in charge. To assist in dealing with this, we developed the RESCUER Mobile Crowdsourcing App, which runs on smartphones and allows the crowd to report an emergency, thereby improving the process for rescuing humans in an emergency. For the evaluation of the app, we faced the problem that people participating in a large event, such as a soccer match, are not willing to spend time on completing a long survey or interview. Also, people experiencing an emergency situation may have their cognitive capabilities affected by emotional burden, so a mobile app should be easy and intuitive to interact with. Hence, the goal of this contribution was to select and perform an on-site mobile evaluation approach that allows us to evaluate the user interaction. Two main evaluations were performed using two different versions of our application. The first evaluation took place during the FIFA World Cup 2014 and tested the app’s usability with 112 users in Brazil and in Germany. As a result of this evaluation, we found severe usability issues and gained concrete insights into how to solve them. The second, follow-up evaluation, using an improved version of our app, was performed during emergency exercises in Brazil, with 31 experts in emergency management. For our evaluation approach, the results indicated that on-site mobile evaluation is an appropriate method for improving the usability and interaction of safety-critical software systems.
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.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle