MétaCan
Menu
Retour à la cohorte
Enregistrement W3088479562 · doi:10.1177/1937586720959074

A User-Centered Approach to Evaluating Wayfinding Systems in Healthcare

2020· article· en· W3088479562 sur OpenAlexaff
Katherine Bubric, Gill Harvey, Tiffany Pitamber

Notice bibliographique

RevueHERD Health Environments Research & Design Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensUniversity of AlbertaAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésSignageUsabilityComputer scienceProcess (computing)Health careHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this methodology is to provide the designers of wayfinding systems in healthcare facilities a process for evaluating and optimizing a design prior to implementation. The use of this methodology can improve patient experience in hospitals by preventing the installation of confusing, incomplete, and/or frustrating wayfinding systems. BACKGROUND: Despite known wayfinding and information design principles, wayfinding continues to be a challenge in healthcare environments. One reason is that the design of wayfinding systems is rarely evaluated with end users prior to implementation. The methodology outlined in this article is an application of usability testing that involves end users navigating a space using prototyped signage and other elements of a wayfinding system to determine the effectiveness of the system and identify improvement opportunities. This methodology was developed for use in an emergency department that had outdated signage and required a new wayfinding system. CONCLUSION: This methodology provides a structured process for testing and improving the design of a hospital wayfinding system prior to implementation.

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)0,063
score de la tête « metaresearch » (Gemma)0,083
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,336

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,083
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,002
Études des sciences et des technologies0,0020,004
Communication savante0,0070,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,376
Tête enseignante GPT0,429
Écart entre enseignants0,053 · 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'étudeQualitatif
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

Citations32
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHERD Health Environments Research & Design JournalMême sujetSpatial Cognition and NavigationTravaux en français237 207