Distributed Cognition and the Experience of Presence in the Mars Exploration Rover Mission
Notice bibliographique
Résumé
Although research on presence in virtual environments has increased in the last few decades due to the rise of immersive technologies, it has not examined how it is achieved in distributed cognitive systems. To this end, we examine the sense of presence on the Martian landscape experienced by scientific team members in the Mars Exploration Rover (MER) mission (2004-2018). How this was achieved is not obvious because the sensorimotor coupling that typically underlies presence in mundane situations was absent. Nonetheless, we argue that the Three-Level model can provide a framework for exploring how presence was achieved. This account distinguishes between proto-presence, core-presence, and extended-presence, each level dependent on being able to respond effectively to affordances at a particular level of abstraction, operating at different timescales. We maintain that scientists' sense of presence on Mars involved core-presence and extended-presence rather than proto-presence. Extended-presence involved successfully establishing distal intentions (D-intentions) during strategic planning, i.e., long term conceptual goals. Core-presence involved successfully enacting proximal intentions (P-intentions) during tactical planning by carrying out specific actions on a particular target, abstracting away from sensorimotor details. This was made possible by team members "becoming the rover," which enhanced their ability to identify relevant affordances revealed through images. We argue, however, that because Mars exploration is a collective activity involving shared agency by a distributed cognitive system, the experience of presence was a collective presence of the team through the rover.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».