Supporting Transportation Decision-Makers with Tool Design and Data Uncertainty Visualizations
Notice bibliographique
Résumé
RESUME : Les decideurs en matiere de transport des agences gouvernementales jouent un role important dans la gestion des conditions du reseau de circulation, qui a leur tour ont un impact majeur sur le bien-etre des citoyens. Les pratiques, les defis et les besoins de ce groupe de praticiens sont moins representes dans la litterature HCI. D’autre part, il existe un manque d’outils permettant de repondre aux besoins des decideurs et de les aider a suivre et analyser les conditions de circulation sur le reseau routier. De plus, presque toutes les donnees de transport comportent une certaine incertitude, et une bonne communication de l’incertitude des donnees par le biais de visualisations peut avoir un effet important sur la qualite des decisions prises par les experts en transport. Cependant, il y a peu de connaissances sur la facon dont les decideurs en matiere de transport gerent les donnees incertaines et percoivent les visualisations de l’incertitude des donnees.----------ABSTRACT : Transportation decision-makers from government agencies play an important role in addressing the traffic network conditions, which in turn, have a major impact on the well-being of citizens. The practices, challenges, and needs of this group of practitioners are less represented in the HCI literature. On the other hand, there is a gap for tools that can fulfill decision-makers’ needs and help them monitor and analyze traffic conditions on the road network. Additionally, almost all transportation data have some uncertainty, and good communication of data uncertainty through visualizations can have a great effect on the quality of the decisions that transportation experts make. However, there is little knowledge about how transportation decision-makers deal with uncertain data and perceive data uncertainty visualizations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».