MétaCan
Menu
Retour à la cohorte
Enregistrement W3205158261 · doi:10.1145/3479857

Physicality As an Anchor for Coordination: Examining Collocated Collaboration in Physical and Mobile Augmented Reality Settings

2021· article· en· W3205158261 sur OpenAlexaff
Lev Poretski, Joel Lanir, Ram Margalit, Ofer Arazy

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAugmented realityWorkspaceHuman–computer interactionComputer scienceArtifact (error)Leverage (statistics)Context (archaeology)MultimediaArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Design and co-creation activities around 3D artifacts often require close collocated coordination between multiple users. Augmented reality (AR) technology can support collocated work enabling users to flexibly work with digital objects while still being able to use the physical space for coordination. With most of current research focusing on remote AR collaboration, less is known about collocated collaboration in AR, particularly in relation to interpersonal dynamics between the collocated collaborators. Our study aims at understanding how shared augmented reality facilitated by mobile devices (mobile augmented reality or MAR) affects collocated users' coordination. We compare the coordination behaviors that emerged in a MAR setting with those in a comparable fully physical setting by simulating the same task -of the shared physical dimension for participants' ability to coordinate in the context of collaborative co-creation. Namely, participants working in a fully physical setting were better able to leverage the work artifact itself for their coordination needs, working in a mode that we term artifact-oriented coordination. Conversely, participants collaborating around an AR artifact leveraged the shared physical workspace for their coordination needs, working in what we refer to as space-oriented coordination. We discuss implications for a AR-based collaboration and propose directions for designers of AR tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,374
Écart entre enseignants0,325 · 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 tête enseignante, 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetAugmented Reality ApplicationsTravaux en français237 207