MétaCan
Menu
Retour à la cohorte
Enregistrement W3211754486 · doi:10.1201/9781003090823-8

Mobile Visualization Design: An Ideation Method to Try

2021· book-chapter· en· W3211754486 sur OpenAlexaff
Sheelagh Carpendale, Petra Isenberg, Charles Périn, Tanja Blascheck, Foroozan Daneshzand, Alaul Islam, Katherine Marie Currier, Peter Buk, Victor Cheung, Lien Quach, Laton Vermette

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueUsability and User Interface Design
Établissements canadiensUniversity of VictoriaSimon Fraser University
Organismes subventionnairesUniversität StuttgartAgence Nationale de la Recherche
Mots-clésIdeationFlexibility (engineering)Computer scienceHuman–computer interactionDesign methodsVisualizationReflection (computer programming)Data scienceManagement scienceMultimediaArtificial intelligencePsychologyEngineeringCognitive scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This chapter discusses and reflects on an ideation methodology that can help imagine future mobile only visualizations through a human-centered design approach. The chapter starts by outlining the general approach of the methodology. Ideation activities of three different design groups are then described to illustrate how one can adapt and adjust the methodology to specific ideation scenarios; and four different ideation activity approaches are presented with example results. The chapter ends with a reflection on the methodology itself and how the flexibility of the methodology can encourage a wide range of ideas to emerge.

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)0,010
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,007
Communication savante0,0090,012
Science ouverte0,0020,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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 Opus0,078
Tête enseignante GPT0,352
Écart entre enseignants0,274 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUsability and User Interface DesignTravaux en français237 207