MétaCan
Menu
Retour à la cohorte
Enregistrement W4225127453 · doi:10.1145/3491101.3516403

SIG on Data as Human-Centered Design Material

2022· article· en· W4225127453 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCHI Conference on Human Factors in Computing Systems Extended Abstracts · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésParticipatory designStorytellingComputer scienceUser-centered designData scienceProcess (computing)Knowledge managementEngineering design processDesign processHuman–computer interactionEngineeringWork in processNarrative

Résumé

récupéré en direct d'OpenAlex

Designers and HCI researchers from industry and academia have been exploring the opportunities that emerge from incorporating behavioral data into the design process. For this, designers employ and combine data from multiple sources, multiple scales, and types to obtain valuable insights that inform and support design decisions. This combination unfolds through interdisciplinary collaborations, enabled by various methods and approaches, including participatory data analysis, sense-making interviews, co-design workshops, and data storytelling. However, due to the personal nature of behavioral data and the open-ended, iterative approach of Human-Centered Design, data-centric design activities clash with current HCI and data science practices. As both industry and academia increasingly use data-centric design processes, we recognize a need to share both examples and experiences to reinforce that most practices (and failed experiences) do not yet emerge solely from the literature. In this Special Interest Group, we aim to provide a space for design, data, and HCI researchers and practitioners to connect, reflect on the current practices, and explore potential approaches to further integrating behavioral data into design activities.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0050,002
Intégrité de la recherche0,0000,002
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 Opus0,231
Tête enseignante GPT0,378
Écart entre enseignants0,146 · 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