Profiling of Aeromagnetic Data Interpretation using the Eye Tracker
Notice bibliographique
Résumé
SummaryInterpretation of geoscientific data is a difficult and sometimes an impossible task. The interpretation process involves the interplay between what are obviously or objectively noticeable phenomena in observations and what interpreters bring (i.e. subjectivity) to the interpretation in regards to presuppositions and expectations. As a first step towards understanding subjectivity and human biases in interpretation, our study focuses on quantitative profiling of the behaviour of interpreters. Whilst the data is being observed, we use an eye tracker that captures eye gaze information associated with the visualization of the data. The specific aims of this study include the analysis of: (1) target spotting accuracy and efficiency between interpreters with different levels of experience and different geoscience expertise; (2) the impact of commonly used enhancement tools for data interpretation. A preliminary experiment was conducted using an aeromagnetic dataset from Ontario, Canada, and the 1st order vertical derivative (1VD) of the corresponding data, to characterise the observation patterns in free viewing and target spotting accuracy for specific geological features (faults, granitoid intrusions, kimberlite pipes). The results showed: some distinct observation patterns between experienced and inexperienced interpreters; and the impact of the 1VD enhanced data in interpretation. The study outcomes may impact on a wide range of geoscientific activities including: risk management in decision making for the mining industry; education and training of geoscientists; and the development of enhancement tools for geoscientific data.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».