Old tradition, new technologies: comprehension and retention using augmented reality
Notice bibliographique
Résumé
Traditional media, especially printed media, such as newspapers, books, and posters, is static. The increased usage of smart devices has trigged the use of mobile augmented reality (AR) in commercial print media. This technology allows consumers to overlay supplemental multimodal content on the real-world environment through the use of an AR app on a smartphone or tablet. The addition of mobile AR provides an extra dimension through which to absorb or dismiss an advertisement’s content. The main objective of this study is to determine if the use of mobile augmented reality in print affects the customer’s ability to understand and remember the message of an advertisement. Assessing augmented reality’s affect on printed media will help determine the value of investing in this technology and its future potential in the advertising landscape. This experiment was designed to test whether participants in two groups, one that used Layar, an augmented reality application, and one that did not, were still able to understand and remember the messages and content of a Nissan car advertisement featured in the Toronto Star. Through interviews and questionnaires subjects were tested on their recall ability and message comprehension given the passage of time. The results indicate that AR poses no significant advantage or disadvantage when compared to traditional print media. It appears that regardless of the mode of communication the advertisement’s messages are successfully conveyed. The results have shown that over time the viewer is likely to remember what interests them independently of whether augmented reality is used or not.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».