MétaCan
Menu
Retour à la cohorte
Enregistrement W4251750770 · doi:10.1177/0361198105193700110

Assessing Multifunction Interfaces in Vehicles

2005· article· en· W4251750770 sur OpenAlexaff
Peter C. Burns, Patricia Trbovich, Joanne L. Harbluk, Tara McCurdie

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2005
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of WaterlooCarleton UniversityTransport Canada
Organismes subventionnairesnon disponible
Mots-clésUsabilityHeuristic evaluationCognitive walkthroughUsability goalsUsability inspectionComputer scienceHeuristicWeb usabilityUsability engineeringHuman–computer interactionUser interfaceSimulationEngineeringArtificial intelligenceOperating system

Résumé

récupéré en direct d'OpenAlex

The goal of this research was to determine whether system usability is requisite for system safety. To this end, the usability and safety of two multifunction in-vehicle interfaces were assessed to verify the hypothesis that the system scoring highest on usability testing would also score highest on safety testing. Two multifunctional systems were subjected to ( a) heuristic evaluations to assess usability and ( b) occlusion tests to assess safety. There were more heuristic violations, indicative of more usability problems, in System B relative to System A. Similarly, with regard to safety, results of occlusion testing showed that greater demands on time and visual resources were required to perform tasks when System B was used versus System A. Thus, the usability problems identified through heuristic evaluations represent possible precursors to the safety problems identified by occlusion tests. Given the latter and the fact that heuristic evaluations can be applied quickly and easily whereas occlusion testing can be costly and time-consuming, the results of the current research suggest that developers would benefit from correcting the usability limitations of a system before its safety performance is evaluated.

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)0,005
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,173
Tête enseignante GPT0,496
Écart entre enseignants0,323 · 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'étudeObservationnel
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207