MétaCan
Menu
Retour à la cohorte
Enregistrement W4285044320 · doi:10.22215/etd/2022-15038

Evaluating XR Techniques in Air Travel Design for the Early Stages of the Technology Readiness Level.

2022· dissertation· en· W4285044320 sur OpenAlexaff
Samantha Astles

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésWorkflowVirtual realityAugmented realityField (mathematics)Collaborative designEngineeringDesign technologyHuman–computer interactionIndustrial designComputer scienceMultimediaSystems engineeringSystems designMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Extended Reality (XR) is an emerging technology and potential tool to create early design concept sketches for remote collaborative design, review and evaluation.In the field of air travel design, researchers, designers and engineers have been studying the use of XR (e.g., Virtual Reality and Augmented Reality) to support design workflows and comparing this new technique to traditional industrial design methods.This research explores how designers can implement XR techniques in developing early concepts for air cabin design within the Technology Readiness Level framework.The research consists of 2 phases: (1) comparing virtual reality sketching to traditional sketching methods from the researcher's first-hand experience; and (2) the distribution of traditional 2D versus 3D VR developed sketches for designers and the public to review the designs and evaluate their experience with these 2 mediums.The finding from the exploration identifies the advantages of using XR techniques for design and the limitation of learning and of sharing 3D sketches for publishing and sharing with the public.

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)0,015
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,049
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,387
Écart entre enseignants0,282 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAugmented Reality ApplicationsTravaux en français237 207