Notice bibliographique
Résumé
Spatial memory is an important facet of human cognition – it allows users to learn the locations of items over time and retrieve them with little effort. In human-computer interfaces, a strong knowledge of the spatial location of controls can enable a user to interact fluidly and efficiently, without needing to visually search for relevant controls. Computer interfaces should therefore be designed to provide support for developing the user’s spatial memory,and they should allow the user to exploit it for rapid interaction whenever possible. However, existing systems offer varying support for spatial memory. Many modern interfaces break the user’s ability to remember spatial locations, by moving or re-arranging items; others leave spatial memory underutilised, requiring slow sequences of mechanical actions to select items rather than exploiting users’ strong ability to index items and controls by their on-screen locations. The aim of this paper is to highlight the importance of designing for spatial memory in HCI. To do this, we examine the literature using an abstract-to-concrete approach. First, we identify important psychological models that underpin our understanding of spatial memory, and differentiate between navigation and object-location memory (with this review focusing on the latter). We then summarise empirical results on spatial memory from both the psychology and HCI domains, identifying a set of observable properties of spatial memory that can be used to inform design. Finally, we analyse existing interfaces in the HCI literature that support or disrupt spatial memory, including space-multiplexed displays for command and navigation interfaces, different techniques for dealing with large spatial data sets, and the effects of spatial distortion. We intend for this paper to be useful to user interface designers, as well as other HCI researchers interested in spatial memory. Throughout the text, we therefore emphasise important design guidelines derived from the work reviewed, as well as methodological issues and topics for future research.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».