MétaCan
Menu
Retour à la cohorte
Enregistrement W4299951465 · doi:10.5383/juspn.09.01.003

Improved SingleTapBraille: Developing a single tap text entry method based on Grade 1 and 2 braille encoding

2017· article· en· W4299951465 sur OpenAlexaffvenue

Notice bibliographique

RevueJournal of Ubiquitous Systems and Pervasive Networks · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensDalhousie University
Organismes subventionnairesTaif UniversitySaudi Arabian Cultural Bureau
Mots-clésTouchscreenBrailleComputer scienceText entryVisually impairedHuman–computer interactionThumbObject (grammar)GestureComputer visionArtificial intelligenceOperating systemMedicine

Résumé

récupéré en direct d'OpenAlex

Touchscreen technology has brought about significant improvements for both normal sighted and visually impaired people. Visually impaired people tend to use touchscreen devices because these devices support a screen reader function, providing a cheaper, smaller alternative to screen reader machines. However, most of the available touchscreen keyboards are still largely inaccessible to blind and visually impaired people because they require the user to find an object location on a touchscreen in order to interact with an application. In this paper, we describe SingleTapBraille, a novel nonvisual text input approach for touchscreen devices. With SingleTapBraille, a user enters characters including text, numbers, and punctuations by tapping anywhere on the screen with one finger or a thumb several times based on braille patterns. This paper presents our initial keyboard design to enter Grade 1 and our explorative evaluation of SingleTapBraille conducted with braille instructors and visually impaired users. It also presents the implementation of Grade 2 and an initial evaluation of the improved SingleTapBraille keyboard with a blind user.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,059
Tête enseignante GPT0,312
Écart entre enseignants0,253 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Ubiquitous Systems and Pervasive NetworksMême sujetTactile and Sensory InteractionsTravaux en français237 207