MétaCan
Menu
Retour à la cohorte
Enregistrement W4313009587 · doi:10.47989/irisic2202

What's interrupting your search?

2022· article· en· W4313009587 sur OpenAlexaff
Mengjia Lu, Morgan Harvey, Orland Hoeber

Notice bibliographique

RevueInformation Research an international electronic journal · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiquePersonal Information Management and User Behavior
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCoding (social sciences)Mobile WebMobile deviceMobile computingMobile technologyWorld Wide WebContext (archaeology)Human–computer interactionInformation retrievalGeographyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Web search is a common activity in a mobile context. However, the nature of performing tasks in a mobile environment means there is the risk interruption. While the effects of interruptions on mobile search have been studied in recent years, the nature of such interruptions occurring in real-world mobile settings have not. Using a diary study approach, we collected data from 20 participants on the everyday interruptions they faced conducting mobile web searches over a 10-day period. We used inductive open coding to categorise the nature of the interruptions assigning each interruption to a category/sub-category combination. We then used a deductive coding approach to classify each interruption as being either internally or externally-induced; and mobile or non mobile-specific. We found a broad range of interruptions, which we have organised into an extensive taxonomy. Further, a substantial proportion of the interruptions are externally-induced and more than half are unique to mobile contexts. The empirical evidence of the nature of mobile search interruptions in our findings provide insight into the complex environment of mobile search, information upon which to base future mobile search studies (e.g., surveys, controlled laboratory studies), and motivation for the study of search interface designs that can help mitigate the effects of such interruptions.

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)0,003
score de la tête « metaresearch » (Gemma)0,037
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 enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,450
Tête enseignante GPT0,560
Écart entre enseignants0,109 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Research an international electronic journalMême sujetPersonal Information Management and User BehaviorTravaux en français237 207