Avionic Touchscreen Interaction under Vibration: Supported versus Freehand Target Selection in Cockpit Conditions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With touchscreens being installed in aircraft flight decks, reach-and-turbulence-related challenges arise. Using the ISO 9241-411 multidirectional selection task (a 2D Fitts’ task), we quantified the impact of vibration on touchscreen target selection throughput (a performance score combining both speed and accuracy) and error rate in a cockpit layout. 24 participants completed the task under 2 vibration levels (helicopter level flight versus static), 2 hand support methods (using the thumb, while holding onto the screen’s edge, versus using the index finger freehand), 4 touchscreen types (two avionic and two consumer touchscreens), 2 touchscreen positions (main instrument panel versus pedestal), and 4 target sizes (0.8, 1, 1.5 and 2 cm). We found average throughput values of 6.5 bits per second (bps) in static conditions, versus 5.7 bps under vibration, and average error rates of 10.3% in static conditions, versus 16.6% under vibration. Similar to prior work, we found an exponential increase in error rate with decreasing target size. Larger target sizes helped mitigate the impact of vibration. We did not find evidence of a benefit to anchoring the hand on the touchscreen’s bezel edge, compared to the freehand baseline, under vibration or static conditions. Under vibration, the pedestal outperformed the main instrument panel position, with higher throughput and lower error rate. In static conditions, the two positions performed similarly. This work contributes to vibration mitigation methods when interacting with touchscreens in the aviation context.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 découle