MétaCan
Menu
Retour à la cohorte
Enregistrement W4387845894 · doi:10.1177/21695067231193663

Looking at Participant Engagement for Product Design Through a Critical Lens

2023· article· en· W4387845894 sur OpenAlexaff
Maurita T. Harris, Christina Harrington, Kenya Freeman Oduor, Enid Montague, Rod D. Roscoe, Jacklin Stonewall, Marie Campbell Statler

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversity of TorontoWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Process (computing)Product (mathematics)Data collectionComputer scienceKnowledge managementProcess managementFocus (optics)New product developmentProduct designBusinessMarketingSociology

Résumé

récupéré en direct d'OpenAlex

Human factors focus on taking the users’ capabilities, limitations, and environment into consideration when developing products. Thus, it is essential to have diverse perspectives and voices when designing products to be used by a variety of users. However, this is not always done and can be a missed opportunity in developing inclusive products. In this panel, we bring together researchers from different sectors to discuss challenges and strategies to engage a diverse research population at different stages in the product design process. Topics include research planning and the design process; data collection methods; and community- and participant-level recruitment. We hope that by sharing our experiences, we can prepare others to have the conversations needed that will allow them to successfully approach these topics.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,326
Écart entre enseignants0,205 · 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 tête enseignante, 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
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetInnovative Human-Technology InteractionTravaux en français237 207