MétaCan
Menu
Retour à la cohorte
Enregistrement W4387940128 · doi:10.1177/21695067231192631

Eye Tracking-Based Adaptive Displays: A Review of the Recent Literature

2023· review· en· W4387940128 sur OpenAlexaff
Wafic Chahine, N. HACHEM, Nadine Marie Moacdieh

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2023
Typereview
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésEye trackingAdaptation (eye)Computer scienceUsabilityTracking (education)Human–computer interactionArtificial intelligenceComputer visionPsychology

Résumé

récupéré en direct d'OpenAlex

Adaptive displays have long been touted as a means of improving the usability of different types of interfaces. However, purely eye tracking-based adaptive displays have not yet lived up to the initial promise. In many cases, adaptive displays are tailored to users with special needs, developed to supplement virtual reality, or combine eye tracking with other physiological measures. This mapping review focuses instead on recent adaptive displays that rely solely on eye tracking input to understand a user’s needs while interacting with a regular computer display. We aimed to answer three main research questions related to 1) the application domains of such adaptive displays, 2) the eye tracking metrics that have been adopted to track attention allocation in real time, and 3) the adaptation triggering mechanisms. We provide a summary of the current state of eye tracking-based adaptive displays, identify gaps in the literature, and suggest topics for future work.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,045
Tête enseignante GPT0,300
Écart entre enseignants0,255 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetGaze Tracking and Assistive TechnologyTravaux en français237 207