MétaCan
Menu
Retour à la cohorte
Enregistrement W4388763195 · doi:10.1177/00187208231213470

A Vehicle Simulation Study Examining the Effects of System Interface Design Elements on Performance in Different Vibration Environments Below 3 Hz

2023· article· en· W4388763195 sur OpenAlexaff
Xing Tang, Suihuai Yu, Birsen Donmez, Jianjie Chu, Hao Fan, Feilong Li, Gang Jiang

Notice bibliographique

RevueHuman Factors The Journal of the Human Factors and Ergonomics Society · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChina Scholarship Council
Mots-clésTouchscreenVibrationInterface (matter)SimulationInterface designComputer scienceTask (project management)Human–computer interactionEngineeringAcousticsSystems engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study aimed to explore the relationship between system interface elements' design features and interaction performance in simulated vehicle vibration environments. BACKGROUND: Touch screens have been widely used in vehicle information systems, but few studies have focused on the decline of touchscreen interaction performance and task load increase when driving on unpaved roads. METHOD: The interaction performance (reaction time and task accuracy rate) with vibration frequencies below 3 Hz (1.5, 2.0, and 2.5 Hz) and different interface design elements was investigated employing a touch screen computer and E-prime software. RESULTS: The results indicate that vehicle vibration (below 3 Hz) can significantly reduce interaction performance with a vehicle information system interface. CONCLUSION: An appropriate increase in the physical size of the interface design features (visual stimulus materials and touch buttons) can help to mitigate this negative effect of vibration. APPLICATION: The results and findings of this study can be utilized for the design of information system interfaces as it relates to the vibration scenario of unpaved roads.

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 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 enseignants0,239
Score d'incertitude au seuil0,568

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,054
Tête enseignante GPT0,317
Écart entre enseignants0,263 · 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'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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Factors The Journal of the Human Factors and Ergonomics SocietyMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207