Replication Data for: Continuous Authentication using Touch Dynamics and its Application in Personal Health Records
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
The dataset contains 20 data files for 20 participants with overall 125794 instances of touch dynamics information collected using TouchSense (available at https://play.google.com/store/apps/details?id=org.mun.navid.touchsens). The application is implemented in such a way that it prompts the user to type in 30 random words or numbers. While the user interacts with the keyboard, it captures the touch inputs corresponding to those actions and stores them in a data file. This dataset can be used exclusively for research purposes. Commercial purposes are fully excluded. Attribute information: 1- pressure (numeric), 2- size (numeric), 3- touchmajor (numeric), 4- touchminor (numeric), 5- duration (numeric), 6- flytime (numeric), 7- shake (numeric), 8- orientation (numeric), 9- type (numeric), 10- class (AndroidId, Others) Pressure: indicates the pressure applied by a touch action. Size: indicates the number of pixels affected on the screen by a touch action. Touch Major: reports the major axis of an ellipse that represents the touched area. Touch Minor: reports the minor axis of an ellipse that represents the touched area. Duration: represents the time interval from the moment a finger touches the screen until the finger loses contact with it. Fly Time: shows the time elapsed between finishing typing a character and starting to type the next one. Shake: records the amount of vibration of the smartphone while performing touch actions. Orientation: records whether the touch behavior was recorded while the device was in the landscape orientation or the portrait one. Word or Number: records whether the touch behavior involves typing in a word or a number.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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