MétaCan
Menu
Retour à la cohorte
Enregistrement W4403576877 · doi:10.1145/3663548.3688508

Crip Material Exploration as an Assistive Technology Research Framework: Situating Interdependence in Empowered Disabled Making

2024· article· en· W4403576877 sur OpenAlexaff
Alexander S.W. Parent

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHuman–computer interactionAssistive technologyComputer science

Résumé

récupéré en direct d'OpenAlex

Human-Computer Interaction (HCI) scholars have grappled with the question of how to directly involve people with disabilities (PwDs) in assistive technology (AT) research. While there is recognition that PwDs possess unique expertise, this understanding often remains limited to an assumption that the bounds of this expertise end with the embodied knowledge related to their impairments. However, PwDs possess expertise that extends beyond this narrow definition. In navigating different contexts within their communities of care, PwDs build empowered expertise through interdependence. This knowledge, grounded in everyday material experiences, can significantly inform future AT design practices. I offer a new crip-material exploration (CME) framework to expand the understanding of PwD expertise. In doing so, future AT research can better encompass the full range of the social connections and material experimentation that enriches the lived experiences of PwDs. The connective, inter-group mediation that PwDs are skilled in throughout everyday interactions points toward the importance of creating new research approaches to engaging with that expertise. CME can be leveraged by HCI scholarship to understand how the empowered interdependence of PwDs strengthens current and future AT design. A workshop structure is proposed to help guide scholars in implementing CME into future research designs.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
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 Opus0,103
Tête enseignante GPT0,396
Écart entre enseignants0,293 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207