Notice bibliographique
Résumé
Introduction: Juiciness refers to the use of various audiovisual effects that are triggered in response to user interactions. This study explores the presence of juicy elements in interactive infographics, thereby extending the investigation of juiciness beyond traditional gaming contexts. Methodology: A descriptive research approach, employing content analysis, was used to evaluate a sample of interactive infographics published between 2010 and 2024. The sample was collected from four prominent sources, and each visualization was analyzed using a binary classification system (YES or NO) to indicate the presence of the identified juiciness elements: animation, particles, audio feedback, screen shake, and persistence. Results: Overall, the findings indicate that juicy elements are present in certain interactive visualizations, though not universally across all examples. The data revealed that animation appeared most frequently, with an occurrence rate of 73.85%, followed by particles (20.51%), audio feedback (5.64%), persistence (4.1%), and screen shake (1.03%). Furthermore, 25.64% of the visualizations contained no juicy elements. Discussion: The findings from the analysis reveal that juicy elements are present in a significant number of interactive visualizations, but none of the visualizations analyzed incorporated all five juicy elements simultaneously. Despite the presence of some juicy elements, no single visualization captured the full essence of juicy design, which ideally offers a high level of feedback from minimal user input. Conclusions: While no single visualization incorporated all five juicy elements, combinations of up to four were observed, suggesting that juiciness does not require a uniform or exhaustive application of all elements.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».