MétaCan
Menu
Retour à la cohorte
Enregistrement W4412045122 · doi:10.1145/3715668.3734184

Playing with Telepresence Robots for Design Speculation

2025· article· en· W4412045122 sur OpenAlexaff
Juan Pablo Martinez Avila, Andriana Boudouraki, Harriet Cameron, Gisela Reyes-Cruz, Velvet Spors, Laia Turmo Vidal, Charles Windlin, Houda Elmimouni, Janet C. Read, Jennifer A. Rode

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésSpeculationRobotTeleroboticsComputer scienceHuman–computer interactionMobile robotArtificial intelligenceBusiness

Résumé

récupéré en direct d'OpenAlex

This workshop explores how telepresence robots can be used for playful design speculation, leveraging their inherent asymmetries to create engaging and innovative experiences.By focusing on playfulness instead of purely utilitarian applications this workshop seeks to transform the limitations of telepresence robots into opportunities for creative interaction.We wish to explore the ways in which we can exploit the asymmetrical capabilities of remote and local users of telepresence robots.Given the person using the robot will always have more constraints due to the technical limitations of the robot (e.g., limited movement, limited space awareness, etc), we want to investigate if moving away from utilitarian applications towards playfulness can help make these robots more attractive and useful.In this workshop participants will adapt physical games using embodied methods embodied design ideation methods, such as magic machines, embodied sketching, and soma bits, to create playful interventions with robots and to discover new ways to enhance telepresence technology.The focus is on embracing asymmetry to foster innovative, inclusive, and enjoyable interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,006
Communication savante0,0050,007
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,278
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207