MétaCan
Menu
Retour à la cohorte
Enregistrement W4415444830 · doi:10.1145/3663547.3759745

DIY in Action: Understanding Do-It-Yourself Practices from Tangible Symbol Cards

2025· article· W4415444830 sur OpenAlexfundno aff
Alexander S.W. Parent, L. Beth Brady, Sarah E. Ivy, Jennifer Hercman, Amy Hurst

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEnthusiasmDisabled peopleSymbol (formal)Augmentative and alternative communicationAssistive technologyBest practice

Résumé

récupéré en direct d'OpenAlex

Do-It-Yourself (DIY) assistive technology can be better suited to the needs of people with disabilities than commercial ‘off-the-shelf’ devices. Yet, DIY practices conventionally involve barriers to entry that can dissuade or intimidate practitioners. Tangible symbols (TS) are low-tech augmentative and alternative communication (AAC) products with a history of practitioners working alongside end-users to DIY. In this paper, we study the enthusiasm and practice of DIY with TS. We present results from an initial investigation into DIY practices by practitioners that use TS. We analyze survey data collected by Brady et al. (2025) from 107 respondents, and 73 self-reported customizing their TS products to meet the needs and contexts of the individuals they serve. We share the survey self-reported motivations for engaging in DIY activities. We find that this data offers evidence that there is sustained enthusiasm in DIY with TS by practitioners. We reflect on these findings and draw connections between DIY and assistive technology abandonment, and how commercial products can be designed to support DIY practice. The use of DIY by practitioners signals both a desire to further integrate DIY into their profession, and an interest in future assistive technology products that employ a similar DIY-centered design framework.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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: aucune
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,154
Tête enseignante GPT0,404
Écart entre enseignants0,250 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovative Human-Technology InteractionTravaux en français237 207