Using electrooculography for glance analysis during simulated driving
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
This article, from a special issue on driving simulator applications in research and clinical practice, reports on a study that examined the feasibility of using electrooculography (EOG) to monitor eye movements during simulated driving. The authors created three versions of a driving scenario that differed only in terms of how navigation instructions were provided. Two versions included visual navigation instructions, such as one would get from a global positioning device. In one version, the visual instructions appeared in the lower right corner of the middle screen (GPS group); and in the other, the instructions appeared in the centre of the middle screen, such that drivers did not have to move their eyes from the road to view the instructions. The third version included auditory navigation instructions only. The study measured glance presence, and calculated glance latency and length during the three seconds following the onset of 12 randomly selected visual instructions. During this time, participants in the GPS group looked away from the road to the right significantly more often than those in the other two groups. As a result, these participants spent significantly more total time looking away from the road during the drive when compared to the other two groups. Groups did not differ significantly on any of the individual driving mistake categories, or on the total number of driving mistakes. The authors conclude that electrooculography is a feasible and affordable way to measure eye movement during simulated driving. Though electrooculography does not provide the same amount or quality of data as head-mounted eye trackers and multiple camera systems, it does yield sufficient data to address questions such as the ones posed in this study.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle