MétaCan
Menu
Retour à la cohorte
Enregistrement W642458852

Using electrooculography for glance analysis during simulated driving

2010· article· en· W642458852 sur OpenAlexaff
L. Morrison, Bruce Weaver, Nadia Mullen, Michel Bédard

Notice bibliographique

RevueAdvances in transportation studies · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésElectrooculographyGlobal Positioning SystemEye movementComputer scienceDriving simulatorSimulationPoison controlComputer visionArtificial intelligenceMedicineTelecommunicationsMedical emergency
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,032
Tête enseignante GPT0,452
Écart entre enseignants0,420 · 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'étudeObservationnel
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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in transportation studiesMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207