A Localization Theory: User Experience Research in the United States & Canada
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
abstract: Today, in the internet-age with global communication every day, it is more important than ever to learn how best to communicate across cultures. However, a review of literature and localization research reveals no studies comparing written communication preferences between cultures using the English language. This gap in research led me to my questionâHow do localization needs or preferences differ between English-speakers in the U.S. and Canada? To answer my research question, I created a study focused on written communication using a quality measure after consulting the IBM rubric (Hofstede, 1984). I incorporated a demographics questionnaire, a sample document of an Alberta Government brochure, and a survey to measure participant perceptions of quality for use with the sample document. Participants for the study were recruited from Phoenix, Arizona and Edmonton, Alberta, Canada. All participants reviewed the Canada-based sample document and answered the questions from the survey. The survey responses were designed to obtain data on culturally specific variables on contexting, which were critical in understanding cultural differences and communication preferences between the two groups. Results of the data analysis indicate differences in cultural preferences specific to language, the amount of text, and document organization. The results suggest that there may be more significant differences than previously assumed (Hall, 1976) between U.S. and Canadian English-speaking populations. Further research could include a similar study using a U.S.âbased document and administering it to the same target population. Additionally, a quality-based measure could be applied as a way of understanding other cultures for localization needs, since inadequate localization can have an adverse impact on perceptions of quality.
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 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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