Design and Development of a Chatbot as an Alternative Web-browser for those with Severe Motor Impairments
Notice bibliographique
Résumé
Ensuring equitable digital access for individuals with severe motor impairments remains a pressingchallenge. Conventional web navigation relies heavily on manual interactions—pointing, clicking, and typing—that are often inaccessible to users with limited motor function or atypical speech patterns. This research addresses the digital divide by proposing and evaluating two complementary solutions: (1) an eye gaze-controlled chatbot for hands-free, conversational access to online information, and (2) a synthetic data generation approach to improve voice-based chatbot systems’ ability to interpret atypical speech. First, an empirical study involving 20 participants established optimal parameters for eye-gaze target interaction in an Augmented Reality (AR) environment: a 2.25-meter eye-to-target distance and a 0.072-meter Area of Interest (Area of Interest (AOI)) diameter. These parameters achieved target selection rates exceeding 90%. Guided by these findings, the “EyeChat” system integrates an innovative circular text-entry interface that centralizes frequently used keys, reducing unnecessary eye movement. In a subsequent study with 12 participants, EyeChat demonstrated a 4.1-fold increase in text-entry speed (from 2.41 to 9.88 words per minute), a reduction in error rate (from 4.53% to 1.01%), and high user satisfaction, with over 83% of responses meeting or exceeding expectations. Second, to address the needs of individuals who rely on speech-based inputs yet exhibit atypical linguistic patterns, a novel synthetic data generation technique was developed. This method enhanced intent classification accuracy by 4.39% (from 75.86% to 80.25%) without compromising user privacy or requiring large-scale data collection from vulnerable populations. Using an optimized AR-based eye-gaze chatbot, this dissertation lays the foundation for novel eye-gaze-driven chatbot experiences. In addition, the synthetic data generation strategy for atypical linguistic patterns can help develop high-performance speech recognition, which is necessary for voice-based chatbot systems. These two types of chatbot systems can help close the digital divide for people with severe motor impairments. Future integration of synthetic data generation techniques into voice-based chatbots, in combination with the eye-gaze-based system, has the potential ii to further enhance accessibility and foster a more inclusive digital environment. This multimodal approach could afford the user choice between eye gaze and speech input, and thus better accommodate diverse motor and speech abilities.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».