MétaCan
Menu
Retour à la cohorte
Enregistrement W815572053 · doi:10.4018/ijiscram.2014070101

Designing Visual Analytic Tools for Emergency Operation Centers

2014· article· en· W815572053 sur OpenAlexaffabout
Richard Arias‐Hernández, Brian Fisher

Notice bibliographique

RevueInternational Journal of Information Systems for Crisis Response and Management · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVisual analyticsAnalyticsMultidisciplinary approachComputer scienceField (mathematics)Data scienceCultural analyticsDesign scienceKnowledge managementHuman–computer interactionVisualizationManagement scienceEngineeringWorld Wide WebArtificial intelligenceSemantic analyticsThe Internet

Résumé

récupéré en direct d'OpenAlex

The Emergency Management Information System (EMIS) field has an established tradition of user-centered methodological approaches for design and evaluation research. However, visual analytics, a new field that is starting to intersect with EMIS, is barely using such approaches. Thus an opportunity has emerged to expand these user-centered approaches from EMIS towards visual analytics via the design of visual analytics tools for emergency management. In this article, the authors present a qualitative methodology for design research that takes on this opportunity. This specific methodology is characterized by using non-participant observation and interviews as methods and by being theoretically informed by the multidisciplinary framework of visual analytics. The authors also include a detailed application of the methodology to the design of visual analytic tools for Emergency Operation Centers in Vancouver, Canada as well as the corresponding results: contextual knowledge for design, informed requirements for four design projects and evaluation criteria for these designs.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,822

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0010,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,326
Écart entre enseignants0,304 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Information Systems for Crisis Response and ManagementMême sujetData Visualization and AnalyticsTravaux en français237 207