DO YOU HEAR WHAT I HEAR? ADVANCES IN WEB-BASED PERCEPTUAL TESTING AND TRAINING
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 paper describes a newly developed online perceptual testing and training tool called the Perceptual Chronograph. This tool was initially developed to test the reaction of salespeople to customer verbal and nonverbal cues in an experimentally designed 'sales transaction'. The Chronograph records the correct or incorrect identification of target or manipulated information, (signal detection theory), records the sensor's evaluation of the information, and also records reactions that a sensor would have in response to the identified information. The Chronograph has virtually unlimited potential for media richness: verbal, nonverbal, visual, contextual or even temporal information can be included. It also has the potential to be used as a training device, whereby exemplary sensors are tested and their response patterns analyzed to create a 'fuzzy gold' standard of behavior. Novice or less perceptually astute sensors (the 'novice') can be tested and their results analyzed. The differences between the exemplar and the novice can then be compared, either at the time of testing, or in a later training session. After feedback is given, the novice can be re-tested to ensure learning. Although the Chronograph was developed and tested in the sales context, it has learning and testing applications in many areas of research where a sensor (person or system) must perceive, evaluate, and respond to uncertain or conflicting information: (e.g.,
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,015 |
| 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