論文の概要: Display object alignment may influence location recall in unexpected ways

• arxiv url: http://arxiv.org/abs/2010.10658v1
• Date: Tue, 20 Oct 2020 22:51:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 05:23:00.121799
• Title: Display object alignment may influence location recall in unexpected ways
• Title（参考訳）: ディスプレイオブジェクトアライメントは予期せぬ方法で位置リコールに影響を与える可能性がある
• Authors: Peter Zelchenko, Xiaohan Fu, Xiangqian Li, Alex Ivanov, Zhenyu Gu
• Abstract要約: 完全なコリニアリティがメリットをもたらすという考えは、検索とリコールの両方にメリットをもたらすが、テストされることはめったにない。 96人の大学生を対象に、アライメントまたは偏心配置のレイアウトで最小限のブレインストーミングインタフェースをテストした。
• 参考スコア（独自算出の注目度）: 1.0949594516629653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is a presumption in human-computer interaction that laying out menus and most other material in neat rows and columns helps users get work done. The rule has been so implicit in the field of design as to allow for no debate. However, the idea that perfect collinearity benefits creates an advantage for both either search and or recall has rarely been tested. Drawing from separate branches of cognitive literature, we tested a minimal brainstorming interface with either aligned or eccentrically arranged layouts on 96 college students. Incidental exact recall of recently worked locations improved in the eccentric condition. And in both conditions there were frequent near-miss recall errors to neighboring aligned objects and groups of objects. Further analysis found only marginal performance advantages specifically for females with the eccentric design. However, NASA-TLX subjective measures showed that in eccentric, females reported higher performance, less effort, and yet also higher frustration; while males reported lower performance with about the same effort, and lower frustration.
• Abstract（参考訳）: メニューやその他のほとんどの素材を列や列に並べることで、ユーザーが作業を行うのに役立つと推定されている。 この規則は設計の分野において非常に暗黙的であり、議論の余地がない。 しかし、完全なコリニアリティの利点は、検索とリコールの両方に利点をもたらすという考え方はほとんどテストされていない。 認知文学の別分野から抽出し,96人の大学生を対象に,配列の整列あるいは偏心配置のブレインストーミングインタフェースをテストした。 最近稼働した場所の正確なリコールは、偏心状態が改善した。 どちらの条件でも、隣接したオブジェクトやオブジェクトのグループに対して、頻繁にニアミスリコールエラーがあった。 さらに分析したところ、偏心的なデザインを持つ女性に特有な限界性能の利点しか見つからなかった。 しかし、NASA-TLXの主観的測定では、偏心性では、女性は高いパフォーマンス、少ない努力、そして高いフラストレーションを報告し、一方男性はほぼ同じ努力で低いパフォーマンスを報告し、より低いフラストレーションを報告した。

関連論文リスト

• Mind Your Step (by Step): Chain-of-Thought can Reduce Performance on Tasks where Thinking Makes Humans Worse [9.542503507653494]
  CoT(Chain-of-Thought)は、大規模言語やマルチモーダルモデルを扱う上で広く使われている戦略である。 認知心理学からインスピレーションを得て,CoTが性能を低下させるタスクの特徴を同定する。 予測時間推論を用いた場合,多種多様な最先端モデル群が性能低下を示すことが判明した。
  論文  参考訳（メタデータ） (2024-10-27T18:30:41Z)
• Two Effects, One Trigger: On the Modality Gap, Object Bias, and Information Imbalance in Contrastive Vision-Language Models [27.618704505738425]
  コントラスト視覚言語モデル(VLM)は、様々な下流タスクに適用可能であることで人気を集めている。 ゼロショットオブジェクト認識のようないくつかのタスクで成功しているにもかかわらず、属性認識のような他のタスクでは驚くほど貧弱である。 これまでの研究では、これらの課題は、モダリティギャップ、共有表現空間における画像とテキストの分離、属性などの他の要因に対するオブジェクトに対するバイアスなどによるものだった。
  論文  参考訳（メタデータ） (2024-04-11T17:58:06Z)
• A Simple Solution for Offline Imitation from Observations and Examples with Possibly Incomplete Trajectories [122.11358440078581]
  オフラインの模倣は、任意のインタラクションがコストがかかり、専門家のアクションが利用できない現実世界のシナリオで有用である。 本研究では,タスク固有の専門的状態とタスクに依存しない非専門的状態-アクションペアのみを利用できるMPPを解決するために,観察から学習するトラジェクトリ・アウェア・ラーニング(TAILO)を提案する。
  論文  参考訳（メタデータ） (2023-11-02T15:41:09Z)
• Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly Detection [64.21963650519312]
  異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。 本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。 当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
  論文  参考訳（メタデータ） (2023-10-01T21:24:05Z)
• Causal Triplet: An Open Challenge for Intervention-centric Causal Representation Learning [98.78136504619539]
  Causal Tripletは、視覚的に複雑なシーンを特徴とする因果表現学習ベンチマークである。 この結果から,不整合表現やオブジェクト中心表現の知識によって構築されたモデルが,分散表現よりもはるかに優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-12T17:43:38Z)
• Towards Regression-Free Neural Networks for Diverse Compute Platforms [50.64489250972764]
  負のフリップを小さくする高精度モデル群を設計するために,REG-NAS(Regression constrained Neural Architecture Search)を導入する。 REG-NASは2つのコンポーネントから構成される: 1) より大きなモデルでより小さなモデルの全重みを収容できる新しいアーキテクチャ制約により、重量共有を最大化する。 我々は,regnasが3つの一般的なアーキテクチャ検索空間において,負のフリップが少なく,望ましいアーキテクチャを見つけることができたことを実証した。
  論文  参考訳（メタデータ） (2022-09-27T23:19:16Z)
• Quality-aware Part Models for Occluded Person Re-identification [77.24920810798505]
  咬合は人体再識別(ReID)にとって大きな課題となる 既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、目に見える身体の部品を推測するための外部ツールに依存している。 閉塞型ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-01-01T03:51:09Z)
• AdaAfford: Learning to Adapt Manipulation Affordance for 3D Articulated Objects via Few-shot Interactions [13.802675708793014]
  キャビネット、ドア、蛇口などの3D音声による物体の認識と相互作用は、将来のホームアシストロボットに特別な課題をもたらす。 我々はAdaAffordという名の新しいフレームワークを提案し、より正確なインスタンス固有の後付けに手軽さを迅速に適応するために、ごく少数のテスト時間インタラクションを実行することを学習する。
  論文  参考訳（メタデータ） (2021-12-01T03:00:05Z)
• Tune-In: Training Under Negative Environments with Interference for Attention Networks Simulating Cocktail Party Effect [37.697375719184926]
  本稿では,干渉のある否定的環境下でのトレーニング用に略されたtune-inと呼ばれる新しい注意ネットワークを提案する。 まず、共有特徴空間に基づいて、話者知識と音声刺激の2つの異なる空間を学習する。 2つの空間の間には、新しいクロスアテンション機構とデュアルアテンション機構によって情報同士がキャストされる。
  論文  参考訳（メタデータ） (2021-03-02T04:03:37Z)
• Co-mining: Self-Supervised Learning for Sparsely Annotated Object Detection [29.683119976550007]
  我々は,簡潔な注釈付き物体検出のためのシンプルだが効果的な機構であるCo-miningを提案する。 共同マイニングでは、シームズネットワークの2つのブランチが互いに擬似ラベルセットを予測します。 実験は3つの異なるアノテートされた設定でMSデータセット上で行われる。
  論文  参考訳（メタデータ） (2020-12-03T14:23:43Z)
• Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
  視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。 過去30年間に様々な評価方法が提案されてきた。 注意変動を記述するための重力モデル(GRAV)を提案する。
  論文  参考訳（メタデータ） (2020-09-15T10:12:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。