論文の概要: Impact of geolocation data on augmented reality usability: A comparative
user test
- arxiv url: http://arxiv.org/abs/2308.13544v1
- Date: Mon, 21 Aug 2023 11:25:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-03 21:30:53.690363
- Title: Impact of geolocation data on augmented reality usability: A comparative
user test
- Title（参考訳）: 位置情報データが拡張現実のユーザビリティに与える影響:比較ユーザテスト
- Authors: Julien Mercier (Lab-Sticc_decide, Ubs, Hes-So, Hes-So, Heig-Vd), N.
Chabloz (Hes-So, Heig-Vd, Hes-So), G. Dozot (Hes-So, Heig-Vd, Hes-So), C.
Audrin, O. Ertz (Hes-So, Heig-Vd, Hes-So), E. Bocher (Lab-Sticc_decide,
Lab-Sticc), D. Rappo (Hes-So, Heig-Vd, Hes-So)
- Abstract要約: 位置情報データの不正確さは、拡張オブジェクトがジッタやドリフトを引き起こします。
フリーでオープンソースのWeb ARアプリケーションを開発し、比較ユーザテストを実施しました。
その結果,RTK群が曝露した位置情報データは,コントロール群よりも平均値が低かった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Abstract. While the use of location-based augmented reality (AR) for
education has demonstrated benefits on participants' motivation, engagement,
and on their physical activity, geolocation data inaccuracy causes augmented
objects to jitter or drift, which is a factor in downgrading user experience.
We developed a free and open source web AR application and conducted a
comparative user test (n = 54) in order to assess the impact of geolocation
data on usability, exploration, and focus. A control group explored
biodiversity in nature using the system in combination with embedded GNSS data,
and an experimental group used an external module for RTK data. During the
test, eye tracking data, geolocated traces, and in-app user-triggered events
were recorded. Participants answered usability questionnaires (SUS, UEQ,
HARUS).We found that the geolocation data the RTK group was exposed to was less
accurate in average than that of the control group. The RTK group reported
lower usability scores on all scales, of which 5 out of 9 were significant,
indicating that inaccurate data negatively predicts usability. The GNSS group
walked more than the RTK group, indicating a partial effect on exploration. We
found no significant effect on interaction time with the screen, indicating no
specific relation between data accuracy and focus. While RTK data did not allow
us to better the usability of location-based AR interfaces, results allow us to
assess our system's overall usability as excellent, and to define optimal
operating conditions for future use with pupils.
- Abstract（参考訳）: 抽象。
位置情報に基づく拡張現実(AR)を教育に活用することは、参加者のモチベーション、エンゲージメント、身体活動に利益をもたらすが、位置情報データの不正確さは、拡張現実のオブジェクトを揺らぎや漂流させ、それはユーザー体験を低下させる要因である。
我々は,オープンソースのWeb ARアプリケーションを開発し,位置情報データのユーザビリティ,探索,フォーカスへの影響を評価するために,比較ユーザテスト(n = 54)を実施した。
制御群は組込みgsnsデータと組み合わせてシステムを用いて自然の生物多様性を調査し、実験群はrtkデータに外部モジュールを用いた。
テスト中は、視線追跡データ、位置情報、アプリ内ユーザー追跡イベントが記録された。
参加者はユーザビリティアンケート(SUS,UEQ,HARUS)に回答した。
その結果,RTK群が曝露した位置情報データは,コントロール群よりも平均値が低かった。
RTKグループはすべての尺度でユーザビリティスコアが低く,9つ中5つが有意であり,不正確なデータはユーザビリティを否定的に予測することを示した。
gnssグループはrtk群より多く歩き、探査に部分的な影響を示した。
画面とのインタラクション時間に有意な影響は認められず,データ精度とフォーカスの関係は示されなかった。
rtkデータでは位置情報ベースのarインターフェースのユーザビリティは向上しなかったが,システム全体のユーザビリティを優れたものとして評価し,瞳孔での将来の使用に最適な運用条件を定義することができた。
関連論文リスト
- Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。
ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。
そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
論文 参考訳（メタデータ） (2024-06-26T05:30:21Z) - FewUser: Few-Shot Social User Geolocation via Contrastive Learning [5.104305392215512]
FewUserはFew-shotソーシャルユーザー位置情報の新しいフレームワークである。
FewUserは、事前訓練された言語モデル(PLM)を利用して、多様なソーシャルメディア入力を効果的に処理し、融合するユーザ表現モジュールを備えている。
本研究では、ユーザ表現が位置情報性能に与える影響を総合的に分析する。
論文 参考訳（メタデータ） (2024-03-28T09:59:59Z) - A State-Vector Framework for Dataset Effects [20.255403795164856]
この方向の厳密な研究を可能にするための状態ベクトルフレームワークを提案する。
このフレームワークはベクトル空間の基底として理想化された探索テスト結果を使用する。
一般的に使われている言語理解データセットの有意な影響は特徴的であり,いくつかの言語的側面に集中していることが示される。
論文 参考訳（メタデータ） (2023-10-17T03:05:06Z) - Data Collaboration Analysis applied to Compound Datasets and the
Introduction of Projection data to Non-IID settings [6.037276428689637]
フェデレートラーニングは複合データセットに適用され、予測精度を高めつつ、潜在的にプロプライエタリな情報を保護している。
データ協調分析(DCPd)と呼ばれる,オープンソースからの化学合成データに対する分散機械学習の代替手法を提案する。
DCPdはラベルバイアスの程度が異なる実験では分類精度が無視できる低下を示した。
論文 参考訳（メタデータ） (2023-08-01T04:37:08Z) - WEAR: An Outdoor Sports Dataset for Wearable and Egocentric Activity Recognition [22.988658969594276]
視覚と慣性に基づく人間活動認識(HAR)のための屋外スポーツデータセットWEARを紹介する。
合計18種類のワークアウト活動を行う22人の被験者のデータを,11箇所の外部で記録した同期慣性(アクセラレーション)とカメラ(エゴセントリックビデオ)データを用いて収集した。
ベンチマークの結果,センサ配置により,各モードが予測性能に相補的な強度と弱点を与えることがわかった。
論文 参考訳（メタデータ） (2023-04-11T09:31:07Z) - Rethinking Data Heterogeneity in Federated Learning: Introducing a New
Notion and Standard Benchmarks [65.34113135080105]
我々は、現在のセットアップにおけるデータ不均一性の問題が必ずしも問題であるだけでなく、FL参加者にとって有益であることを示す。
私たちの観察は直感的である。
私たちのコードはhttps://github.com/MMorafah/FL-SC-NIIDで利用可能です。
論文 参考訳（メタデータ） (2022-09-30T17:15:19Z) - DAPPER: Label-Free Performance Estimation after Personalization for
Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。
実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文 参考訳（メタデータ） (2021-11-22T08:49:33Z) - Learning Graph Neural Networks for Multivariate Time Series Anomaly
Detection [8.688578727646409]
局所不確実性推定を用いたGLUE(Graph Deviation Network)を提案する。
GLUEは変数間の複雑な依存関係を学び、それを使って異常な振る舞いをよりよく識別する。
また、GLUEは、同様のセンサーをまとめる有意義なセンサー埋め込みを学習することを示す。
論文 参考訳（メタデータ） (2021-11-15T21:05:58Z) - Multi-Source Causal Inference Using Control Variates [81.57072928775509]
本稿では,複数のデータソースから因果効果を推定するアルゴリズムを提案する。
理論的には、これはATE推定値の分散を減少させる。
このフレームワークを結果選択バイアスの下で観測データからの推論に適用する。
論文 参考訳（メタデータ） (2021-03-30T21:20:51Z) - Provably Efficient Causal Reinforcement Learning with Confounded
Observational Data [135.64775986546505]
オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。
提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-22T14:49:33Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z)
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。