論文の概要: The Communal Loom: Integrating Tangible Interaction and Participatory Data Collection for Assessing Well-Being

• arxiv url: http://arxiv.org/abs/2410.24036v1
• Date: Thu, 31 Oct 2024 15:34:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 16:58:07.390968
• Title: The Communal Loom: Integrating Tangible Interaction and Participatory Data Collection for Assessing Well-Being
• Title（参考訳）: コミュニケーションの織機 : タンジブルインタラクションと参加型データ収集の統合による幸福度評価
• Authors: Niti Parikh, Yiran Zhao, Maria Alinea-Bravo, Tapan Parikh,
• Abstract要約: タンジブルインタラクションは、直接的および具体的コラボレーションと、データ収集と評価に対する全体論的アプローチを組み合わせる機会を与える。 我々は、定量的データをまとめて編み出したアーティファクトに変換するアートセラピーのためのアーティファクトであるCommunal Loomを設計し、使用した経験を説明することで、この可能性を実証する。
• 参考スコア（独自算出の注目度）: 5.34051651668884
• License:
• Abstract: For most health or well-being interventions, the process of evaluation is distinct from the activity itself, both in terms of who is involved, and how the actual data is collected and analyzed. Tangible interaction affords the opportunity to combine direct and embodied collaboration with a holistic approach to data collection and evaluation. We demonstrate this potential by describing our experiences designing and using the Communal Loom, an artifact for art therapy that translates quantitative data to collectively woven artifacts.
• Abstract（参考訳）: ほとんどの健康や幸福な介入において、評価のプロセスは、誰が関与しているか、そして実際のデータが収集され分析されるかという点において、活動そのものとは異なっている。 タンジブルインタラクションは、直接的および具体的コラボレーションと、データ収集と評価に対する全体論的アプローチを組み合わせる機会を与える。 我々は、定量的データをまとめて編み出したアーティファクトに変換するアートセラピーのためのアーティファクトであるCommunal Loomを設計し、使用した経験を説明することで、この可能性を実証する。

関連論文リスト

• Higher-Order Causal Message Passing for Experimentation with Complex Interference [6.092214762701847]
  本研究では、因果的メッセージパッシングに基づく新しい推定器のクラスを導入し、広範で未知な干渉のある設定に特化して設計する。 我々の推定器は、サンプルの平均値と時間とともに単位結果と処理のばらつきから情報を抽出し、観測データの効率的な利用を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T18:00:51Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Collaborative Active Learning in Conditional Trust Environment [1.3846014191157405]
  複数の協力者が既存のデータやモデルを開示することなく、組み合わせた機械学習機能を活用して新しいドメインを探索するパラダイムである、協調型アクティブラーニングについて検討する。 このコラボレーションは、(a)直接モデルとデータ開示の必要性を排除し、プライバシとセキュリティの懸念に対処する、(b)直接データ交換なしで異なるデータソースとインサイトの使用を可能にする、(c)共有ラベリングコストを通じてコスト効率とリソース効率を促進する、といういくつかの利点を提供する。
  論文  参考訳（メタデータ） (2024-03-27T10:40:27Z)
• How Object Information Improves Skeleton-based Human Action Recognition in Assembly Tasks [12.349172146831506]
  本稿では,物体情報を骨格に基づく行動認識に組み込む新しい手法を提案する。 我々は、物体中心をさらなる骨格関節として扱うことにより、最先端の2つの方法を強化する。 我々の研究は、組み立て作業における人間の行動認識のための骨格関節と物体情報を組み合わせることの利点に光を当てている。
  論文  参考訳（メタデータ） (2023-06-09T12:18:14Z)
• Collaborative Learning via Prediction Consensus [38.89001892487472]
  我々は,協力者の専門知識を活用して,各エージェントの目標が自身のモデルを改善するための協調学習環境を考える。 本研究では, 共分散ラベル付き補助データを利用した蒸留法を提案する。 我々は,協調方式が個々のモデルの性能を大幅に向上させることができることを実証的に実証した。
  論文  参考訳（メタデータ） (2023-05-29T14:12:03Z)
• A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
  In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。 実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
  論文  参考訳（メタデータ） (2023-05-15T16:02:56Z)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• Evaluating Interactive Summarization: an Expansion-Based Framework [97.0077722128397]
  対話型要約のためのエンドツーエンド評価フレームワークを開発した。 我々のフレームワークには、実際のユーザセッションの収集手順と、標準に依存する評価方法が含まれています。 当社のソリューションはすべて、ベンチマークとして公開されることを意図しています。
  論文  参考訳（メタデータ） (2020-09-17T15:48:13Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)

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。