論文の概要: Identification of Design Recommendations for Augmented Reality Authors in Corporate Training
- arxiv url: http://arxiv.org/abs/2507.21722v1
- Date: Tue, 29 Jul 2025 11:57:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-30 17:08:56.150439
- Title: Identification of Design Recommendations for Augmented Reality Authors in Corporate Training
- Title（参考訳）: コーポレートトレーニングにおける拡張現実作者のための設計勧告の同定
- Authors: Stefan Graser, Martin Schrepp, Stephan Böhm,
- Abstract要約: 本研究では,ユーザ中心設計プロセスの評価フェーズに関連するAR設計レコメンデーションを特定し,分析する。
既存のMixed Reality(MR)デザインレコメンデーションのデータセットに依存しています。
84のトピックに分類される597人の実践者設計推奨のデータセットが更新され、企業トレーニングにおけるARのコンテキストにおける適用性に関する新たな洞察が提供される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Innovative technologies, such as Augmented Reality (AR), introduce new interaction paradigms, demanding the identification of software requirements during the software development process. In general, design recommendations are related to this, supporting the design of applications positively and meeting stakeholder needs. However, current research lacks context-specific AR design recommendations. This study addresses this gap by identifying and analyzing practical AR design recommendations relevant to the evaluation phase of the User-Centered Design (UCD) process. We rely on an existing dataset of Mixed Reality (MR) design recommendations. We applied a multi-method approach by (1) extending the dataset with AR-specific recommendations published since 2020, (2) classifying the identified recommendations using a NLP classification approach based on a pre-trained Sentence Transformer model, (3) summarizing the content of all topics, and (4) evaluating their relevance concerning AR in Corporate Training (CT) both based on a qualitative Round Robin approach with five experts. As a result, an updated dataset of 597 practitioner design recommendations, classified into 84 topics, is provided with new insights into their applicability in the context of AR in CT. Based on this, 32 topics with a total of 284 statements were evaluated as relevant for AR in CT. This research directly contributes to the authors' work for extending their AR-specific User Experience (UX) measurement approach, supporting AR authors in targeting the improvement of AR applications for CT scenarios.
- Abstract（参考訳）: Augmented Reality (AR)のような革新的技術は、ソフトウェア開発プロセス中にソフトウェア要件の識別を要求する新しい相互作用パラダイムを導入します。
一般に、デザインレコメンデーションは、アプリケーションの設計を積極的に支援し、ステークホルダーのニーズを満たすことに関連しています。
しかし、現在の研究では、コンテキスト固有のARデザインレコメンデーションが欠落している。
本研究では,ユーザ中心設計(UCD)プロセスの評価フェーズに関連する実用的なAR設計レコメンデーションを特定し,分析することによって,このギャップに対処する。
既存のMixed Reality(MR)デザインレコメンデーションのデータセットに依存しています。
我々は,(1)データセットを2020年以降のAR固有のレコメンデーションで拡張し,(2)事前学習したセンテンストランスフォーマーモデルに基づくNLP分類アプローチを用いて,特定されたレコメンデーションを分類し,(3)全トピックの内容を要約し,(4)コーポレートトレーニング(CT)におけるARとの関連性を評価することによるマルチメソッドアプローチを適用した。
その結果、84のトピックに分類される597の実践者設計勧告のデータセットが更新され、CTにおけるARのコンテキストにおける適用性に関する新たな洞察が提供される。
以上の結果から,32項目,合計284文がCTにおけるAR関連因子として評価された。
この研究は、AR固有のユーザエクスペリエンス測定(UX)アプローチを拡張した著者の作業に直接貢献し、CTシナリオにおけるARアプリケーションの改善を目標とするAR作者を支援する。
関連論文リスト
- $\text{R}^2\text{ec}$: Towards Large Recommender Models with Reasoning [50.291998724376654]
我々は,本質的な推論機能を備えた統合された大規模レコメンデータモデルであるnameを提案する。
RecPOは、単一のポリシー更新で推論とレコメンデーションの両方の機能を同時に最適化する、対応する強化学習フレームワークである。
さまざまなベースラインを持つ3つのデータセットの実験では、Hit@5で68.67%、NDCG@20で45.21%の相対的な改善が見られた。
論文 参考訳（メタデータ） (2025-05-22T17:55:43Z) - A Survey of Model Architectures in Information Retrieval [64.75808744228067]
機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。
従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。
我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
論文 参考訳（メタデータ） (2025-02-20T18:42:58Z) - Scenario-Wise Rec: A Multi-Scenario Recommendation Benchmark [54.93461228053298]
6つの公開データセットと12のベンチマークモデルと、トレーニングと評価パイプラインで構成されるベンチマークである textbfScenario-Wise Rec を紹介します。
このベンチマークは、研究者に先行研究から貴重な洞察を提供することを目的としており、新しいモデルの開発を可能にしている。
論文 参考訳（メタデータ） (2024-12-23T08:15:34Z) - Towards Optimizing a Retrieval Augmented Generation using Large Language Model on Academic Data [4.322454918650575]
本研究では,大規模技術大学における各種研究プログラムを対象としたデータ検索に焦点を当てた。
オープンソース(Llama2、Mistralなど)とクローズドソース(GPT-3.5、GPT-4など)の統合を探ることで、ドメイン固有のコンテキストにおけるRAGフレームワークの適用と最適化に関する貴重な洞察を提供する。
論文 参考訳（メタデータ） (2024-11-13T08:43:37Z) - Towards Intelligent Augmented Reality (iAR): A Taxonomy of Context, an Architecture for iAR, and an Empirical Study [46.21335713342863]
iARにおける文脈認識推論と適応のためのフレームワークを提案する。
ユーザ動作を観察し,ユーザのパフォーマンス,コンテキスト,ユーザ指定のARインターフェースへの適応を記録可能な経験的AR実験を提案する。
論文 参考訳（メタデータ） (2024-11-04T23:52:43Z) - A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice [5.564583287027287]
Recommender Systems(RS)は、パーソナライズされたアイテムの提案を提供することで、ユーザーエクスペリエンスを高める上で重要な役割を果たす。
この調査は、2017年から2024年までのRSの進歩を包括的にレビューする。
この調査の第一の目的は、理論を実践と橋渡しすることである。
論文 参考訳（メタデータ） (2024-07-18T17:00:53Z) - Your Causal Self-Attentive Recommender Hosts a Lonely Neighborhood [25.74765016730563]
両方向/自動符号化(AE)と一方向/自動回帰(AR)の注意機構の比較分析を行った。
理論解析を支援するため,5つのベンチマークでAE/ARの注目度を比較する実験を行った。
私たちは、パフォーマンスの高いセルフアテンティブなレコメンデーションのために、将来の設計選択に光を当てました。
論文 参考訳（メタデータ） (2024-06-04T07:29:59Z) - DNS-Rec: Data-aware Neural Architecture Search for Recommender Systems [79.76519917171261]
本稿では,SRS(Sequential Recommender Systems)における計算オーバーヘッドと資源非効率性について述べる。
本稿では, プルーニング法と高度なモデル設計を組み合わせた革新的な手法を提案する。
我々の主な貢献は、リコメンダシステム(DNS-Rec)のためのデータ対応ニューラルアーキテクチャ検索の開発である。
論文 参考訳（メタデータ） (2024-02-01T07:22:52Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳（メタデータ） (2021-04-27T08:03:52Z)
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。