6 P. Asghari et al. Applications of Webcam-Based Eye Tracking. Several wcET studies have recently been conducted in fields such as marketing [19], code development [16], and digital learning [15]. Yang et al. [19] conducted an online study with the Web- Gazer eye tracker to examine customer decision-making behavior. Thilderkvist and Dobslaw [16] used ET for visual processing of source code. They note that applications such as text reading with small AOIs (Areas of Interest), require more accurate gaze tracking. Another important point is temporal stability [5, 16], i.e. that gaze estimates are delivered at an approximately constant rate. Calibration. All gaze estimation methods need to determine a set of parame- ters through calibration. For 3D gaze-vector prediction some works use model- based ET to reduce calibration requirements. However, estimating the gaze point within the 2D coordinate system of a screen in front of the subject requires a second calibration layer (screen calibration) for each participant [7]. Traditional models use geometry calibration to map the gaze to a point on the screen. Also, some machine learning-based methods try to learn a regression function to cal- ibrate the system. Gudi et al. [6] propose a hybrid approach that uses machine learning to learn geometry calibration parameters. 3 Webcam Eye Tracking and Evaluation Method System Design. The wcET system that we propose has three distinct blocks, see Fig. 1. First, the participant’s image is captured by the webcam. This is done through Logitech Brio 60 Hz webcam as imaging device. Second, a deep learning appearance-based gaze estimation model. Then, the gaze model uses the pre-processed and normalized raw image to estimate a 3D gaze vector. We use resnet 18 trained on the MPIIgaze data set. Finally, based on the participants’ calibration, the 3D gaze vector is mapped to a 2D point on the screen. To this end, we use a modified version of the hybrid screen calibration technique discussed in [6]. Fig. 1. Proposed Webcam-based ET method. Participants. Our study included 20 adults (gender: 10 men, 10 women - age: 27.0 ± 4.5 years). One of the participants wore glasses during the trial, and none wore make-up. Eye Tracking Data Quality with Pervasive Webcams 7 Calibration/Validation (wcET). For the initial calibration and the subse- quent validation, we asked the participants to move the mouse to calibration points shown on the screen. In this way we realized a fast calibration method and made sure that the participants fixated the points. For each calibration point, first, a red circle with 30 pixels radius was displayed around the central calibration point on the black screen. As soon as the users hovered over the cir- cle with the mouse, we assumed that they looked at the circle; and the system recorded the related gazes. We did this for six different calibration points twice in order to obtain a stable calibration. Then we validated the calibration result with nine points and the same procedure. Six of these nine points were the same points as in calibration, and three additional points were chosen. Eye Tracker, Computer, and Screen (dhET). For comparison to wcET, we used the Tobii Pro x3-120 screen-based (IR) eye-tracker 120 Hz sampling rate. The experiment was run on a desktop computer (Intel Core i7-11700k @ 3.60 GHz, 32 GB RAM, Windows 11) and the task stimuli were presented on a screen (53 x 30 cm, 60 Hz refresh rate, 1920 × 1080 pixels). Experiment. We used two screens to run both ET systems at the same time, one screen for controlling both systems and the other for displaying tasks. We first launched the Tobii eye-tracker, followed by the wcET system after the cal- ibration/validation phase, see Fig. 1. We used the calibration start point times- tamp and the start time of dhET as a general offset between the two systems, since both were measured to the global clock. Fig. 2. Experiments’ timeline, indicating the timestamps used for data synchronization. 4 Results Precision. For wcET we found a precision of 0.3◦ ± 0.3◦ and for dhET a precision of 0.7◦ ± 0.8◦. In terms of precision wcET can be comparable to dhET. This could be partially caused by the lower frame rate of wcET.
چکیده فارسی
6 ص اصغری و همکاران. کاربردهای ردیابی چشم مبتنی بر وب کم. اخیراً چندین مطالعه wcET در زمینه هایی مانند بازاریابی [19]، توسعه کد [16] و یادگیری دیجیتال [15] انجام شده است. یانگ و همکاران [19] یک مطالعه آنلاین با ردیاب چشم Web Gazer برای بررسی رفتار تصمیم گیری مشتری انجام داد. Thilderkvist و Dobslaw [16] از ET برای پردازش بصری کد منبع استفاده کردند. آنها اشاره می کنند که برنامه هایی مانند خواندن متن با AOI های کوچک (مناطق مورد علاقه)، به ردیابی نگاه دقیق تری نیاز دارند. نکته مهم دیگر ثبات زمانی است [5، 16]، یعنی برآوردهای نگاه با سرعت تقریباً ثابتی ارائه می شوند. تنظیم. تمام روش های تخمین نگاه نیاز به تعیین مجموعه ای از پارامترها از طریق کالیبراسیون دارند. برای پیشبینی 3 بعدی نگاه-بردار، برخی از کارها از ET مبتنی بر مدل برای کاهش نیازهای کالیبراسیون استفاده میکنند. با این حال، تخمین نقطه نگاه در سیستم مختصات دوبعدی یک صفحه نمایش در مقابل سوژه نیاز به یک لایه کالیبراسیون دوم (کالیبراسیون صفحه) برای هر شرکت کننده دارد [7]. مدلهای سنتی از کالیبراسیون هندسی برای ترسیم نگاه به نقطهای روی صفحه استفاده میکنند. همچنین، برخی از روشهای مبتنی بر یادگیری ماشین سعی میکنند یک تابع رگرسیون را برای کالیبره کردن سیستم یاد بگیرند. گودی و همکاران [6] یک رویکرد ترکیبی را پیشنهاد میکند که از یادگیری ماشین برای یادگیری پارامترهای کالیبراسیون هندسه استفاده میکند. 3 طراحی سیستم روش ردیابی و ارزیابی چشم وب کم. سیستم wcET که ما پیشنهاد می کنیم دارای سه بلوک مجزا است، شکل 1 را ببینید. ابتدا تصویر شرکت کننده توسط وب کم گرفته می شود. این کار از طریق وب کم Logitech Brio 60 Hz به عنوان دستگاه تصویربرداری انجام می شود. دوم، یک مدل تخمین نگاه مبتنی بر یادگیری عمیق. سپس، مدل نگاه از تصویر خام از پیش پردازش شده و نرمال شده برای تخمین بردار نگاه سه بعدی استفاده می کند. ما از resnet 18 آموزش داده شده در مجموعه داده MPIIgaze استفاده می کنیم. در نهایت، بر اساس کالیبراسیون شرکتکنندگان، بردار نگاه سهبعدی به یک نقطه دو بعدی روی صفحه نگاشت میشود. برای این منظور، ما از یک نسخه اصلاح شده از تکنیک کالیبراسیون صفحه نمایش هیبریدی که در [6] بحث شده است استفاده می کنیم. شکل 1. روش ET مبتنی بر وب کم پیشنهادی. شركت كنندگان. مطالعه ما شامل 20 بزرگسال (جنسیت: 10 مرد، 10 زن - سن: 4.5 ± 27.0 سال) بود. یکی از شرکت کنندگان در طول محاکمه عینک می زد و هیچکدام آرایش نداشتند. کیفیت داده های ردیابی چشم با وب کم های فراگیر 7 کالیبراسیون/ اعتبارسنجی (wcET). برای کالیبراسیون اولیه و اعتبارسنجی بعدی، از شرکت کنندگان خواستیم که ماوس را به نقاط کالیبراسیون نشان داده شده روی صفحه حرکت دهند. به این ترتیب ما به یک روش کالیبراسیون سریع پی بردیم و مطمئن شدیم که شرکت کنندگان نقاط را ثابت می کنند. برای هر نقطه کالیبراسیون، ابتدا یک دایره قرمز با شعاع 30 پیکسل در اطراف نقطه کالیبراسیون مرکزی روی صفحه سیاه نمایش داده شد. به محض اینکه کاربران با ماوس روی دایره قرار گرفتند، فرض کردیم که آنها به دایره نگاه کرده اند. و سیستم نگاه های مرتبط را ثبت کرد. ما این کار را برای شش نقطه کالیبراسیون مختلف دو بار انجام دادیم تا یک کالیبراسیون پایدار به دست آوریم. سپس نتیجه کالیبراسیون را با نه نقطه و با همان رویه تأیید کردیم. شش نقطه از این نه نقطه همان نقاط کالیبراسیون بودند و سه نقطه اضافی انتخاب شدند. ردیاب چشم، کامپیوتر و صفحه نمایش (dhET). برای مقایسه با wcET، از نرخ نمونهبرداری 120 هرتزی چشمی ردیاب مبتنی بر صفحه نمایش (IR) Tobii Pro x3-120 استفاده کردیم. آزمایش بر روی یک کامپیوتر رومیزی (Intel Core i7-11700k @ 3.60 گیگاهرتز، 32 گیگابایت رم، ویندوز 11) اجرا شد و محرک های کار بر روی یک صفحه نمایش (53 × 30 سانتی متر، نرخ تجدید 60 هرتز، 1920 × 1080 پیکسل) ارائه شد. . آزمایش کنید. ما از دو صفحه برای اجرای هر دو سیستم ET به طور همزمان استفاده کردیم، یک صفحه برای کنترل هر دو سیستم و دیگری برای نمایش وظایف. ما ابتدا ردیاب چشمی Tobii را راهاندازی کردیم و سپس سیستم wcET را پس از مرحله کالیبراسیون/ اعتبارسنجی، به شکل 1 ببینید. سیستمها، زیرا هر دو با ساعت جهانی اندازهگیری شدند. شکل 2. جدول زمانی آزمایش ها، نشان دهنده مهرهای زمانی مورد استفاده برای همگام سازی داده ها است. 4 نتایج دقیق. برای wcET دقت 0.3 ± 0.3 ◦ و برای dhET دقت 0.8 ± 0.7 ◦ پیدا کردیم. از نظر دقت wcET می تواند با dhET قابل مقایسه باشد. این می تواند تا حدی ناشی از نرخ فریم پایین wcET باشد.
ادامه ...
بستن ...
Contents – Part II xxix
HCI Strategies for Informing the Design of a Teacher Dashboard:
How Might Real-Time Situational Data Determine the Potential
for Technological Support in the Classroom? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Elsy Meis, Samuel Pugh, Rachel Dickler, Mike Tissenbaum,
and Leanne Hirshfield
Methodological Strategies to Potentiate the Teaching-Learning Process
in Virtual Modality of Business Administration Students . . . . . . . . . . . . . . . . . . . . 169
Evaristo Navarro, Milagro Villasmil, and Alfredo Perez-Caballero
Innovative ICT-Based Strategies Used by Teachers for the Development
of Social Competences in Business Administration Students . . . . . . . . . . . . . . . . . 175
Evaristo Navarro, Marlene Ballestas, Ismael Alvarez,
and Johny García-Tirado
Workids: Kids Homework Planner to Enhance Learning and Motivation
in a Meaningful Way . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
Melina Avila Cruz, Monica Gonzalez Garduño,
Diana Luz Peña Dominguez, and Rocio Abascal Mena
Exploring Information Retrieval for Personalized Teaching Support . . . . . . . . . . . 191
Nanjie Rao, Sharon Lynn Chu, Zeyuan Jing, Huan Kuang, Yunjie Tang,
and Zhang Dong
INTELIAPP: An Application to Detect the Different Intelligence
and Cognitive Abilities in Public High School Students to Develop a Better
Appropriation of Knowledge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
Orlando Arturo Rizo Mendoza, Daniel Sánchez Fuentes,
Alvaro Josias Ornelas Medina, and Rocío Abascal Mena
Design of a Virtual Laboratory for Practical Learning of Environmental
Management and Industrial Safety . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
Pablo Ron-Valenzuela, Diana Vargas, and Lizeth Medina
“I CAN Do This!”: Teaching Introductory Programming in Face-to-Face
vs. Online Classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
Simona Vasilache
3D Printing for STEAM Education . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
Mireya Zapata-Rodríguez, Hugo Arias-Flores, and Jorge Álvarez-Tello
Digital Transformation in Business, Government, and Organizations
Moral and Political Concerns About Patents: A Cross-Cultural Perspective . . . . 227
Benedicto Acosta
xxx Contents – Part II
Automation of an Electro-Hydraulic Test Bench Using a Weitek CMT3092
HMI- PLC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
Diego Altamirano-Haro, Patricio Eduardo Sánchez-Díaz, Jorge Buele,
and Manuel Ayala-Chauvin
Apply the M/M/C Model of Queuing Theory in a Service System Based
on FlexSim Simulation in the Post-COVID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
Ana Álvarez Sánchez and Alexis Suárez del Villar Labastida
Evaluation Methods Review of the Innovation Capacity of Companies
Based on Knowledge Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
Jorge Álvarez-Tello, Jenny Martínez-Crespo,
and Mireya Zapata-Rodríguez
Intelligent Dashboard to Optimize the Tax Management in a Town
Municipal Government . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
Franklin Castillo, José A. Oleas-Orozco, Fernando Saá-Tapia,
and Carlos Mena-Navas
Idea Management in SMEs – Design Principles for Collaboration in Idea
Management Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
Andreas Hermann, Torsten Gollhardt, Paul Kruse, Ann-Kristin Cordes,
and Jörg Becker
Human Interface and Competitive Intelligence in Management of Business
Science Teaching Research . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
César Eduardo Jiménez-Calderón, Petronila Liliana Mairena-Fox,
and Giancarlo Mariano Mancarella-Valladares
Risk Training Tool on Structured Knowledge for Risk Management . . . . . . . . . . 278
Noriyuki Kushiro and Toshihiro Mega
Chrono-Spatialism. Introducing a Time-Based Approach for Retail Space
Design in the Digitalized Scenario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
Yuemei Ma and Anna Barbara
Transformation of the Australian VET Sector: Investigations into the Key
Competencies Required of the Australian Workforce in the Era of Industry
4.0 Technologies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
Shisir Prasad Manandhar, Abhishek Sharma, and Kunnumpurath Bijo
Virtuality in Non-governmental Organizations: An Analysis from Working
Conditions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
Davidson Martínez, Jose Ramírez, Angiee Carbonó-Mercado,
Osvaldo Arevalo, Margel Parra, and Daniel Viloria
Contents – Part II xxxi
Effects of Teleworking on the Body Mass Index of the Teachers
of an Educational Institution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
Victor Moreno Medina, Luis Bermudez, and Andrés Lara-Calle
How Effective is the Octalysis Gamification to Design Satisfying
Electronic Wallet Experiences? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
Kwan Panyawanich, Martin Maguire, and Patrick Pradel
Impulsive Purchase in Agricultural Products Livestreaming: An ELM
Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
Suting Yang, Lili Liu, Jiajia Xu, Jiaqi Zhang, Jiaqi Wang, Yun Lu,
and Chuanmin Mi
Follow Others: A Study of the Influence of Herd Behavior on Customer
Experience in Group-Buying . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
Kaiyan Zhu
Automated Driving and Urban Mobility
How Should Automated Vehicles Approach Pedestrians? – The Influence
of Different Approximation Behaviors & Driver Visibility on Perceived
Situation Criticality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
Valeria Bopp-Bertenbreiter, Denise Pottin, and Verena Wagner-Hartl
A Study on the Differentiation of User Emotional Experience of Electric
Vehicle Charging Products from a Comparative Perspective . . . . . . . . . . . . . . . . . 359
Yuchao Cai, Jie Zhang, Xiaojun Lin, and Mi Tian
Human Factor Issues in Remote Operator of Automated Driving
System for Services - One Operator to N Units of Automated Vehicles
in Automated Vehicle Services - . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
Naohisa Hashimoto, Yanbin Wu, and Toshihisa Sato
Is This My Ride? AV Braking Behavior from the Perspective of Waiting
Ride Hailing Customers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
Fabian Hub, Silvio Heß, Marc Wilbrink, and Michael Oehl
The Sound of Travelers: Analysing Online Travel Podcasts Interest
Communities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383
Leonor Lima and Maria João Antunes
Towards a Universal Explicit Communication Design of External
Human-Machine Interfaces (eHMI) for Differently Sized Highly
Automated Vehicles Evaluated by Different Pedestrian Age Groups . . . . . . . . . . . 391
Michael Oehl, Merle Lau, Laura Gehreke, and Marc Wilbrink
xxxii Contents – Part II
ICT as a Resource for the Professional Training of Drivers. Education
and Training School for Professional Drivers, Pelileo-Ecuador . . . . . . . . . . . . . . . 399
Jose A. Oleas-Orozco, Franklin Castillo, Fernando Saá-Tapia,
and Pablo Barrera-Urbina
Research on Information Design of Intelligent Vehicle System Interface
Based on Driver Trust . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
Guo Qi
INNOTEK-MOBIL Information System to Improve Mobility
with Dynamic Interaction on Various Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418
Mayerly Rivera, Yuliana Montenegro, Hernan Naranjo,
Katerine Tamayo, and Roberto Encarnación
Understanding Travel Behaviors and Developing a User-Centered Design
of the Residential Mobility Using a Persona-Based Approach . . . . . . . . . . . . . . . . 426
Toshihisa Sato, Naohisa Hashimoto, Takafumi Ando, Takahiro Miura,
and Yen Tran
External Human Machine Interface (HMI) for Automated Bus -Preliminary
Experiments for Acceptance with Real Automated Bus- . . . . . . . . . . . . . . . . . . . . . 434
Sota Suzuki, Yanbin Wu, Toru Kumagai, and Naohisa Hashimoto
The More the Better? Comparison of Different On-Board HMI
Communication Strategies for Highly Automated Vehicles Using a LED
Light-Band to Inform Passengers About Safe Interactions with Multiple
Surrounding Traffic Participants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
Marc Wilbrink and Michael Oehl
All-Age Co-creation: A Study of Pedestrian System Service Design
from the Perspective of Community Building . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
Jianbin Wu, Kin Wai Michael Siu, and Linghao Zhang
Robots, Agents, and Intelligent Environments
Impact of Individual Differences on the Adoption of Smart Homes . . . . . . . . . . . 459
Badar H. Al-Lawati and Xiaowen Fang
A Method to Check that Participants Really are Imagining Artificial Minds
When Ascribing Mental States . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470
Hal Ashton and Matija Franklin
Comparison of Innovative Strategy of Smart City in Italy, United
Kingdom, United States and Spain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475
Asriadi and Achmad Nurmandi
Contents – Part II xxxiii
Impact of Distance and Movement Speed on the Acceptance
of Human-Robot Interaction – Method and First Evaluation . . . . . . . . . . . . . . . . . 483
Jonas Birkle, Annika Vogel, and Verena Wagner-Hartl
Smartphone-Based Input Multimodal Interactions for IoT Environments . . . . . . . 491
Fadia Nouna Bousba, Nadia Elouali, and Sidi Mohammed Benslimane
Government Data Processing Mechanism to Support Smart City:
A Bibliometric Review . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498
Muhammad Farhan HR and Achmad Nurmandi
People-Flows: An Innovative Flow Monitoring and Management System
in Urban Environments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 507
Manos Kalaitzakis, Eirini Sykianaki, Nikitas Michalakis,
Nikos Stivaktakis, Kassiani Balafa, Stavroula Ntoa,
and Constantine Stephanidis
Comparative Study on the Impact of Cultural Background on the Perception
of Different Types of Social Robots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 517
Angelika Bernsteiner, Kathrin Pollmann, and Leopold Neuhold
Human-Computer Interaction and Coevolution in Science AI Robotics . . . . . . . . 523
Yoshihiro Maruyama
Nordic Study on Public Acceptance of Autonomous Drones . . . . . . . . . . . . . . . . . 532
Virpi Oksman and Minna Kulju
Architecture of a Network of Low-Frequency Smart Sensors for IoT
Applications in Marine Environments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
Abigail Elizabeth Pallares-Calvo, Blanca Esther Carvajal-Gámez,
and Oscar Octavio Gutiérrez-Frías
IoT Monitoring to Control a Bicycle Parking Lot . . . . . . . . . . . . . . . . . . . . . . . . . . . 547
Belen Ruales, Patricio Lara-Alvarez, Carles Riba,
and Manuel Ayala-Chauvin
Adaptation of a Study Design to the COVID-19 Pandemic Regulations
- Evaluation of a Voice-Controlled Robotic Kitchen Assistance System
for the Support of Older Adults in Need of Care . . . . . . . . . . . . . . . . . . . . . . . . . . . 555
Nicole Strutz and Luis Perotti
Analysis of Electrical Energy Consumption in the Home Using IoT . . . . . . . . . . . 561
José Varela-Aldás, Mario Miranda, Jenny León, and Cristian Gallardo
xxxiv Contents – Part II
Incorporating Affective Proactive Behavior to a Social Companion Robot
for Community Dwelling Older Adults . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 568
Laura Villa, Ramón Hervás, Cosmin C. Dobrescu,
Dagoberto Cruz-Sandoval, and Jesús Favela
A Study and Comparative Analysis of the Intelligent Park Operation
Platform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 576
Jingyi Yang
AI in HCI: Methods, Applications, and Studies
Role of Artificial Intelligence in the Smart City: A Bibliometric Review . . . . . . . 589
Julio Adi Bhaskara and Achmad Nurmandi
A Comparative Analysis of Reinforcement Learning Approaches
to Cryptocurrency Price Prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597
Daniele Bertillo, Carlo Morelli, Giuseppe Sansonetti,
and Alessandro Micarelli
Explainable Artificial Intelligence (XAI) User Interface Design for Solving
a Rubik’s Cube . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 605
Cassidy Bradley, Dezhi Wu, Hengtao Tang, Ishu Singh, Katelyn Wydant,
Brittany Capps, Karen Wong, Forest Agostinelli, Matthew Irvin,
and Biplav Srivastava
Role of AI in Promoting European Accessibility Policy . . . . . . . . . . . . . . . . . . . . . 613
Krishna Chandramouli
Human-Centered Learning Engineering for the Emerging Intelligence
Augmentation Economy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 619
Jim Goodell and Neil Heffernan
A Skeleton-Based Deep Learning Approach for Recognizing Violent
Actions in Surveillance Scenarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624
Rabia Jafri, Rodrigo Louzada Campos, and Hamid R. Arabnia
Consumer Intention to Accept AI-Based Products and Services . . . . . . . . . . . . . . 632
Xu Li, Do-Won Yoon, Yuxuan Ding, and Hyesun Hwang
From Principled to Applied AI Ethics in Organizations: A Scoping Review . . . . 641
Aude Marie Marcoux and Joé T. Martineau
Does the COVID-19 Pandemic have Implications for Machine Ethics? . . . . . . . . 647
Rosae Martín-Peña
Contents – Part II xxxv
Find the Real: A Study of Individuals’ Ability to Differentiate Between
Authentic Human Faces and Artificial-Intelligence Generated Faces . . . . . . . . . . 655
David Wayne Meyer
It’s Still Frustrating! Human-Centered Approaches to Data in Enterprise
PC Maintenance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 663
Dawn Nafus, Sinem Aslan, and Caroline Foster
Understanding the Patients’ Adoption and Usage of AI Solution in Mental
Health: A Scoping Review . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 671
Nguyen Nguyen, Elise Labonte-Lemoyne, Yany Gregoire,
Marie Louise Radanielina-Hita, and Sylvain Senecal
Birdwatch: A Platform Utilizing Machine Learning to Recognize Species
of Indigenous, Migratory and Endangered Birds . . . . . . . . . . . . . . . . . . . . . . . . . . . 676
Abhishek Rein, Abhinav Rai, Nilima Jaiswal, and Anmol Srivastava
A Survey on Phishing Website Detection Using Deep Neural Networks . . . . . . . 684
Vivek Sharma and Tzipora Halevi
Revealing Doubtful Data in 200k Images via Re-annotation Workshop
by Researcher Community . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695
Ryota Suzuki and Hirokatsu Kataoka
Attention and Human AI Collaboration - The Context of Automated
Vehicles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 702
Zoubeir Tkiouat, Élise Labonté-LeMoyne, Ryad Titah, Nicolas Saunier,
Pierre-Majorique Léger, and Sylvain Sénécal
Natural Language Processing for Scientific Paper Evaluation: Comparing
Human and Machine Judgements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 707
Tom Xu, Noel Hinton, Michael Timothy Bennett, and Yoshihiro Maruyama
Designing for Perceived Intelligence in Human-Agent Interaction:
A Systematic Review . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 713
Qinyu Zhang, Shan Liu, Jie Xu, Xiang Ji, Yubo Zhang, and Yanfang Liu
Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 721
ادامه ...
بستن ...
