Logo des Repositoriums
 

CAVE-basierte Nutzerstudie eines Aufenthalts-Empfehlungssystems

Kurzanzeige
dc.contributor.authorHegenberg, Jens
dc.contributor.authorKannengießer, Niclas
dc.contributor.authorKlose, Elisa
dc.contributor.authorSchmidt, Ludger
dc.contributor.editorDachselt, Raimund
dc.contributor.editorWeber, Gerhard
dc.date.accessioned2018-08-18T08:00:34Z
dc.date.available2018-08-18T08:00:34Z
dc.date.issued2018
dc.description.abstractReiseassistenzsysteme sind vielversprechend, um individualisierte und kontextbezogene Unterstützung entlang intermodaler Reiseketten im öffentlichen Verkehr anzubieten. Hierbei stellen sowohl zeitkritische Situationen als auch solche mit längerer Wartezeit eine Belastung des Reisenden dar. Für letztere bietet das untersuchte System Assistenz durch individuali-sierte Gestaltungsvorschläge für längere Aufenthalte. In Vorbereitung auf eine großangelegte Feldstudie wurden vier Varianten des zugrundeliegenden Empfehlungssystems und ein Trai-ningsansatz zur Initialisierung des Nutzerprofils hinsichtlich der numerischen und der sub-jektiv wahrgenommenen Genauigkeit der Empfehlungen evaluiert. Die Benutzungsschnitt-stelle in einer optischen Durchsichtdatenbrille wird außerdem hinsichtlich ihrer Ge-brauchstauglichkeit evaluiert. Für die Evaluation wurde eine Reise inkl. zweier längerer Aufenthalte mittels einer CAVE simuliert.de
dc.identifier.doi10.18420/muc2018-mci-0303
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/16743
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofMensch und Computer 2018 - Tagungsband
dc.relation.ispartofseriesMensch und Computer
dc.subjectEmpfehlungssystem
dc.subjectReiseassistenz
dc.subjectNutzerstudie
dc.subjectAugmented-Reality
dc.subjectVirtual-Reality
dc.titleCAVE-basierte Nutzerstudie eines Aufenthalts-Empfehlungssystemsde
dc.typeText/Conference Paper
gi.citation.publisherPlaceBonn
gi.conference.date2.-5. September 2018
gi.conference.locationDresden
gi.conference.sessiontitleLangbeiträge
gi.document.qualitydigidoc

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
Beitrag_303_final__a.pdf
Größe:
456.59 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

Tagungsband MuC 2018