Key points are not available for this paper at this time.
마우스 다이나믹스, 즉 사용자가 컴퓨터 마우스와 상호작용하는 정보는 추천, 개인화, 사용자 특성 예측 및 행동 생체 인식과 같은 목적으로 기계 학습에서 주목받고 있다. 우리는 마우스 다이나믹스와 관련된 현재 연구에서 마우스 장치 및 구성의 특성이 데이터에 미치는 중대성을 과소평가함으로써 발생하는 맹점을 지적한다. N=32명의 참가자를 대상으로 한 통제된 연구에서 세 가지 종류의 마우스 상호작용 활동을 통해 다양한 마우스 매개변수 구성을 사용하여 마우스 다이나믹스에 대한 데이터를 수집한다. 우리는 연구에서 일반적으로 사용되는 마우스 다이나믹스가 마우스 매개변수의 차이로 인해 상당히 변경될 수 있음을 보여준다. 평가된 108개의 마우스 다이나믹스 메트릭 중 95개와 84개가 두 개의 연구에서 영향을 받았다. 기계 학습 모델의 성능은 사용되는 마우스 매개변수에 의해 왜곡될 수 있다. 우리는 예측 작업에서 마우스 매개변수를 균일하게 접근하거나 고려하지 않고서는 접근할 수 없음을 보여준다. 우리는 마우스 다이나믹스 연구가 마우스 관련 조건의 다양성을 고려해야 하는 방법론적 함의를 논의한다.
Kuric et al. (Mon,)은 이 질문을 연구했다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: