English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Immer häufiger werden Informationssysteme beim Fahren eingesetzt. Diese dienen dazu dem Fahrer zu assis­tieren, können jedoch auch eine Quelle kognitiver Be­lastung darstellen. Aus diesem Grund wurde eine Nutzerstudie durchgeführt, die es ermöglichen soll, Fahrerassistenzsysteme anzupassen, sodass die Fahraufgabe optimal bewältigt werden kann. Zu diesem Zweck wurden Smartphone-Sensordaten, situative Faktoren sowie Nutzereigenschaften erhoben und untersucht. Die Ergebnisse der Nutzerstudie zeigen auf, dass die Fahrsituation, das Geschlecht sowie die Fahrhäufigkeit einen signifikanten Einfluss auf den Workload haben. Werden diese Daten zusätzlich zu den Smartphone-Sensordaten verwendet, um den Workload vorherzusagen, kann dieser unter Verwendung eines Entscheidungsbaumes mit bis zu 86 Prozent Genauigkeit vorhergesagt werden.

information - wissenschaft and praxis

Bitte nicht stören – Zur Vorhersage des  Workloads von Autofahrern unter Verwendung von Smartphone-Sensordaten: Estimating the Driver’s Workload. Using Smartphone Data to Adapt In-Vehicle Information Systems