Empirical prediction of the effect of classroom design on verbal-communication quality
Notice bibliographique
Résumé
This study used empirical prediction models to investigate how verbal-communication quality in 'small', 'medium' and 'large' classrooms varies with classroom design, and identified the optimal designs.Verbalcommunication quality was quantified by the room-average speech intelligibility.The design parameters studied were the occupancy, the unoccupied background-noise level, and whether or not the rooms were carpeted, had ceiling and/or wall absorption, or upholstered seats.The design parameters were varied, and the following quantities calculated: average classroom surface-absorption coefficient at 1 kHz, 1-kHz earlydecay time, A-weighted background-noise level, and A-weighted speech-signal to background-noise level difference.The conditions under which optimal verbal-communication quality occurred were identified.Quality did not vary with absorption or early-decay time in any systematic way.High background noise, combined with either high absorption or low early-decay time, can lead to very low verbal-communication quality.Quality was low for negative values o f signal-to-noise level, but increased quickly for higher values.In the 'small' and 'medium' classrooms, the optimal verbal-communication quality occurred with carpeting and absorption, and with un-upholstered seats.In the 'large' classroom, the optimal quality occurred with carpeting, absorption and upholstered seats.The most significant design factor in determining the verbalcommunication quality o f the rooms was the background noise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».