MétaCan
Menu
Retour à la cohorte
Enregistrement W2092414433 · doi:10.1121/1.2933739

Loudness asymmetry ratings between accelerating and decelerating car sounds

2008· article· en· W2092414433 sur OpenAlexaff
Patrick Susini, Stephen McAdams

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensMcGill UniversityCentre for Interdisciplinary Research in Music Media and Technology
Organismes subventionnairesnon disponible
Mots-clésLoudnessAcousticsVowelAsymmetryRange (aeronautics)AccelerationMathematicsSound (geography)Sound pressureSound exposureAudiologyPsychologyComputer scienceSpeech recognitionPhysicsMaterials scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Loudness change has been studied for tones with linearly varying levels revealing an asymmetry depending on the direction of change (increasing vs. decreasing) and the range of levels (high vs. low). Different assumptions were proposed to explain this asymmetry in favour of linearly increasing sounds. Teghtsoonian et al. (2005) and, more recently, Susini et al. (2006) explain that loudness of an increasing sound is influenced by the end level. Neuhoff (1999) describes this result by a survival advantage for detecting an approaching sound source. Whatever the assumption is, the results show that loudness judgments for abstract sounds (1000-Hz tones) and synthetic vowel sounds were significantly higher for increasing ramps. Those results are compared here with continuous and global ratings obtained on everyday sounds such as accelerating and decelerating car sounds with a same duration (43 s), but with different temporal functions and range of levels. Global loudness judgments made after the end of the sound are significantly higher for accelerating than decelerating car sounds, but are judged on average similar using continuous judgments. In addition, an increase in the speed (acceleration) is evaluated primarily in terms of its level at the end. These results confirm the previous studies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,352
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetNoise Effects and ManagementTravaux en français237 207