Angle-Based Drawing Accuracy Analysis and Mental Models of Three-Dimensional Space
Notice bibliographique
Résumé
Drawing from a still-life is a complex visuomotor task. Nevertheless, experts depict three-dimensional subjects convincingly with two-dimensional images. Studies of drawing have historically relied on human critics’ judgement of the drawings, the professional reputations and self-reported experience of the drawers. To extend that work, we developed an objective measurement of the accuracy of a perspective drawing, based on a comparison of the drawing with a ground truth photograph of the subject taken from the same viewpoint. If we measure the angles at intersecting edges in the drawings we can calculate both local errors and each person’s mean percentage magnitude error across angles in the still life. This gives a continuous objective measure of drawing accuracy that correlates well with years of art experience. Drawing expertise may depend to some extent on more accurate internal models of 3D space. To explore this possibility we had adults with a range of drawing experience draw a still life. Participants also made perceptual judgements of still lifes, both from direct observation and from an imagined side view. A conventional mental rotation task failed to differentiate drawing expertise. However, those who drew angles more accurately were also significantly better judges of slant, i.e., the pitch of edges in the still life. Those with the most drawing experience were significantly better judges of spatial extent, i.e., which landmarks were leftmost, rightmost, nearest, farthest etc. The ability to visualize in three dimensions the orientation and relationships of components of a still life predicts drawing accuracy and expertise.
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 | 0,004 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| 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) | 0,003 | 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 ».