Narrowcasting and Multipresence for Music Auditioning and Conferencing in Social Cyberworlds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We describe a musical cyberworld, Folkways in Wonderland, in which avatarrepresented users can find and listen to selections from the Smithsonian Folkways world music collection. When audition is disturbed by cacophony of nearby tracks or avatar conversations, one’s soundscape can be refined since the system supports narrowcasting, a technique which allows information streams to be filtered. Our system supports two different kinds of sound sources: musical selections and avatar conversation (voice-chat). Narrowcasting for music enables aesthetic focus; narrowcasting for talk enables cognitive focus. The former is required for dense presentation of musical sound, the latter for virtual worlds in which many avatars are expected to be able to interact. An active listener can fork self-identified avatars using a novel multipresence technique, locating representatives at locations of interest, each clone capturing respective soundscapes, controlled using narrowcasting functions {self, non-self} × {select (solo), mute, deafen, attend}. Likewise one can participate in a conference and at the same time join a global tour of music. Our music browser is architected to use MX: IEEE 1599, a comprehensive, multilayered, music description standard. Using our cyberworld as a virtual laboratory, we evaluated the effectiveness of narrowcasting when auditioning music and conferencing. Experimental results suggest that narrowcasting and multipresence techniques are useful for collaborative music exploration and improve user experience. We also got positive feedback from the participants regarding narrowcasting representations, variously based on colors, symbols, and icons.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle