The use of eye tracking for analysing the perception of landscape composition and vertical objects
Notice bibliographique
Résumé
The European Landscape Convention states the need for public participation in landscape planning and management. Therefore, it is important to know how landscapes are observed by people, how they perceive different landscape features, to include this knowledge into landscape planning and design. This can be measured objectively using eye tracking technology, a system measuring the speed and direction of eye movements (saccades) and fixations while looking at images. Although the eye tracking system is used in the field of experimental psychology, it is also introduced in geography, landscape science and cartography and is emerging as an innovative tool for assessing people’s perception of images (e.g. landscape photographs, maps). The general aim of this paper is to assess the effect of the horizontal and vertical view angle of landscape photographs on the perception of landscapes. Also, the influence of the type of landscape on perception is tested. Therefore, a group of 20 observers are asked to observe 72 landscape photographs. The photographs represent 18 different landscapes in Flanders, ranging from urban and multifunctional suburban landscapes to more rural landscapes, differing in degree of urbanisation, openness, heterogeneity and topography. For each site, four pictures are taken: a panoramic photograph (70° horizontal view angle), standard photograph (31°), a detail photograph (< 31°) and a wide angle photograph to determine the influence of the view angle on the perception of landscape composition. To avoid effects of transparency by vegetation, all photographs are taken in the same season. The respondents are graduate geographers. The measurements are done using an Eye Link 1000 device from SR Research (Ontario). The results are visualised in density maps, showing the intensity of eye fixations on different features in the landscape. Also, saccades are visualised and their length is measured to determine the influence of the complexity of landscapes on the number and length of eye movements.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».