MétaCan
Menu
Retour à la cohorte
Enregistrement W2579436119 · doi:10.52842/conf.acadia.2016.372

Researching Inhabitant Agency in Interactive Architecture

2016· article· en· W2579436119 sur OpenAlexaff
Sara Costa Maia, AnnaLisa Meyboom

Notice bibliographique

RevueACADIA quarterly · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Relevance (law)EmpowermentSpace (punctuation)ArchitectureField (mathematics)Set (abstract data type)PerceptionComputer scienceHuman–computer interactionEngineeringArchitectural engineeringPsychologySociologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

The study of Interactive Architecture (IA) spans over several decades and appears to be gaining increasing momentum in recent years. Yet, inhabitant-centered approaches towards research and design in the field still have a long way ahead to explore. Particularly, we observed that the examination of IA’s social relevance in literature is still incipient and ill supported by evidence. The study discussed in this paper is attempting to remediate this gap by exploring one of the first socio-political arguments around the relevance of IA, namely inhabitant empowerment and agency. It investigates whether an inhabitant’s relation and experience with interactive spaces, conceived according to different interaction strategies, increases the participants’ perception of their own agency in the space. In this paper, we briefly explain the prototyping of an interactive space-plan designed to emulate the behavior of four basic models of interaction. Finally, the paper presents an experimental study set to test inhabitant agency in IA. It concludes that IA has the potential to increase inhabitant agency, but that this is very dependable on the system’s design regarding behavior and interaction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,014
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,283
Écart entre enseignants0,270 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACADIA quarterlyMême sujetInnovative Human-Technology InteractionTravaux en français237 207