Model of Thailand Speech Intelligibility (T-SI) in the Large Classrooms from Public University
Notice bibliographique
Résumé
The objectives of this research are to evaluate acoustic environments and to forecast STI values from spatial component variables in the large classrooms of the Thai public university that were specially controlled the same room finishing materials including the floor, walls, and ceiling. Whereas the five spatial component factors included (1) Room Volume (RV), (2) Ceiling Height (CH), (3) the Ratio of Depth to Width (Rdw), (4) Total Room Surface (TS), and (5) Percentage of Absorbing Surface areas (PAS). The research tools were the smartphones that used the applications for acoustical evaluation and speech intelligibility analysis. The Speech Transmission Index (STI), Reverberation Time (RT), and Background Noise Level (BNL) were collected by the calibrated microphone in the nine points distributed across the entire room. And also, the sounds for testing were simulated such as balloon burst, and STIPA signal via a sound generator. The Thailand Speech Intelligibility (T-SI) model was developed by the multiple regression analysis with a statistical at a confidence level of 95%.The results showed that this T-SI model depended on the strongly positive relationship of PAS and the slightly positive relationship of CH, TS while the RV, Rdw were slightly the negative relationship and which predicted STI values. Moreover, the highest affecting variable of T-SI model was CH and the lowest was PAS. However, this research implies that the improving room acoustic quality would be adjusting the sound absorbing surface areas i.e., increase the cloth curtain or appropriate methods.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».