Sound Stories: A Context-Based Study of Everyday Listening to Augmented Soundscapes
Notice bibliographique
Résumé
Abstract With an increasing number of everyday operations and communications becoming both automated and autonomous, ambient intelligent soundscapes are transforming to accommodate additional sonic feedback, and with it, new frameworks of listening. While this type of research and design of audio augmented technology is not new, the impact pre-existing acoustic environments upon listeners’ sense-making activities is rarely considered holistically. Much of the study into the design of effective auditory displays focuses on perceptual acuity and correct source identification, often at the expense of understanding the context of meaning-making. This paper presents a study involving 70 participants who listened to unidentified audio recordings of two archetypal everyday urban sound environments naturally containing artificial signals as well as typical sounds. Using a ThinkAloud protocol we investigated listeners’ approaches to meaning-making in both semantic and temporal dimensions. Through a semantic content analysis, we articulate five aspects of sonic meaning-making: spatial, descriptive, experiential, associational and narrative. We further analyse the use of these perceptual elements on a temporal plane, in order to investigate how listeners construct a narrative of what they hear in real-time, naturally evolving as each subsequent sound event is interpreted. Results suggest that while listeners attend to sound events and spatial characteristics of a sound environment at the beginning of a new listening situation, as the soundscape unfolds they utilize associations and familiarity in order to place individual sounds into increasingly coherent narratives. Finally, we suggest that this approach could provide sound designers and human–computer interaction specialists with a model for investigating the context aspects of a soundscape more holistically, allowing them to evaluate the effect of any new designed sounds prior to introduction into real-world environments.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».