MétaCan
Menu
Retour à la cohorte
Enregistrement W3210728416

Rethinking Smart Home Design: Integrating Architectural Perspectives and Technologically-driven Design Thinking within a Framework

2021· dissertation· en· W3210728416 sur OpenAlexfundno aff
Archi Dasgupta

Notice bibliographique

RevueVTechWorks (Virginia Tech) · 2021
Typedissertation
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Theoretical Astrophysics
Mots-clésArchitectural engineeringDesign thinkingArchitectural designEngineeringArchitectureSystems engineeringComputer scienceHuman–computer interactionVisual artsArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Smart homes, equipped with sensing, actuation, communication, and computation capabilities, enable automation and adaptation according to the occupants' needs. These capabilities work together to build holistic spatial and living experiences for the occupants. Smart technologies significantly impact spatial experiences, making smart home design an architectural problem along with a technological problem. Nevertheless, smart home research focuses primarily on standalone technological solutions, where the spatial/architectural aspect is largely absent. We argue that addressing the technological aspects isolated from the spatial context leads to reduced experiences for the users/occupants, as this practice blocks the pathways to develop holistic and innovative smart home solutions. Hence, we focus on bridging the gap between architectural and technological components in smart home research. To this end, we studied the design of smart homes from related disciplines, i.e., architecture, human-computer interaction, human--building interaction, industrial manufacturing, and modular assembly. Our research used the triangulation technique to consult with subject matter experts (researchers, practitioners, and professors of related disciplines) to understand current design processes. We conducted ethnographic studies, focus group studies, and in-depth interviews and identified challenges and best practices for smart home design process. Our investigation recognizes a nascent research problem where the technological and architectural aspects come together in the design thinking of smart home designers. We expanded the scope of design thinking to include three primary elements of smart homes- embedded technology, architectural elements, and occupants' needs. This multidisciplinary and complex process requires a well-defined design framework to methodically address all the issues associated with it. Hence, we developed a user-centered design framework, ArTSE, through an iterative Delphi study to guide the smart home design process. ArTSE stands for "Architecture and Technology in Smart Home DEsign". This framework guides user requirements collection using HCI models, technology decision making, interaction modalities selection, the decision support system for schematic design, technology infrastructure development, and production of the necessary documentation. This framework is an evolution of the normative theory in the architectural design process that caters to the needs of smart home design. For defining implementation strategies, we applied the framework to a case study-- a smart reconfigurable space design project. Overall, we document different aspects of the smart home design process and provide a comprehensive guideline for designers, researchers, and practitioners in this area.

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)0,020
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0050,049
Communication savante0,0190,021
Science ouverte0,0040,010
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,229
Écart entre enseignants0,212 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVTechWorks (Virginia Tech)Même sujetSmart Cities and TechnologiesTravaux en français237 207