MétaCan
Menu
Retour à la cohorte
Enregistrement W4224330065 · doi:10.52842/conf.caadria.2022.2.315

Exploring the Effect of Immersive VR on Student-Tutor Communication in Architecture Design Crits

2022· article· en· W4224330065 sur OpenAlexaff
Hadas Sopher, Julie Milovanovic, John S. Gero

Notice bibliographique

RevueProceedings of the International Conference on Computer-Aided Architectural Design Research in Asia · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Science Foundation
Mots-clésTUTORComputer scienceHuman–computer interactionArchitectureMultimediaVisual artsArtProgramming language

Résumé

récupéré en direct d'OpenAlex

Using digital tools like immersive Virtual Reality (iVR) reduce the carbon footprint by providing collocated and remote communication through virtual design studios. By providing a sense of presence in a digital display, iVR systems impact student-tutor communication during design critiques or crits. Research lacks studies articulating how iVRs change crits' communication to increase the ability to integrate iVRs as educational media and promote a quality education in inter-university studios. To this end, this study explores the cognitive structure of student-tutor communication during collocated architecture crits using iVR and non-immersive media. We employed protocol analysis to analyze divergent thinking by tracking the distribution of First Occurrences of design issues. Combining protocol analysis with Natural Language Processing, we explored the size of the design space generated during the crits. Results from a case study that includes twelve crits from three students show an increase in students‚ exploration of the design space and divergent thinking in the iVR crits, providing evidence that iVR enhances learners' communication. iVRs can be integrated to support remote design studios without the generation of carbon due to physical travel.

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)0,018
score de la tête « metaresearch » (Gemma)0,125
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,125
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
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 Opus0,238
Tête enseignante GPT0,381
Écart entre enseignants0,142 · 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'étudeObservationnel
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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Computer-Aided Architectural Design Research in AsiaMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207