MétaCan
Menu
Retour à la cohorte
Enregistrement W4247429289 · doi:10.1121/1.4800502

Investigating soundscape affordances through activity appropriateness

2013· article· en· W4247429289 sur OpenAlexaboutno aff
Frederik L. Nielbo, Daniel Steele, Catherine Guastavino

Notice bibliographique

RevueProceedings of meetings on acoustics · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoundscapeAffordanceContext (archaeology)Noise (video)Human–computer interactionPsychologyObject (grammar)Computer scienceCognitive psychologyApplied psychologyArtificial intelligenceSound (geography)AcousticsGeography

Résumé

récupéré en direct d'OpenAlex

Central to the concept of soundscape is the understanding of the acoustic environment in context. Previous research indicates that people understand soundscapes through their potential for activities. One way to look at activities is through the concept of affordances - defined as the actionable properties of an object. In this study, the object is a location and time in the city. Fifteen participants listened to stereo recordings of 8 outdoor sites in Paris and Montreal. In each trial, they evaluated on a continuous scale how appropriate the soundscapes were for a given activity. Four activities were considered and presented in random order: studying for an exam, meeting up with a friend, riding a bike and relaxing. Participants justified their ratings in free-format comments. A 8(Soundscapes) x 4(Activities) factorial ANOVAs revealed significant effects of Soundscape and Activities and Soundscape*Activities on appropriateness ratings. Certain soundscapes were found to accommodate specific activities only while others were found to potentially accommodate all activities or none (prominent mechanical/traffic noise.) We also analyzed comments to further understand how participants envision utilizing the soundscape/environment and attribute meanings to the various sounds present.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,608
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,344
Écart entre enseignants0,306 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetNoise Effects and ManagementTravaux en français237 207