MétaCan
Menu
Retour à la cohorte
Enregistrement W4391028790 · doi:10.61782/fa.2023.0491

Impact sound around the world - An online listening survey about the perceived annoyance due to impact sounds

2022· article· en· W4391028790 sur OpenAlexaffabout
Sabrina Skoda, Yu-jin Choi, Iara Batista da Cunha, Jeffrey Mahn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésAnnoyanceActive listeningSound (geography)Computer scienceAcousticsPsychologyLoudnessCommunicationPhysics

Résumé

récupéré en direct d'OpenAlex

To support a potential introduction of an impact sound requirement into the National Building Code of Canada, the National Research Council of Canada has initiated several research projects.One of these projects consisted of several laboratory listening experiments regarding the perceived annoyance due to impact sounds.As an alternative to the typical laboratory-based listening experiments, an online-based listening survey was published for world-wide access, from November 2022 to March 2023, enabling data collection across a diverse target audience in many parts of the world.The ability to collect data with an online survey allows to reach the general public much more than with any laboratory-based experiment, and it is especially relevant in the context of the Covid-19 pandemic, which has forced researchers to re-evaluate in-person procedures.In this paper, the online listening survey is presented and the results are discussed in relationship to the results of the laboratory tests that were carried out in Canada, Korea and Germany.Additional data that is collected in the online survey, such as the country of residence and type of housing, is used to explore the moderating effects on the annoyance ratings.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,461
Écart entre enseignants0,349 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNoise Effects and ManagementTravaux en français237 207