MétaCan
Menu
Retour à la cohorte
Enregistrement W4403253238 · doi:10.1038/s41598-024-73963-y

Age-adapted painting descriptions change the viewing behavior of young visitors to the Rijksmuseum

2024· article· en· W4403253238 sur OpenAlexaff
Francesco Walker, Berno Bucker, Joshua Snell, Nicola Anderson, Zsofia Pilz, Kim Houwaart, Reinout Van den Brink, Pauline Kintz, Irma de Vries, Jan Theeuwes

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAesthetic Perception and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEuropean Research Council
Mots-clésComputer sciencePaintingWorld Wide WebArtVisual arts

Résumé

récupéré en direct d'OpenAlex

Children learn about art by actively engaging with their surroundings. This makes museums potentially rich environments for learning and development. Yet, the descriptions of paintings on show are usually written for adults rather than younger visitors. This study uses mobile eye tracking to examine how painting descriptions tailored for children influence their eye movements when viewing paintings at the Rijksmuseum - the national museum of The Netherlands. Our findings underscore the importance of adapting information specifically for children, rather than simply providing them with adult-oriented museum materials. Children who received information tailored to their developmental level showed increased glance durations to areas highlighted in the descriptions. Strikingly, the behavior of children provided with painting descriptions intended for adults was no different from their behavior when they received no information at all.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,913
Score d'incertitude au seuil0,668

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,094
Tête enseignante GPT0,311
Écart entre enseignants0,217 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAesthetic Perception and AnalysisTravaux en français237 207