MétaCan
Menu
Retour à la cohorte
Enregistrement W4404432891 · doi:10.1038/s41598-024-77839-z

Predictors of explicit and implicit anthropomorphism in house facades

2024· article· en· W4404432891 sur OpenAlexaboutno aff
Sandra Weber, Kirsten Kaya Roessler, Kevin Riebandt, Simone Kühn

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Environments and Student Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesMax-Planck-Institut für Bildungsforschung
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Anthropomorphism describes the tendency to endow objects with human characteristics, with some individuals being more inclined to do this than others. In an ambiguous environment, this phenomenon can offer guidance. This study investigates the relationship between self-reported attribution and evoked anthropomorphism when viewing house facades. Data was collected from three countries (Germany, Denmark, Canada; N = 305). Implicit house anthropomorphism was measured using the Global Vectors for Word Representation method. Explicit anthropomorphism was assessed using the Individual Differences in Anthropomorphism Questionnaire (IDAQ) and a specific House Anthropomorphism Score (EHAS). No significant relationship was found between implicit and explicit house anthropomorphism. Individual IDAQ scores were significantly associated with EHAS across all participants, regardless of country. Additionally, a high degree of agreement in explicit ratings between countries suggests that cultural differences are rather negligible. When objects are given human personality traits and people interact with them because emotions are triggered, it is important to understand which aspects elicit positive and reactive behaviors. In particular, houses, which have high psychological significance as objects of self-expression, might contribute to well-being, so research in this area can provide important knowledge for urban design and architecture.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,445
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,021
Tête enseignante GPT0,331
Écart entre enseignants0,311 · 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'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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEducational Environments and Student OutcomesTravaux en français237 207