Exploring sense of spaciousness in interior settings: Screen-based assessments with eye tracking, and virtual reality evaluations
Notice bibliographique
Résumé
This study investigates the perception of spaciousness in interior environments using screen-based assessments with eye tracking, and virtual reality (VR) technologies. The research explores how four key design elements -view access, view content, materiality, and ceiling geometry- influence perceived spaciousness. Thirty-five college students participated in screen-based and VR-based evaluations of 16 photorealistic interior settings. Eye tracking data were collected during screen-based assessments to analyze visual attention patterns. Statistical analyses included repeated measures ANOVAs, pairwise comparisons, and correlations between screen and VR assessments. Results showed that view access significantly affected perceived spaciousness in both screen and VR conditions, with larger windows correlating to higher spaciousness ratings. Materiality also demonstrated significant effects, with natural and textured materials perceived as more spacious than concrete surfaces. View content and ceiling geometry showed trends towards influencing spaciousness perception but did not reach statistical significance. VR presentations generally yielded higher spaciousness ratings compared to screen-based presentations, suggesting that immersive technologies may enhance spatial perception. Eye tracking analyses revealed common gaze patterns and variations in visual attention across different design conditions. This study contributes to the understanding of how design elements influence spatial perception and demonstrates the potential of integrating eye tracking and VR technologies in environmental psychology research. The findings have implications for evidence-based design practices aimed at enhancing perceived spaciousness in interior environments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».