Hear it here: Built environments predict ratings and descriptions of ambiguous sounds
Notice bibliographique
Résumé
The built environments we move through are a filter for the stimuli we experience. If we are in a darker or a lighter room or space, a neutrally valenced sound could be perceived as more unpleasant or more pleasant. Past research suggests a role for the layout and lighting of a space in impacting how stimuli are rated, especially on bipolar valence scales. However, we do not know how affective experiences and descriptions of everyday auditory stimuli are impacted by built environments. In this study, we examine whether listening to a series of ambiguously valenced sounds in an older, darker building leads these sounds to be rated as less pleasant-and described using more negatively valenced language-compared to listening to these sounds in a newer building with more natural light. In a between-subjects design, undergraduate participants at an older building or a newer building (nOld = 46, nNew = 46; nFemale = 71, nMale = 18, MAge = 21.18, RangeAge = 17-38) listened to ten sounds that had previously been rated as ambiguous in valence, then rated these sounds on a bipolar valence scale before being asked to describe, in writing, how they felt about each sound. Participants rated sounds as being more pleasant at the New site compared to the Old site, but the sentiment of their descriptions only differed between sites when controlling for collinearity. However, bipolar scale ratings and description sentiment were highly correlated. Our findings suggest a role for the features of built environments in impacting how we appraise the valence of everyday sounds.
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 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».