An Eye-Tracking Study on Exploring Children’s Visual Attention to Streetscape Elements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Urban street spaces play a crucial role in children’s daily commuting and social activities. Therefore, the design of these spaces must give more consideration to children’s perceptual preferences. Traditional street landscape perception studies often rely on subjective analysis, which lacks objective, data-driven insights. This study overcomes this limitation by using eye-tracking technology to evaluate children’s preferences more scientifically. We collected eye-tracking data from 57 children aged 6–12 as they naturally viewed 30 images depicting school commuting environments. Data analysis revealed that the proportions of landscape elements in different street types influenced the visual perception characteristics of children in this age group. On well-maintained main and secondary roads, elements such as minibikes, people, plants, and grass attracted significant visual attention from children. In contrast, commercial streets and residential streets, characterized by greater diversity in landscape elements, elicited more frequent gazes. Children’s eye-tracking behaviors were particularly influenced by vibrant elements like walls, plants, cars, signboards, minibikes, and trade. Furthermore, due to the developmental immaturity of children’s visual systems, no significant gender differences were observed in visual perception. Understanding children’s visual landscape preferences provides a new perspective for researching the sustainable development of child-friendly cities at the community level. These findings offer valuable insights for optimizing the design of child-friendly streets.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle