Constraints matter: Virtual pedestrians with mobility constraints affect individuals' avoidance behaviours
Notice bibliographique
Résumé
Walking in urban settings requires people to negotiate crowds. In these situations, people typically want to maintain a level of personal space around themselves. Recent work on one-versus-one interactions demonstrated that whether one of the pedestrians looked distracted or interacted with an object (e.g., stroller, bike) predicted the medial-lateral separation between them as they walked past each other. However, this work did not distinguish between the type of object interaction (or mobility constraint) and thus, it is unclear whether different constraints have different effects on avoidance behaviours. Here we tested the hypothesis that the type of object an approaching pedestrian held or pushed would affect the extent of path deviation, which would also depend on the distractedness of the pedestrian. To address this hypothesis, we created an immersive virtual environment that consisted of a 3.5-m-wide paved urban path. Participants had to walk and avoid colliding with approaching virtual pedestrians that often held a shopping bag or pushed a bike or stroller while looking straight ahead or off to the side as if distracted. Distraction did not affect avoidance behaviours. However, participants increased medial-lateral separation with the virtual pedestrian at the time of crossing when a stroller was present compared to the other mobility constraints. The type of mobility constraint also differentially affected onset of deviation and rate of progression before and after a path deviation. These results support the idea that characteristics of the obstacle to avoid (in this case, a virtual pedestrian) influence collision avoidance behaviours.
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 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 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».