360-Degree Video for Whole Scene Capture: From Immersive Realism to Immersive Holism in Place-Based Research
Notice bibliographique
Résumé
360-degree video is an affordable and easy-to-use technology for social science research. It holds significant potential for capturing spatio-temporal aspects of the social world from a fully omni-directional spatial perspective; however, gaps remain as to how it can be used to support field-based data collection and analysis. In this short piece we offer two contributions to the literature on 360-degree video for qualitative social science research on place. First, we draw on evidence from our multi-city study of ‘urban platform temporalities’ to develop a step-by-step procedure for producing and analyzing 360-degree digital video datasets, demonstrating the potential of the technology for what we term whole scene capture . We provide practical advice on software, hardware, camera usage, video processing, and ethical considerations; and introduce the 360-video qualitative coding technique of spherical simultaneous perspective . Adding new evidence of its use to already established literatures on 360-degree immersive video ethnographies and virtual human-environment exposure research, our method for systematic 360-degree capture of spatio-temporal data is applicable to a range of social science studies with a field-based data collection component. Finally, drawing together technological understandings of immersion from the field of VR with its ethnographic meaning, we then articulate the notion of immersive holism as a quality of 360-degree video that enables deep, meaningful, and comprehensive knowledge of place.
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 | 0,015 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».