Empirical aesthetics of bridges
Notice bibliographique
Résumé
Bridges are works of public infrastructure designed to perform a practical function. They are unique among works of engineering in that they also have a significant aesthetic dimension. At their best, they inspire awe and wonder. At their worst, they are eyesores. Little is known about what shapes the aesthetic appeal of bridges. Here we explore how visible features originating primarily from practical considerations relate to aesthetic judgements of bridges. Our dataset comprises of images of 318 bridges from around the world, rated by 254 participants for aesthetic pleasure, interest, complexity, and safety. Civil engineers annotated each bridge's type, depth, visible material, age, and aesthetic premium. Using Factorial Analysis of Mixed Data, we found two significant dimensions. The first dimension, "aesthetics", shows strong correlations among aesthetic, complexity, and interest ratings and is related to bridge type. The second dimension, "perceived safety", relates subjective ratings of safety to bridge age and material. Analyses of visual features, using the Mid-Level Vision Toolbox, shows that contour length and angularity are predictors of the "aesthetics" dimension. For example, cable-stayed bridges are represented by many short and angular contours and are generally rated as more complex, interesting, and aesthetically pleasing. Conversely, slab bridges are often represented by a few long contours and are rated as uninteresting and not aesthetically pleasing. Our study offers the first systematic attempt to collect and analyze subjective ratings of bridge aesthetics, paving the way for empirically supported decisions for the design of bridges and, potentially, other works of public infrastructure.
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 | 0,000 |
| 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 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 ».