Bridging the Gap Between Sound and Non-Sound Professionals with Virtual Reality
Notice bibliographique
Résumé
Urban soundscape planning remains a challenge to many due in part to a scarcity of soundscape design tools. While many sound planning tools exist, they are generally geared towards acousticians rather than non-sound-based Professionals of the Built Environment (PBEs) (e.g., urban designers, planners, or landscape architects). This disconnect produces pressure points for both PBEs and acoustics experts, resulting in sound being considered late in urban projects and large burdens being placed on acousticians to consider many aspects outside their own areas of expertise. This work presents a new 3D virtual reality simulator to help PBEs consider sound in outdoor public spaces. City Ditty was created through a user-centered design process, focused on identifying and evaluating functionalities that would benefit PBEs that do not have much experience with sound. Through focusing on the auditory experience via a soundscape framework, this can help people learn to talk about sound in an accessible way and give them simple tools to consider different sound intervention strategies. This was done through a self-guided sound-awareness session that walks the user through 36 tasks in desktop virtual reality. These hands-on tasks both illustrate soundscape principles while serving as instructions on how to use the many functions of City Ditty. E.g., listen to the city soundscape at different times of the day, pedestrianize the city centre, modify permissible construction times, and add birdfeeders to attract sounds of nature. Early testing indicated that users could use this to 1) learn how to use the software itself, 2) learn basics of soundscape design, and 3) implement their own simple soundscapes in less than an hour. This presentation gives an overview of current barriers and possible timelines for adoption, followed by preliminary results of a new usability study that extends this work into head-mounted virtual reality with enhanced audio capabilities.
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 | 0,021 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,018 | 0,016 |
| Science ouverte | 0,003 | 0,031 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 ».