Tarihi çevrede zıt yaklaşım etkilerinin Görsel Dikkat Yazılımı (VAS) ile analizi
Bibliographic record
Abstract
Tarihi çevredeki yeni yapı yaklaşımlarından zıt yaklaşım koruma dünyasında önemli tartışma konularından biri olarak ön plana çıkmaktadır. Geçmişten günümüze tarihi çevrelere/binalara modern eklemeler tasarlanmıştır. Bu kapsamda hangi mimari unsurların daha fazla dikkat çekeceği tartışma konusu olmuştur: tarihi unsurlar mı yoksa modern unsurlar mı? İnsan/kullanıcı bir görüntü (manzara, bina cephesi vb.) ile karşılaştığında, dikkatini tam olarak neyin çektiğine dair bilinçaltı anında bir karar vermektedir. Bilişsel Mimarlık teorisine göre bilinçaltında insanlar tarafından tercih edilen mimari ilkeler vardır. Bu ilkeler dikkate alındığında geleneksel binaların modern binalara göre bilinçaltında daha fazla dikkat çektiği varsayılmaktadır. Araştırmada tarihi çevrede zıt yaklaşım içeren yeni ek ve yeni yapı etkileri görsel dikkat doğrultusunda incelenmiştir. Görsel dikkat için göz takibinden elde edilen deneysel veriler kullanılarak geliştirilmiş bir yapay zekâ uygulaması olan 3M VAS Göz Takip Yöntemi kullanılmıştır. İzleyicilerin görsellere vereceği tepkileri tahmin etmek için farklı binaların (İsveç’teki Malmö Modern Müzesi; Almanya Dresden’deki Askeri Tarih Müzesi; Paris Louvre Müzesi; Hollanda Fundatie Müzesi; Kanada Royal Ontario Müzesi ve Prag’daki Dans Eden Ev) görselleri analiz edilmiştir. Hangi mimarinin neden daha ilgi çekici olduğunu açıklamak için 3M Göz takibinden elde edilen diyagramlar ve analizler sunulmuştur. Sonuçlar; tarihi çevrede olumlu kontrast etkiler olduğu gibi olumsuz kontrast etkiler de yaşandığını göstermektedir. Bu çalışma, ilgili koruma literatüründeki öznel tartışmalara karşın VAS sonuçlarının ilgili konuya nesnel bir bakış kazandırabileceğini göstermektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.046 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".