从动作到意义:通过支持PIR的机器学习和可解释的AI来理解学生在图书馆的座位偏好
Gizem Izmir Tunahan1, Goksu Tuysuzoglu2, Hector Altamirano3
1Department of Architecture, Dokuz Eylul University, Izmir, Türkiye.
Frontiers in psychology
|August 5, 2025
概括
学生更喜欢提供环境控制和安静环境的图书馆座位,而不仅仅是办公桌或日光. 这项研究使用传感器数据和机器学习来指导更好的学术图书馆设计,以专注和舒适.
科学领域:
- 环境心理学 环境心理学
- 人与计算机的交互
- 数据科学在建筑中的应用
背景情况:
- 学术图书馆是重要的学习空间,但它们的空间设计往往缺乏对学生偏好的数据驱动洞察力.
- 了解学生如何选择座位是优化图书馆环境以提高生产力和福祉的关键.
研究的目的:
- 用广泛的行为数据调查学生在学术图书馆的座位偏好.
- 确定影响座位选择的关键因素,并为以用户为中心的空间设计策略提供信息.
- 应用先进的机器学习用于占用模式的预测建模.
主要方法:
- 收集了超过130万个被动红外 (PIR) 传感器对UCL巴特莱特图书馆座位占用情况的观察.
- 使用24个空间,环境和时间特征建模座位水平占用.
- 采用先进的机器学习算法,包括分类提升 (CatBoost),并使用SHAP进行解释性.
主要成果:
- 分类提升在预测座位占用率方面实现了72.5%的准确性.
- 学生的座位选择主要是由环境可控性 (照明,空气) 和分心管理 (安静,隐私) 驱动的.
- 桌子宽度,电脑可用性或日光等因素对座位选择的影响很小.
结论:
- 学生的座位行为是复杂的,受可控制的环境因素的影响,以及对集中,低刺激的工作空间的需求.
- 优先考虑个人环境控制,声和视觉隐私可以显著提高学术图书馆的设计.
- 基于行为数据和机器学习的基于证据的指导可以创造更有支持性和吸引力的学习环境.
更多相关视频
10:43Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes
Published on: June 10, 2021
5.5K
13:44Project-Based Learning Guidelines for Health Sciences Students: An Analysis with Data Mining and Qualitative Techniques
Published on: December 9, 2022
3.7K
