利用 astronify 评估声音化在单变量均匀采样光变曲线信号探测中的效能
摘要
声音化是用声音表示数据的技术，在天文学研究中具有辅助发现和提升可及性的潜在应用。已有若干面向天文学的声音化工具被开发出来；然而，效能测试极为有限。我们对 astronify 进行了测试，该工具是 Barbara A. Mikulski 空间望远镜档案库 (MAST) 中声音化功能的原型工具。我们创建了包含零个、一个或两个类凌星信号的合成光变曲线，其信噪比范围涵盖 SNR=3-100，并采用亮度到音高的默认映射。我们开展了远程测试，要求参与者在仅听声音化、仅看可视化图或两者结合呈现光变曲线时统计信号数量。我们获得了 192 份回复，其中 118 份由自评为天文学与数据分析专家的人填写。对于高信噪比（=30 和 100），专家与非专家在声音化数据上表现良好（成功计数信号率达 85-100%）。在低信噪比（=3 和 5）下，两组在声音化上的表现与随机猜测无异。在中信噪比（=7 和 10）下，专家在声音化上并不优于非专家，但在可视化上显著更好（约 2-3 倍）。我们推断，若要使这种声音化方法在天文档案及更广泛研究中用于中等信噪比信号探测，声音化训练（如同专家所经历的可视化数据检查训练）将十分重要。尽管如此，我们表明即便是非常简单且未优化的声音化方法也能让用户识别高信噪比信号。我们提出了一些思路的更优化方法，可能提升对低信噪比信号的成功率。
引用
@article{arxiv.2209.04465,
title = {Evaluating the efficacy of sonification for signal detection in univariate, evenly sampled light curves using astronify},
author = {J. Tucker Brown and C. M. Harrison and A. Zanella and J. Trayford},
journal= {arXiv preprint arXiv:2209.04465},
year = {2022}
}
备注
Accepted for publication in MNRAS (10 pages, 5 figures). Sonifications of Figure 1 (4 audio files) and Figure 5 (2 movie files) are available in the ancillary files folder. These, plus all other data products associated with this article are also available at: https://doi.org/10.25405/data.ncl.20936749