Mental Health & Resiliency: Designing Participatory Nature Dependent Environments and Communities for a Sustainable Future
Notice bibliographique
Résumé
Sustainable design trends have historically wended down a road that supports the idea of densely populated urban planning as a strategy for mitigating sprawl. Creation of dense urban areas aims at the reduction of carbon emissions. However, studies show that densely populated areas often come with a panacea of mental health, resiliency, and quality of life ails for a community.The following research explores the possibility of combining densely populated design approaches with ancient community planning methods that encourage relationship building: close contact with natural environments and social interchange. Community planning that also creates a day to day contact with nature could be a crucial strategy for both sustaining healthy ecosystems and the development of sustainable communities. The potential for integrating dependence upon nature within built urban environments, as well as the possibility of positive place-making by harvesting nature dependent cultural and social assets in communities and neighborhoods, is, therefore, a wealthy area worthy of exploration.To explore these areas, mental health research on the effects of nature on the brain, as well as the three leading determinants of social, environmental and economic well-being, worldwide, and the founding cultures of these determinants were reviewed. Resilient indigenous groups and case studies of the happiest nation, of Norway and two leading environmentally sustainable and resilient countries, Costa Rica, Cuba, and New Mexico are examined. The paper provides recommendations for improving mental health and resilience by integrating strategies for nature and community needs in urban planning and built environments design.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».