Does Adding Local Tree Elements into Dwellings Enhance Individuals’ Homesickness? Scenario-Visualisation for Developing Sustainable Rural Landscapes
Notice bibliographique
Résumé
Rural residential settings are important elements of livable and sustainable rural areas across the world. Enhancing people’s attachment to these landscapes through fostering feelings of homesickness could help in the pursuit of better rural residential settings. We studied homesickness, an emotion found to be associated with higher place attachment and quality of life, related to rural landscapes in southeast China, looking specifically at the presence and configuration of rural dwellings and trees. We used Photoshop to manipulate different configurations of typical rural dwellings and trees, and three series with twelve types of landscape scenes were generated. We looked at the following six emotional factors linked to homesickness: naturalness; regional culture; identity; psychology; experience; and landscape aesthetics. The analytic hierarchy process (AHP) and semantic differential (SD) methods were used to evaluate the level in which the landscape evoked feelings of homesickness amongst study participants, i.e., a group of university students from different disciplines. Results show that the homesickness emotional response level was higher in most of the simulated landscapes, as compared to the original landscape, and that response levels differed significantly between the three types of visualized landscape configurations. The emotional response level showed differences for manipulated landscape scenes with twelve different trees added to dwellings. Through cluster analysis of the results, we divided trees into three grades of emotional response for each dwelling type. Adding trees thus was found to change the emotional response to the landscape, and different tree configurations with different types of dwellings results in different responses. The study shows that careful design of the rural landscape can help build stronger emotional relations of humans with their local environment, which is a key ingredient for sustainable countryside living.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».