Relationship between the demographic characteristics of park users and intensity of park use: the case of Stanley Park and Queen Elizabeth Park
Notice bibliographique
Résumé
Parks are among the few urban infrastructure that functionally combines all the three pillars of sustainable development namely: ecological, social and economic functions. For example, Stanley Park currently serves as one of the largest tourist destinations in Canada. This helps to promote economic growth through the money spent by tourists in the City of Vancouver. The park also provides ecological services through its green infrastructure whilst at the same time serving as a place for social activities such as cycling, jogging and playing tennis. Despite the enormous benefits derived from urban parks, there is a paucity of research investigating the individual demographic characteristics that tend to associate with increased utilization of public parks within an urban setting. There is therefore the need for park researchers and administrators to understand the relationship between the demographic characteristics of park visitors and intensity of park use. The data used for this research was collected through a survey conducted at Stanley Park and Queen Elizabeth Park, both located in Vancouver, British Columbia, Canada. Chi-square tests were used to assess the association between individual demographic characteristics and increased utilization of public parks. For Stanley Park, place of origin and age were the most important predictors for high park patronage; while employment status and sex were found to be the significant factors that associated with high intensity use of Queen Elizabeth Park. The study shows that different demographic variables influence the intensity in the utilization of Stanley Park and Queen Elizabeth Park. Park administrators and policy makers must therefore undertake park specific needs assessment when providing park facilities, programs and services. This will help promote effective and efficient park service delivery.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».