Perceived Occurrences of Soundscape Influencing Pleasantness in Urban Forests: A Comparison of Broad-Leaved and Coniferous Forests
Notice bibliographique
Résumé
Perceived occurrences of soundscape reflect cognitive responses to perceived soundscapes. This research focuses on the relationship between perceived occurrences and pleasantness of soundscape in urban forests, and models these parameters. Soundscape information was gathered at 60 observation sites in urban forests, including perceived occurrences of soundscape (POS), pleasantness of perceived soundscape in urban forests (PSUF), and equivalent continuous A-weighted sound pressure level (LAeq). Twelve trained participants were exposed to the soundscape at each site for five minutes and filled out a questionnaire about POS and PSUF. The weight-ratio of perceived occurrences of soundscape (WPOS) was obtained from the POS. Pearson’s correlation coefficients and Stevens’ power law were conducted to test the applicability of the perceived occurrences of soundscape in psychophysical models. Results show that there is an interaction between the WPOS and PSUF in urban forests, and that psychophysical models are able to assess pleasantness of perceived soundscapes in urban forests. Findings show that pleasantness trends of geophony and biophony in broad-leaved forests and those in coniferous forests are opposite when the LAeq is increasing. Furthermore, by combining the WPOS, PSUF, and LAeq, the models were able to link the PSUF of geophony, biophony, anthrophony, and total soundscape in urban forests. Overall, results revealed that perceived occurrences of soundscape play a key role in linking the pleasantness of geophony, biophony, and anthrophony in urban forests.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».