MétaCan
Menu
Retour à la cohorte
Enregistrement W3127754246 · doi:10.3390/su13031558

Residents’ Preferences and Perceptions toward Green Open Spaces in an Urban Area

2021· article· en· W3127754246 sur OpenAlexaff
Liqin Zhang, Huhua Cao, Ruibo Han

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPreferencePerceptionSpace (punctuation)Public open spaceGeographyNatural (archaeology)Urban planningEcosystem servicesPsychologyEnvironmental planningEcologyEcosystemComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Green open space is an important part of the natural–social ecosystem, providing ecological services that maintain the healthy development of cities and society. Residents’ perceptions of these benefits are largely related to their social-economic background as well as their familiarity with the development of green open spaces in their neighborhoods. Understanding residents’ perceptions of green open space will contribute significantly to urban planning by providing practical information that facilitates residents’ needs. Using the urban development zone (UDZ) of Wuhan, this study aims to understand residents’ preference toward green open space and their perceptions of ecological services and improvement, with the focus on the linking between social factors, preference, and views. In this study, data are collected through online questionnaire surveys and interviews. The results demonstrate how respondents’ views vary and which social factors significantly relate to them. Significant changes in natural space changes are reflected in the public’s perception of the ecological functions of these spaces. Responses to improving green open space reflect the residents’ pursuit of natural affinity and practicality. We conclude that it is better to enhance public involvement by providing residents’ views, which helps to recognize actual needs in long-term green open space planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,316
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetUrban Green Space and HealthTravaux en français237 207