Deciphering landscape preferences: Investigating the roles of familiarity and biome types
Notice bibliographique
Résumé
Although people generally have positive evaluations of natural environments and stimuli, theory and research suggest that certain biomes are more preferable than others. Existing theories often draw on evolutionary ideas and people’s familiarity with biome types, with familiarity being the most supported, albeit not conclusively, in existing research. Across three samples (n = 720) we sought to compare preference ratings of 40 images that represented ten biomes (beach, lake, tropical and temperate forest, marsh, swamp, meadow, park, mountain, and river). We addressed objective familiarity by recruiting samples from two distinct geographies (Florida and Ontario), and we assessed subjective familiarity via image ratings. Familiarity was positively associated with liking biomes, though this trend was stronger for subjective familiarity compared to geography. Substantial variation in biome type preferences could not be attributed to familiarity. Specific biome types were strongly preferred irrespective of familiarity and geography. e.g., beaches and lakes were highly preferred, while marshes and swamps were substantially less preferred than other biome types. Further analyses found that the individual difference of nature relatedness predicted both familiarity and liking of all biomes except beaches, and that there was a lack of seasonal effects (fall and winter) across two Ontario samples. We discuss how results provide qualified support for the familiarity view, limits of this interpretation, how methodological choices such as the number of ratings might impact findings, and the potential applications of these results in landscape 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 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 | 0,002 | 0,007 |
| 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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».