Speaking of nature: Relationships between how people think about, connect with, and act to protect nature
Notice bibliographique
Résumé
Human relationships with nature are increasingly being recognized as an important factor in environmental conservation. Understanding how people perceive and know nature, and the language they use to describe nature, their concepts of nature, could have important implications for conservation policy and management. This empirical research sought to examine and categorize concepts of nature, and explore how such thoughts relate to connection with nature and conservation behaviors. Multidimensional scaling revealed three concepts of nature categories: descriptive (e.g., plants, animals, landscapes), normative (e.g., conservation, balance, life), and experiential (e.g., activities in nature, positive emotions, aesthetic qualities), plus a complex category (two or more of the descriptive, normative, or experiential categories). Connection with nature scores (total and dimensions) were higher among participants who described nature in experiential or complex terms than those who described nature in descriptive terms. Participants who described nature in experiential terms were more likely to have participated in environmental volunteering, citizen science, picking up litter, and community gardening in the past year than those who used descriptive terms. Concepts of nature moderated the relationship between the connection with nature and picking up litter. These results may usefully inform conservation policies and campaigns intended to increase connection with nature and participation in conservation behaviors, through the use of language emphasizing experiential and more complex concepts of nature, by encouraging personal reflection on one's experiences of nature, and through the design of natural spaces that encourage active engagement with nature.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».