Linking human wellbeing and urban greenspaces: Applying the SoftGIS tool for analyzing human wellbeing interaction in Helsinki, Finland
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article reviews a study into the relationships between greenspaces and the benefits to psychological, social, and physical aspects of human wellbeing achieved through interaction in the Helsinki urban region in Finland. This relationship is theorized, analyzed, and measured through the transactional paradigm of affordance theory and is operationalized through the use of a public participation geographic information system (PPGIS) questionnaire, SoftGIS, which activated the urban greenspace–human wellbeing interaction through its map-based data collection. Over 1800 unique place–based relationships were statistically analyzed. Findings revealed that Helsinki’s greenspaces provided, overall, mostly physical and social wellbeing benefits; the psychological benefits such as reduction in stress and mental relaxation were not as frequent in these urban greenspace interactions. The results indicate multiple aspects of human wellbeing are supported by interaction with urban greenspaces of varying characteristics within the region but the urban greenspaces which provided the most human wellbeing benefits included large size, woodland typology, moderately maintained with loose or ‘wild’ vegetation, and few amenities such as benches and structures. The study’s implications include urban planning, public policy, and human health as well as insight into the multifunctional design and strategic management of greenspaces in urbanizing regions to provide continued and improved ecosystem services and benefits to humans and 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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle