Exploring Tourists’ Multilevel Spatial Cognition of Historical Town Based on Multi-Source Data—A Case Study of Feng Jing Ancient Town in Shanghai
Notice bibliographique
Résumé
Conducting research on the spatial cognition of tourists in historical towns helps to balance cultural heritage protection and tourism development. However, the current tourist cognition research is not comprehensive enough in terms of data sources, time dimension, and spatial objects. This research takes Fengjing Ancient Town in Shanghai as an example, and through multi-source data analysis explores how tourists’ perception and cognition of the attractions changes, discusses the impacts of characteristic of spatial system and elements on perception, and then establishes a spatial cognition analysis framework involving time dimension, cognitive depth, and spatial type. On-site aerial photos, Sina Weibo check-in data, tourist memory maps, and photos from tourism websites were used to classify tourists’ spatial cognition through content analysis, theme classification, and GIS spatial analysis. This research finds that tourists have formed three cognitive levels in the travel process, from “initial spatial consciousness” to “place memory” then to “imagery perception”. Meanwhile, space is the most important object of tourists’ cognition, and it is also the carrier of other intangible cultures. In terms of spatial cognition and ancient town tourism, this research finds the tourists’ spatial cognition of Fengjing Ancient Town is related to the main river and main tourist routes that represent the image characteristics of the ancient town. This research shows that clear boundaries of tourism space, richer folk activities, and more sequential tourism routes could help tourists form a more systematic spatial cognition. Based on the findings, this research also establishes an analysis and application framework of tourists’ multilevel spatial cognition to provide optimization suggestions for development of tourism.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 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) | 0,002 | 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 ».