MétaCan
Menu
Retour à la cohorte
Enregistrement W4309152645 · doi:10.3390/f13111920

The Physiological Restorative Role of Soundscape in Different Forest Structures

2022· article· en· W4309152645 sur OpenAlexaff
Xin-Chen Hong, Jiang Liu, Emily Dang, Jia‐Bing Wang, Yuning Cheng

Notice bibliographique

RevueForests · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSoundscapeNatural soundsNatural (archaeology)Environmental scienceComputer scienceEnvironmental resource managementPsychologySound (geography)GeographyAcousticsSpeech recognition

Résumé

récupéré en direct d'OpenAlex

Natural soundscape is considered a dominant type of hearing in forested areas and contributes to health and recovery effects from exposure to the biophilic outdoor environment. This study focuses on the different forest structures, and aims to explore the relationship between perceived soundscape and acoustical parameters, observe physiological indicators, and model the physiological restorative role of soundscape. Questionnaires and measuring equipment were used to gather psychophysical and physiological information at 20 observation sites in urban forested areas. Back-propagation neural network techniques were conducted to determine the forecasting model from psychophysical to physiological parameters. Our results suggested that LAeq and L10 are important factors that influence questionnaire responses. Our findings also showed that electromyogram (EMG) signals were the most obvious and sensitive in physiological parameters. Additionally, we found that L10–90 played the most important role among all physical parameters in the physiological restorativeness soundscape model. This can facilitate the understanding of the physiological restorative role of soundscape in different forest structures when proposing suitable forest-based health care strategies.

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 candidatesaucune
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 enseignants0,287
Score d'incertitude au seuil0,577

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,363
Écart entre enseignants0,334 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetNoise Effects and ManagementTravaux en français237 207