Plural relational green space values for whom, when, and where? – A social media approach
Notice bibliographique
Résumé
The values people ascribe to their interactions with and within the environment are essential to inform justice and sustainability transformations. The development of many of these values unfolds through enjoying so-called cultural ecosystem services (CES) such as outdoor recreation, landscape aesthetics or environmental education. A growing body of literature is improving the assessment of the multiple ways that people value human and non-human relations arising when enjoying CES. Yet, the geo-temporal-demographic patterns of values distribution and the lessons that can be derived are to be consistently analysed within this relational framework. Building on a visual and textual content analysis of social media (SM) data geotagged in a peri-urban park of Barcelona, Spain, this research explores the potential of analysing the associated metadata (such as geotag, timestamp and social media users' demographics – i.e., performed gender and residency) in order to develop a better understanding of the linkages between people's values and the situated context of their construction. Our results show trends in relational CES values distribution along and between the analysed spatial, temporal, and demographic dimensions. In particular, despite there being a multiplicity of values revealed across the whole case-study area, to enjoy contemplative CES, such as spiritual or cognitive value, people need to move away from highly frequented areas and prefer specific times of the day, respectively evening or afternoon. Locals show a higher preference to visit the park on weekends compared to non-locals, while women-performing users show a significantly higher drop in their CES benefits uptake compared to men-performing users at night. In addition to providing novel and fine-grained information for transformative practices toward justice and sustainability, this study highlights the importance of complementing CES studies employing SM with metadata analysis to improve our understanding of the relationship between the real and the more-than-real.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,025 |
| Communication savante | 0,027 | 0,026 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».