Outdoor leisure with dogs: an empirical evaluation of visiting shared outdoor leisure spaces in the UK
Notice bibliographique
Résumé
This study examined visits to shared outdoor leisure spaces (SOLS) with dogs, such as parks, woodlands, and beaches in the UK.Based on past qualitative and descriptive data, hypotheses and a conceptual model were developed.An online survey of dog guardians (n = 602) was analyzed using partial least square structural equation modeling (PLS-SEM) to test the impacts of human intrinsic motivation; dog well-being; the community benefit; and social bonding on the components of leisure involvement (attraction, centrality, and self-expression), and subsequently intention and visiting behavior in relation to SOLS.The results showed that human intrinsic motivation and community benefit had a positive impact on all aspects of leisure involvement, while dog wellbeing only affected attraction, and social bonding impacted centrality and self-expression.These findings contribute to a better understanding of dog guardians' behavior of visiting SOLS in the UK, providing insights for stakeholders responsible for designing, managing, and promoting these spaces. RÉSUMÉCette étude porte sur les visites d'espaces de loisirs partagés extérieurs (SOLS en anglais) avec des chiens, tels que des parcs, des forêts et des plages au Royaume-Uni.Des hypothèses et un modèle conceptuel ont été élaborés en fonction des données qualitatives et descriptives antérieures.Un sondage en ligne auprès des gardiens de chiens (n = 602) a été analysé à l'aide de la modélisation par équation structurelle des moindres carrés partiels (PLS-SEM) afin de vérifier les effets de la motivation intrinsèque de la personne, du bien-être du chien, de l'avantage pour la communauté et des liens sociaux sur les composantes de la participation aux loisirs (attraction, centralité et expression de soi) ainsi que sur l'intention et le comportement de visite par rapport aux SOLS.Les résultats ont montré que la motivation intrinsèque de la personne et l'avantage communautaire avaient une incidence positive sur
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».