The Changes in Public Open Space Usage and Perceptual Urban Design Qualities After the COVID-19 Pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic that just passed has sparked widespread discussion about how the pandemic teaches new knowledge in the design of urban public spaces.Since the emergence of urban design theories for public open spaces, urban design has encouraged people to leave their homes for activities.However, the pandemic has threatened people's outdoor activities.The perception of public space is an important research area for designing quality cities that create comfortable and safe places for the community.It can determine what should be designed and how it should be designed.Therefore, this study aims to examine changes in people's perceptions of urban public open space usage and people's preference for urban design qualities for the sustainability of streets as public open spaces after the COVID-19 pandemic.Data collection applied an online survey method using questionnaires distributed among people in Malang City, Indonesia.One hundred and eight respondents participated in the survey.The questionnaire investigated the changing use of public open spaces and the most frequently visited public spaces before and after the pandemic.The study also explored the impact of the pandemic on people's preference for urban design qualities: enclosure, legibility, human scale, transparency, complexity, coherence, linkage, imageability, and social life.This study applied descriptive statistics and paired samples t-test to analyze the data.Results indicated significant changes in people's perceptions of urban public open space usage after the pandemic.The study also found significant differences in people's preference for urban design quality, especially the enclosure quality and the social life aspect of the public space.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».