Daily mobility, greenspace exposure and affective states: A systematic review of studies that use mobile methods
Notice bibliographique
Résumé
Emotions, being individuals’ transient affective experiences, are shaped by relational dynamics and environmental interactions over time and cross places. Contact with greenspace as a vital health determinant and well-being resource, similarly, is situationally dependent and culturally influenced. Mobile methods, which involve collecting and analysing data from participants as they move through various settings, offer an innovative approach to studying the relationship between greenspace exposure and affective states during daily mobility. As these methods gain traction, it is essential to develop theoretical frameworks and methodological standards. This systematic review synthesises evidence from 33 studies that employ individual-level, high-resolution mobility data to examine the relationships among daily mobility, greenspace exposure, and affective states. While the overall quality of these studies was rated as ‘good’ with respect to bias risk, according to the Newcastle-Ottawa Scale, inconsistencies in the definitions of outcomes and exposures, as well as variations in measurement and analytical designs, pose significant challenges to forming a cohesive body of evidence. Our analysis focuses on five critical aspects of these studies: geographic scope, sampling strategies, methods for measuring affective states, approaches to assessing greenspace exposure, and statistical techniques. To overcome these challenges and build a more robust evidence base, we propose a unified and collaborative research framework. This framework aims to guide built environment research and inform urban planning practices, thereby enhancing our understanding of the connections between greenspace exposure and emotional well-being.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».