Calculated and perceived accessibility: A path analysis to evaluate satisfaction with access to green spaces
Notice bibliographique
Résumé
Parks and green spaces are important components of cities and play a vital role in individuals' well-being. Park quality and proximity to parks are key determinants of parks' usage and their associated benefits for individuals. Yet, most studies focus on users' satisfaction with park features, typically neglecting the influence of accessibility to parks. While a few studies have investigated proximity to parks, accessibility is a multidimensional concept that depends on multiple land use, transport and individual factors. Therefore, this study analyzes the relationship between accessibility to parks (both calculated and perceived) and satisfaction with accessibility. Three calculated accessibility measures (number, area, and quality of parks) and three perceived accessibility measures are assessed (overall access, parks meeting needs, number of parks). The case study (Montreal, Canada) uses data from a representative online survey of residents ( n = 683). A path analysis is conducted to study the relationships between individual, land use and transport characteristics, along with calculated and perceived accessibility, to then assess the determinants of park access satisfaction. Results highlight the influence of walking infrastructure and walking to reach parks, as well as the lower perceived accessibility among women and lower-income individuals, and a strong association between perceived accessibility and satisfaction. Conversely, calculated measures of accessibility (e.g., number of parks) show clear shortcomings in understanding park access satisfaction. Thus, this study confirms the need for researchers and planners to assess individuals' perceptions of land use and transport infrastructure, along with their needs and preferences when analyzing residents' satisfaction level with park access. • A strong association between perceived accessibility and satisfaction is found. • Key influence of walking infrastructure and walking to parks. • Lower perceived accessibility among women and lower-income individuals. • Calculated measures reveal gaps in understanding park access satisfaction. • Individuals' perceptions, needs and preferences can better explain satisfaction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».