Examining Children's Perceptions and Use of Their Neighbourhood Built Environments: A Novel Participatory Mapping Approach
Notice bibliographique
Résumé
This thesis uses a mixed methods approach to contribute towards a more complete understanding of the relationship between the built environment and children’s active school travel. It is argued that active travel –human powered transportation – to and from school provides regular physical activity that can help reverse rising rates of overweight or obese Canadian children. The built environment of a child’s school neighbourhood has been shown to influence travel decisions. To achieve higher rates of children’s active travel, a comprehensive understanding of the built environment is required.\nThis study uses child-led perceptual mapping (CLPM) and GIS analysis in a case study with children from three elementary schools in London, Ontario to determine how perception and use of their school neighbourhood varies according to the built environment. The typology for the perceptual mapping activities was inspired by that of urban theorist Kevin Lynch, with children identifying destinations, zones, and routes. A high degree of participation is attained according to Roger Hart’s Ladder of Participation.\nIt is observed that children perceive of their neighbourhood in unique and complex ways. Children did not perceive land uses by the designated function, nor did they define land uses in singular ways. Prominent features were also not confined to the proximity around their school. Layering the child directed methods as an effective tool in understanding issues facing children’s active travel. It is concluded that active travel must be a priority cemented in policy, and that stakeholders should engage in participatory research across disciplines if rates of active travel are to increase. CLPM is a novel approach that should be used by researchers who aim to understand children’s perception and use of the built environment. Children deserve a major stakeholder role in the school travel planning process, and further research on the impact of the built environment on children’s active travel is needed.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 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 ».