DOI: https://doi.org/10.3389/fcomp.2025.1504523
تاريخ النشر: 2025-03-14
المؤلف: Jayedi Aman وآخرون
الموضوع الرئيسي: دراسات نظم المعلومات الجغرافية
نظرة عامة
تستكشف هذه الدراسة العلاقة بين البيئات الحضرية والمشاعر العامة، مع تسليط الضوء على قيود طرق الاستطلاع التقليدية في التقاط الاستجابات العاطفية الديناميكية. باستخدام إطار عمل حسابي من مرحلتين، توظف البحث نموذجًا قائمًا على BERT لتحليل المشاعر من المشاركات على وسائل التواصل الاجتماعي المرفقة بمواقع جغرافية وتطبق PSPNet وMask R-CNN لتحليل ميزات التصميم الحضري من صور عرض الشارع. وُجد أن الخصائص الحضرية الرئيسية مثل المساحات الخضراء والبنية التحتية الصديقة للمشاة تؤثر بشكل إيجابي على المشاعر العامة، بينما ترتبط الانفتاحات المفرطة والمناطق المحاطة بأسوار بمشاعر سلبية.
تؤكد النتائج على أهمية دمج المشاعر العامة في محاكاة التخطيط الحضري، لا سيما في ضوء أنماط المشاعر المتغيرة التي لوحظت خلال الاضطرابات الاجتماعية مثل جائحة COVID-19. من خلال تقديم رؤى قائمة على البيانات، تدعو هذه الدراسة إلى تدخلات تصميم تركز على الإنسان تهدف إلى تعزيز قابلية العيش في المدن وخلق بيئات شاملة وآمنة وقادرة على التكيف.
مقدمة
تؤكد مقدمة ورقة البحث على العلاقة المعقدة بين البيئات الحضرية والعواطف البشرية، لا سيما في سياق زيادة التحضر وتأثير المنصات الرقمية على المشاعر العامة. تُبرز طرق البحث التقليدية، مثل الاستطلاعات الميدانية والمقابلات، على أنها غير كافية لالتقاط الطيف الكامل من التجارب البشرية في البيئات الحضرية المتنوعة. لمعالجة هذه القيود، يقترح المؤلفون إطار عمل حسابيًا من مرحلتين: المرحلة الأولى، “استنتاج المشاعر”، تستخدم بيانات وسائل التواصل الاجتماعي المعتمدة على الموقع (LSM) ومعالجة اللغة الطبيعية (NLP) لاشتقاق المشاعر العامة، بينما تستخدم المرحلة الثانية، “استنتاج السياق الحضري”، تقنيات رؤية الكمبيوتر لتقييم خصائص التصميم الحضري مثل الإغلاق البصري وتعقيد المناظر الحضرية.
تهدف هذه الدراسة إلى المساهمة في الدراسات الحضرية من خلال دمج NLP مع تحليل التصميم الحضري، وبالتالي توفير بديل قابل للتوسع لتحليل المشاعر التقليدي. تسعى إلى إقامة روابط بين المشاعر المستنتجة وميزات التصميم الحضري، مقدمة رؤى قابلة للتنفيذ للمخططين الحضريين وصانعي السياسات لتعزيز رفاهية الجمهور. تحدد الورقة هيكلها، بدءًا من مراجعة الأدبيات، تليها وصف مفصل للإطار المقترح، وعرض النتائج، ومناقشة حول الآثار المترتبة على التخطيط والتصميم الحضري. تمهد المقدمة الطريق لاستكشاف متعدد التخصصات حول كيفية تعميق التقدم في التعلم الآلي لفهم ديناميات المشاعر الحضرية البشرية.
النتائج
تُعرض نتائج الدراسة عبر أربعة مستويات زمنية: جميع السنوات (2015-2021)، قبل COVID (2019)، أثناء COVID (2020)، وبعد COVID (2021). تبدأ التحليل بفحص التوزيع المكاني للمشاعر العامة ضمن منطقة الاهتمام (ROI)، مع تحديد مواقع معينة تظهر إما مشاعر إيجابية أو سلبية. من الجدير بالذكر أن التحليل الزمني يكشف عن تحولات كبيرة في التجمع المكاني للمشاعر عبر هذه الفترات.
علاوة على ذلك، تحقق الدراسة في الروابط بين عناصر التصميم الحضري—مثل المساحات الخضراء، وتعقيد المناظر الحضرية، والبنية التحتية للمشاة—والمشاعر العامة خلال الفترات الزمنية المحددة. تشير النتائج إلى أن هذه الميزات الحضرية تلعب دورًا حاسمًا في تشكيل المشاعر العامة، مع ملاحظات حول الاختلافات في قوة وطبيعة هذه العلاقات عبر فترات ما قبل COVID، وأثناء COVID، وبعد COVID.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التأثير الكبير لتصميم المدن على المشاعر العامة، مع التأكيد على الاستجابات العاطفية التي تثيرها البيئات الحضرية المختلفة. تؤكد الأعمال المؤثرة لجايكوبس (1961) ولينش (1964) على أهمية الأحياء المختلطة الاستخدام التي تركز على الإنسان والتصاميم الصديقة للمشاة في تعزيز التفاعل الاجتماعي وتحسين التجربة النفسية للأماكن الحضرية. يدعو تالين (2006) وكارمونا (2010) إلى تصاميم تعطي الأولوية للاعتبارات الحسية والجمالية، متجاوزة البنية التحتية البسيطة لمعالجة الروابط العاطفية التي يشكلها الأفراد مع محيطهم. بدأت الدراسات الحديثة، مثل تلك التي أجراها دوان وآخرون (2022) وإيوينغ وهاندي (2009)، في قياس هذه الاستجابات العاطفية، كاشفة أن ميزات حضرية معينة، مثل المساحات الخضراء وتعقيد المناظر الحضرية، تؤثر بشكل كبير على المشاعر العامة.
تناقش هذه القسم أيضًا التقدم في قياس المشاعر، لا سيما من خلال عدسة بيانات وسائل التواصل الاجتماعي والابتكارات التكنولوجية. لقد حول مفهوم “المواطنون كأجهزة استشعار” (غودتشايلد، 2007) كيفية تحليل المشاعر الحضرية، مما يسمح بفهم أكثر دقة للإدراكات العامة. لقد عزز دمج نماذج التعلم العميق المتقدمة، مثل BERT وRoBERTa، قدرات تحليل المشاعر، مما يمكّن الباحثين من التقاط الطبيعة الديناميكية للتجارب الحضرية. بالإضافة إلى ذلك، حسّنت نماذج رؤية الكمبيوتر مثل PSPNet وMask R-CNN تحليل البيانات البصرية، مما يسهل استخراج الميزات الحضرية من صور عرض الشارع. تهدف هذه المقاربة الشاملة إلى سد الفجوة بين التصميم الحضري والمشاعر العامة، مقدمة إطار عمل منظم لفهم كيفية تأثير خصائص حضرية معينة على الاستجابات العاطفية بمرور الوقت.
DOI: https://doi.org/10.3389/fcomp.2025.1504523
Publication Date: 2025-03-14
Author(s): Jayedi Aman et al.
Primary Topic: Geographic Information Systems Studies
Overview
This study investigates the relationship between urban environments and public sentiment, highlighting the limitations of traditional survey methods in capturing dynamic emotional responses. Utilizing a two-phase computational framework, the research employs a BERT-based model for sentiment analysis of geotagged social media posts and applies PSPNet and Mask R-CNN to analyze urban design features from street view imagery. Key urban characteristics such as greenery and pedestrian-friendly infrastructure are found to positively influence public sentiment, while excessive openness and fenced-off areas are associated with negative feelings.
The findings underscore the importance of integrating public sentiment into urban planning simulations, particularly in light of shifting sentiment patterns observed during societal disruptions like the COVID-19 pandemic. By providing data-driven insights, this study advocates for human-centered design interventions that aim to enhance urban livability and create inclusive, safe, and resilient environments.
Introduction
The introduction of the research paper emphasizes the intricate relationship between urban environments and human emotions, particularly in the context of increasing urbanization and the influence of digital platforms on public sentiment. Traditional research methods, such as field surveys and interviews, are highlighted as inadequate for capturing the full spectrum of human experiences in diverse urban settings. To address these limitations, the authors propose a two-phase computational framework: the first phase, “sentiment inference,” utilizes location-based social media (LSM) data and natural language processing (NLP) to derive public sentiment, while the second phase, “urban context inference,” employs computer vision techniques to assess urban design qualities like visual enclosure and streetscape complexity.
This study aims to contribute to urban studies by integrating NLP with urban design analysis, thereby providing a scalable alternative to conventional sentiment analysis. It seeks to establish connections between inferred sentiments and urban design features, offering actionable insights for urban planners and policymakers to enhance public well-being. The paper outlines its structure, beginning with a literature review, followed by a detailed description of the proposed framework, presentation of results, and a discussion on the implications for urban planning and design. The introduction sets the stage for a multidisciplinary exploration of how advancements in machine learning can deepen our understanding of the urban-human sentiment dynamic.
Results
The results of the study are presented across four temporal levels: all years (2015-2021), pre-COVID (2019), during COVID (2020), and post-COVID (2021). The analysis begins with an examination of the spatial distribution of public sentiment within the region of interest (ROI), identifying specific locations that exhibit either positive or negative sentiment. Notably, the temporal analysis reveals significant shifts in the spatial clustering of sentiment across these periods.
Furthermore, the study investigates the associations between urban design elements—such as greenery, streetscape complexity, and pedestrian infrastructure—and public sentiment during the specified time frames. The findings indicate that these urban features play a crucial role in shaping public sentiment, with variations observed in the strength and nature of these relationships across the pre-COVID, during COVID, and post-COVID periods.
Discussion
The discussion section of the research paper highlights the significant impact of urban design on public sentiment, emphasizing the emotional responses elicited by various urban environments. Influential works by Jacobs (1961) and Lynch (1964) underscore the importance of human-centered, mixed-use neighborhoods and pedestrian-friendly designs in fostering social interaction and enhancing the psychological experience of urban spaces. Talen (2006) and Carmona (2010) further advocate for designs that prioritize sensory and aesthetic considerations, moving beyond mere infrastructure to address the emotional connections individuals form with their surroundings. Recent studies, such as those by Duan et al. (2022) and Ewing and Handy (2009), have begun to quantify these emotional responses, revealing that specific urban features, like greenery and streetscape complexity, significantly influence public sentiment.
The section also discusses advancements in sentiment measurement, particularly through the lens of social media data and technological innovations. The concept of “Citizens as Sensors” (Goodchild, 2007) has transformed how urban sentiment is analyzed, allowing for a more nuanced understanding of public perceptions. The integration of advanced deep learning models, such as BERT and RoBERTa, has enhanced sentiment analysis capabilities, enabling researchers to capture the dynamic nature of urban experiences. Additionally, computer vision models like PSPNet and Mask R-CNN have improved the analysis of visual data, facilitating the extraction of urban features from street view images. This comprehensive approach aims to bridge the gap between urban design and public sentiment, providing a structured framework for understanding how specific urban characteristics influence emotional responses over time.