Tourists' Spatial Perception of Traditional Villages Based on UGC Data: A Case Study of Heshun Ancient Town, China
Cet article utilise un cadre quantitatif intégrant des données multimodales de contenu généré par l'utilisateur (UGC) avec une estimation de la densité par noyau spatiale pour cartographier les perceptions émotionnelles et visuelles des touristes de la ville ancienne de Heshun, fournissant ainsi une base empirique pour des micro-mises à jour ciblées et pour prévenir la commercialisation excessive des villages chinois traditionnels.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous vouliez comprendre ce que les gens ressentent vraiment à l'égard d'un village historique, mais qu'au lieu de leur demander de remplir un sondage ennuyeux, vous décidiez d'écouter leurs « journaux intimes » numériques. C'est exactement ce que fait ce document.
Les chercheurs ont étudié la vieille ville de Heshun en Chine, un lieu riche en vieux bâtiments, rues étroites et culture locale. Ils voulaient savoir : Où les touristes vont-ils réellement ? Qu'est-ce qu'ils aiment ? Et qu'est-ce qui les rend malheureux ?
Pour le découvrir, ils ont construit un système de « détective numérique » utilisant le Contenu Généré par l'Utilisateur (UGU). Considérez cela comme la collecte de milliers de photos et de publications provenant des réseaux sociaux (comme Weibo et Xiaohongshu) où les gens ont partagé leurs voyages entre 2021 et 2025.
Voici comment ils ont résolu l'enquête, décomposée en étapes simples :
1. Le travail de détective à deux volets (Texte + Images)
La plupart des études ne regardent que ce que les gens disent (texte) ou seulement ce qu'ils montrent (photos). Cette étude a examiné les deux, comme si l'on consultait à la fois le journal intime et l'album photo d'une personne.
- Le Détective de Texte : Ils ont utilisé un programme informatique (SnowNLP) pour lire des milliers d'avis. Il agissait comme une pierre de lune, évaluant chaque phrase de « Très triste » à « Très heureux ».
- Le Détective de Photo : Ils ont utilisé une IA super intelligente (appelée CLIP) pour examiner plus de 17 000 photos. Au lieu de simplement compter les pixels, cette IA comprenait ce qu'il y avait dans l'image. S'agissait-il d'un temple ? D'une montagne ? D'un café ? Elle comprenait aussi les détails spécifiques, comme les « murs blancs » ou les « poutres en bois ».
2. Cartographier la « chaleur » du village
Une fois qu'ils ont su ce que les gens aiment et où ils prennent des photos, ils devaient placer cela sur une carte.
- Ils ont pris chaque photo et l'ont associée à un endroit spécifique du village (comme un pont précis ou une ruelle précise).
- Ensuite, ils ont utilisé une technique appelée Estimation de la Densité par Noyau (KDE). Imaginez que vous versiez de la sauce piquante sur une carte. Là où la sauce est la plus épaisse, c'est là que se trouve la « chaleur » — ce qui signifie que c'est là que la plupart des gens vont et prennent des photos. Là où la sauce est fine, c'est un « point froid » ou une « zone aveugle » que les touristes ignorent.
3. Qu'ont-ils découvert ?
Les résultats ont révélé des schémas intéressants, presque comme l'histoire de la personnalité du village :
- L'attraction « Star » (Caractère historique) : La plus grande « chaleur » se trouvait sur les vieux bâtiments, les salles ancestrales et les ponts de pierre. Les gens adoraient l'aspect authentique du lieu. Les photos et les mots joyeux correspondaient parfaitement ici.
- Le « Casting de soutien » (Nature) : Les montagnes, les forêts et les systèmes d'eau étaient les deuxièmes éléments les plus populaires. Ils servaient de magnifique toile de fond au spectacle principal.
- Le « Décalage » (Boutiques et Cafés) : C'était la partie la plus surprenante. Les gens parlent beaucoup des maisons d'hôtes et des cafés dans leurs textes (haute fréquence), mais ils ne prennent pas beaucoup de photos d'eux, et ils n'en sont pas aussi heureux qu'ils le sont pour l'histoire. C'est comme dire : « J'adore la nourriture », mais ne prendre que des photos du paysage. Les chercheurs appellent cela un « piège perceptuel » — les boutiques modernes sont là, mais elles ne s'intègrent pas tout à fait à l'ambiance ancienne, donc les touristes ne ressentent pas le même lien.
- Les « Zones aveugles » : Comme le village possède une entrée principale et quelques chemins principaux, les touristes restent principalement dans le centre. Les bords du village, où se trouvent des ateliers calmes ou des lieux culturels cachés, sont devenus des « zones aveugles perceptuelles ». Les touristes ne les voient littéralement pas car le chemin ne les y mène pas.
4. La vue d'ensemble
Le document conclut que pour sauver et améliorer ces vieux villages, on ne peut pas simplement deviner quoi réparer. Il faut des données.
- Ne construisez pas seulement plus de boutiques : Les données montrent que la sur-commercialisation de la zone réduit en fait la satisfaction car elle brise la « magie » de la vieille ville.
- Ouvrez les portes : Le village a besoin de nouveaux sentiers pour guider les gens loin du centre encombré et vers les coins calmes et cachés afin qu'ils puissent apprécier l'ensemble du village, et pas seulement la rue principale.
En résumé, les chercheurs ont utilisé l'IA pour transformer des milliers de publications de réseaux sociaux désordonnées en une carte claire et colorée. Cette carte montre exactement où le village brille et où il est dans l'ombre, aidant les gestionnaires à corriger les problèmes sans tâtonner.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.