📄 sociale wetenschappen

Perception of Cross-cultural Garden Tourism: A Case Study of the New York Chinese Scholar's Garden at Snug Harbor

Deze studie analyseert tekstuele recensies en foto's van de New York Chinese Scholar's Garden om aan te tonen dat hoewel architectuur en vegetatie veelvoorkomende thema's zijn in beide media, de visuele compositie van bezoekersfoto's en hun verbale sentimentevaluaties grotendeels onafhankelijk van elkaar zijn, waarbij visuele elementen minder dan 7% van de variantie in de sentimentrecensie verklaren.

Oorspronkelijke auteurs: Lin Zhou, Fan Yang, Hainan Yan, Peijun Jia

Gepubliceerd 2026-10-13

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lin Zhou, Fan Yang, Hainan Yan, Peijun Jia

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Wanneer mensen naar een plek reizen die anders aanvoelt dan thuis, proberen ze de ervaring vaak vast te leggen in woorden en beelden. Ze schrijven misschien een recensie waarin ze beschrijven hoe vredig een tuin aanvoelt, of maken een foto van een stenen brug over een koi-vijver. Decennialang hebben onderzoekers bestudeerd hoe deze digitale verslagen ons begrip van een bestemming vormen, waarbij ze de collectie online berichten behandelen als een soort collectief geheugen. Tegelijkertijd hebben andere wetenschappers nauwlettend gekeken naar het fysieke ontwerp van tuinen, waarbij ze analyseerden hoe architecten rotsen, water en planten arrangeren om een specifieke stemming te creëren. Wat onduidelijk is gebleven, is hoe deze twee manieren van het zien van dezelfde plek — de geschreven beschrijving en de visuele snapshot — daadwerkelijk met elkaar verband houden. Komen de dingen die mensen het vaakst fotograferen wel overeen met de dingen die zij prijzen in hun recensies? Garandeert een foto vol groene bomen een positieve recensie, of vertellen de twee verslagen verschillende verhalen over hetzelfde bezoek?

Om deze vragen te beantwoorden, richtte een team van onderzoekers zich op de Chinese Scholar's Garden in Snug Harbor op Staten Island, New York. Deze ruimte, gebouwd in de stijl van klassieke tuinen uit Suzhou, China, biedt een unieke omgeving waar traditioneel Chinees ontwerp ontmoet met het dagelijkks toerisme van de Verenigde Staten. De onderzoekers verzamelden een enorme hoeveelheid gegevens van drie populaire reisplatforms: Yelp, Google Maps en Twitter. Ze verzamelden bijna 1.400 geschreven recensies en meer dan 1.300 foto's die tussen 2008 en 2025 door bezoekers zijn geplaatst. Het doel was niet alleen om te tellen hoe vaak mensen de tuin leuk vonden, maar om te zien of de visuele inhoud van de foto's de emotionele toon van de geschreven recensies kon voorspellen. Ze wilden weten of de camera en de pen dezelfde ervaring vastlegden of twee geheel verschillende ervaringen.

Het team keek eerst naar wat bezoekers daadwerkelijk zeiden. Na het filteren van irrelevante berichten, analyseerden ze 942 recensies. De resultaten toonden aan dat de meeste bezoekers positief over de tuin waren, waarbij bijna 58 procent van de recensies geluk of tevredenheid uitdrukte. De woorden die het vaakst voorkwamen, beschreven de plek als mooi, vredig en authentiek. Wanneer de onderzoekers de specifieke tuinkenmerken in de tekst analyseerden, kwam architectuur als winnaar uit de bus. Mensen schreven regelmatig over gebouwen, paviljoens en daken, gevolgd door vermeldingen van planten, met name bamboe. Waterpartijen en rotsen werden ook besproken, maar minder vaak dan de door mensen gemaakte structuren en het groen. Dit suggereerde dat wanneer bezoekers hun gedachten in woorden vatten, ze evenzeer als wel meer worden aangetrokken door de door mensen gemaakte elementen van de tuin als door de natuurlijke elementen.

Vervolgens richtten de onderzoekers hun aandacht op de foto's. Met behulp van computersoftware die objecten in afbeeldingen kan herkennen, analyseerden ze 1.395 foto's om te zien welke elementen het meest frequent voorkwamen. De resultaten waren hier iets anders dan bij de tekst. De meest voorkomende zaken die in de foto's werden vastgelegd, waren bomen, planten en de lucht. Hoewel gebouwen en rotsen ook vaak voorkwamen, domineerden de natuurlijke elementen het visuele verslag. De software keek ook naar hoe deze elementen samen verschenen. Het vond dat de meest frequente combinatie in een enkele foto een plant naast een gebouw was. Deze combinatie kwam voor in bijna 900 foto's, veel meer dan de combinatie van welke andere elementen dan ook. Water en rotsen verschenen ook vaak samen, maar ze waren minder waarschijnlijk het enige middelpunt van een afbeelding. De visuele data schetsen een beeld van een tuin waar natuur en architectuur bijna altijd naast elkaar worden gezien, waarbij ze het uitzicht van de bezoeker omlijsten.

Het meest onthullende deel van de studie kwam wanneer de onderzoekers probeerden de twee datasets te verbinden. Ze bekeken de specifieke foto's die samen met geschreven recensies waren geplaatst en stelden een eenvoudige vraag: konden de zaken die zichtbaar waren in de foto de positieve of negatieve aard van de geschreven recensie voorspellen? Ze gebruikten verschillende computermodellen om deze relatie te testen, waarbij ze de aanwezigheid van elementen zoals bomen, water of gebouwen gebruikten als aanwijzingen om de stemming van de bezoeker te raden. Het antwoord was verrassend. De modellen slaagden er niet in een sterk verband te vinden. Hoe ze de analyse ook aanpasten, de visuele compositie van een foto kon de emotionele toon van de begeleidende tekst niet betrouwbaar voorspellen. Het beste model verklaarde minder dan 7 procent van de variatie in hoe mensen zich voelden.

Dit bevinding suggereert dat de manier waarop mensen een tuin met hun ogen zien en de manier waarop ze deze met woorden beschrijven, grotendeels onafhankelijke handelingen zijn. Een foto kan gevuld zijn met weelderig groen en een helderblauwe lucht, terwijl de persoon die de foto maakte een neutrale of zelfs kritische recensie over de service of de drukte kan schrijven. Omgekeerd kan een foto van een eenvoudige stenen muur gepaard gaan met een lovende recensie over de rust van de tuin. De onderzoekers concludeerden dat voor buitenlandse Chinese tuinen de visuele sporen die bezoekers achterlaten en de verbale beschrijvingen die zij schrijven, complementaire verslagen zijn, geen vervangbare documenten. Ze leggen verschillende facetten van de ervaring vast die niet noodzakelijkerwijs overeenstemmen. De studie bewijst niet dat de ene manier van registreren beter is dan de andere, maar het laat wel zien dat we er niet vanuit kunnen gaan dat een prachtige foto een gelukkig verhaal garandeert, of dat een gelukkig verhaal een foto van een specifiek monument vereist. Uiteindelijk is de digitale voetafdruk van een bezoeker een complexe mix van wat zij kozen te tonen en wat zij kozen te zeggen, en die twee vertellen niet altijd hetzelfde verhaal.

Technische Samenvatting: Perceptie van Cross-cultureel Tuintoerisme

Probleemstelling
Onderzoek naar Chinese tuinen in het buitenland is traditioneel verdeeld in twee afzonderlijke stromingen: studies die zich richten op de vorm van de tuin (geschiedenis, ontwerp, ruimtelijke analyse) en studies die User-Generated Content (UGC) met betrekking tot bestemmingsbeelden analyseren. Er is een gebrek aan geïntegreerde casestudy's die onderzoeken hoe bezoekers dezelfde tuin simultaan via tekst en fotografie representeren. Specifiek blijft het onduidelijk hoe visuele labels in gekoppelde records correleren met de sentiment van reviews, en of de visuele compositie van toeristenfoto's de verbale evaluatie van een bezoek in een cross-culturele context voorspelt. Deze studie adresseert dit gat door de New York Chinese Scholar's Garden bij Snug Harbor te analyseren om de relatie tussen tekstuele beschrijvingen, visuele verslagen en sentimentexpressie te begrijpen.

Methodologie
De studie maakt gebruik van een multimodale analyse workflow met UGC van drie platforms: Yelp, Google Maps en Twitter (X).

Dataverzameling & Screening: De dataset bestaat uit 1.374 ruwe tekstuele reviews en 1.395 toeristenfoto's (allemaal van Google Maps). Na screening op relevantie en het verwijderen van niet-bezoeker gerelateerde inhoud, bevatte de definitieve dataset 942 reviews en 1.395 afbeeldingen. Voor de specifieke analyse van de beeld-tekst associatie werd een gekoppelde subsample van 1.159 foto's gelinkt aan 139 niet-lege reviews gebruikt. De analyse beschrijft deze specifieke gekoppelde subsample in plaats van de volledige set foto's of reviews.
Tekstanalyse:
- Keyword Extractie: Term Frequency-Inverse Document Frequency (TF-IDF) werd gebruikt om tuin-element keywords te wegen en te identificeren, gecategoriseerd in Architectuur, Planten, Water en Rots.
- Sentimentanalyse: Het RoBERTa-model (cardiffnlp/twitter-roberta-base-sentiment-latest) werd gebruikt om sentiment te classificeren. Scores werden berekend als $P(\text{positief}) - P(\text{negatief})$ , variërend van -1 tot +1. Scores >0,3 waren positief, < -0,3 negatief, en tussen -0,3 en 0,3 neutraal.
Beeldanalyse:
- Semantische Segmentatie: Het Mask2Former-model, getraind op de ADE20K-dataset, voerde pixel-niveau segmentatie uit op de 1.395 foto's.
- Feature Extractie: Detectiegraad, gemiddelde pixelproporties en binnen-het-kader co-occurrence werden berekend. Labels werden samengevoegd in vier primaire categorieën (Plant, Architectuur, Rots, Water) plus Muur voor de associatieanalyse.
Associatieanalyse:
- De gekoppelde subsample (1.159 foto's gelinkt aan 139 niet-lege reviews) werd gebruikt om associaties te onderzoeken tussen beeldelementen en de sentiment van reviews. Wanneer meerdere foto's aan dezelfde review waren gekoppeld, werd dezelfde review-niveau sentiment score aan elke gelinkte foto toegewezen.
- Vier boom-gebaseerde regressiemodellen (Random Forest, CatBoost, XGBoost, LightGBM) werden getraind om sentiment scores te voorspellen op basis van semantische labels.
- Pearson-correlaties werden berekend tussen individuele visuele labels en sentiment scores.
- De data werd gesplitst in 80/20 (training/test) met een random seed 42. Evaluatiemetrieken omvatten $R^2$ en RMSE.

Belangrijkste Resultaten

Sentimentverdeling: Van de 942 gescreende reviews waren 57,64% positief, 38,11% neutraal en 4,25% negatief.
Tekstuele Bevindingen: De meest frequente tuin-elementen die werden genoemd waren Architectuur (38,24%), gevolgd door Planten (32,30%), Water (18,60%) en Rots (10,85%). "Beautiful", "peaceful" en "authentic" waren dominante descriptoren. "Ming" en "Suzhou" kwamen frequent samen voor, wat de tuin koppelde aan Chinese culturele oorsprong.
Visuele Bevindingen: In foto's waren "Tree" (85,88% detectie) en "Plant" (76,63%) de meest frequente elementen. De meest voorkomende twee-element combinatie was Plant + Architectuur (69,5% van de plant-afbeeldingen).
Beeld-Tekst Correlatie:
- Voorspellende Kracht: Alle vier de regressiemodellen vertoonden een zwakke voorspellende prestatie op de gehouden testdata. De hoogste gehouden $R^2$ was 0,061 (CatBoost), en geen enkel model verklaarde meer dan 7% van de variantie in de review-sentiment.
- Onafhankelijkheid: De lage $R^2$ -waarden, gecombineerd met de beperkte variantie van de uitkomst (95,75% van de reviews was neutraal of positief), geven aan dat de visuele compositie van foto's en de verbale evaluatie van een bezoek grotendeels onafhankelijke verslagen zijn.
- Correlaties: Pearson-correlaties toonden aan dat natuurlijke elementen over het algemeen positieve coëfficiënten hadden met sentiment, terwijl sommige kunstmatige of functionele elementen negatieve coëfficiënten hadden, hoewel deze werden behandeld als exploratieve associaties in plaats van causale drijfveren.

Belangrijkste Bijdragen en Betekenis
De primaire bijdrage van het artikel is het vaststellen van een randvoorwaarde voor het onderzoek naar Chinese tuinen in het buitenland: de visuele en tekstuele sporen die bezoekers achterlaten op sociale platforms zijn geen uitwisselbare bewijzen van ervaring.

Methodologische Workflow: De studie biedt een exploratieve workflow voor het onderzoeken van wat bezoekers vastleggen in reviews en foto's en hoe deze verslagen zich verhouden tot sentiment, gebruikmakend van een specifieke pipeline van TF-IDF, RoBERTa, Mask2Former en regressiemodellering.
Theoretisch Inzicht: Hoewel tekst en beeld een consistente beschrijvende thematiek delen (focus op architectuur en vegetatie), voorspellen ze elkaar niet. Het visuele verslag van een tuin bepaalt niet het sentiment dat in de bijbehorende tekst wordt uitgedrukt.
Beperkingen en Omvang: De auteurs geven expliciet aan dat de bevindingen specifiek zijn voor deze casestudy en de geselecteerde platforms. De dataset mist demografische gegevens (nationaliteit, leeftijd, culturele achtergrond), en de beeld-tekst matching procedure (waarbij meerdere foto's aan één review kunnen linken) beperkt causale claims. De studie behandelt de resultaten als exploratieve diagnostiek in plaats van bewijs voor een stabiel voorspellend model.

Concluderend toont de studie aan dat voor Chinese tuinen in het buitenland multimodale analyse onthult dat visuele compositie en verbale sentiment grotendeels onafhankelijke dimensies van het bestemmingsbeeld vormen, waarbij ze complementaire maar onderscheidende verslagen van de perceptie van de bezoeker zijn.

Meer zoals dit