Tourists' Spatial Perception of Traditional Villages Based on UGC Data: A Case Study of Heshun Ancient Town, China
本文利用整合了多模态用户生成内容（UGC）数据与空间核密度估计的定量框架，绘制了游客对河村古镇的情感与视觉感知图谱，为针对性的微更新及防止中国传统村落过度商业化提供了实证依据。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，如果你想了解人们对一个古村落的真实感受，但你不想让他们填写枯燥的调查问卷，而是决定去倾听他们的“数字日记”。这正是这篇论文所做的事情。
研究人员研究了中国的和顺古镇，这是一个充满了古建筑、窄巷弄和当地文化的场所。他们想知道：游客们究竟去了哪里？他们喜欢什么？又有哪些让他们感到不快的地方？
为了找出答案，他们利用**用户生成内容（UGC）**构建了一个“数字侦探”系统。你可以把它想象成收集来自社交媒体（如微博和小红书）上的数千张照片和帖子，这些内容记录了人们在 2021 年至 2025 年间的旅行经历。
以下是他们如何破解这个案例的，分为简单的几个步骤：
1. 双管齐下的侦探工作（文本 + 图像）
大多数研究要么只看人们“说了什么”（文本），要么只看人们“展示了什么”（照片）。而这项研究两者兼顾，就像既查看一个人的日记，又查看他们的相册。
- 文本侦探： 他们使用了一个计算机程序（SnowNLP）来阅读数千条评论。它就像一个心情晴雨表，为每一句话评分，从“非常悲伤”到“非常开心”。
- 照片侦探： 他们使用了一个超级智能的 AI（称为 CLIP）来观察超过 17,000 张照片。这个 AI 不仅仅是在计算像素，它还能理解图片里“有什么”。是寺庙？是山脉？还是咖啡馆？它还能识别出具体的细节，比如“白墙”或“木梁”。
2. 绘制村落的“热度图”
一旦知道了人们喜欢什么以及在哪里拍照，他们就需要将其标注在地图上。
- 他们将每张照片都关联到了村落中的特定地点（比如某座特定的桥或某条特定的巷弄）。
- 然后，他们使用了一种叫做**核密度估计（KDE）**的技术。想象一下在地图上滴下热辣的酱汁。酱汁最浓稠的地方，就是“热点”——这意味着那里是游客最常去并拍照的地方。而酱汁稀薄的地方，则是“冷点”或“盲区”，即游客忽略掉的地方。
3. 他们发现了什么？
结果揭示了一些有趣的模式，几乎就像是在讲述一个关于村落个性的故事：
- “明星”景点（历史底蕴）： 最大的“热度”集中在古建筑、宗祠和石桥上。人们热爱这种纯正的历史感。照片和赞美的文字在这里完美契合。
- “配角”（自然景观）： 山脉、森林和水系是第二受欢迎的元素。它们作为精美的背景，衬托着主场表演。
- “错位”（店铺与咖啡馆）： 这是最令人惊讶的部分。人们在文字中经常提到民宿和咖啡馆（高频出现），但他们并不怎么拍这些地方的照片，对它们的满意度也不如对历史文化那样高。这就像是在说，“我爱吃这里的食物”，但却只拍风景照。研究人员称之为“感知陷阱”——现代化的店铺虽然存在，但并不完全符合那种古朴的氛围，因此游客无法产生同样的连接感。
- “盲区”： 由于村落只有一个主入口和几条主要路径，游客大多聚集在中心区域。村落边缘那些安静的手工作坊或隐藏的文化景点，变成了“感知盲区”。游客因为路径没有导向那里，所以根本没有看到它们。
4. 大局观
论文总结道，要保护和改善这些古村落，你不能仅凭猜测去修补。你需要数据。
- 不要只是建造更多的商店： 数据显示，过度商业化反而会降低满意度，因为它破坏了古镇的“魔力”。
- 敞开大门： 村落需要新的路径，引导人们从拥挤的中心走向安静、隐秘的角落，这样他们才能欣赏整个村落，而不只是那条主街。
简而言之，研究人员利用人工智能，将数千条杂乱无章的社交媒体帖子转化成了一张清晰、色彩丰富的地图。这张地图展示了村落哪里正闪耀着光芒，哪里又处于阴影之中，从而帮助管理者在无需猜测的情况下解决问题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。