A relação entre o ambiente urbano e o bem-estar: Análise em Lisboa, Portugal, utilizando redes sociais.

The relation between urban environment and well-being: Analysis in Lisbon, Portugal, using social networks.

MACHINE learning; CITY dwellers; PHYSICAL fitness centers; SOCIAL networks; SENTIMENT analysis

Los problemas de salud mental han ido en aumento en todo el mundo, lo que puede estar relacionado con el crecimiento de la población urbana y el estilo de vida asociado a ella. Cada vez se reconoce más que los diversos aspectos del entorno urbano pueden afectar a la salud mental de las personas, ya que son responsables de facilitar o inhibir comportamientos y estilos de vida que repercuten en los sentimientos. En este contexto, es importante comprender el impacto potencial del entorno urbano de Lisboa. Para ello, se utilizó el análisis de sentimiento, utilizando un léxico del NRC Sentiment and Emotion, basado en datos de la red social X, lo que permitió identificar los lugares en los que prevalece tanto el sentimiento positivo como el negativo. A continuación, se combinó un modelo de aprendizaje automático (ML) con un modelo agnóstico con el fin de aumentar la comprensión de los factores del entorno urbano que pueden explicar el sentimiento. Se probaron cuatro modelos ML: Random Forest (RF), Extreme Gradient Boosting (XGBoost), Neural Network (NN), K-Nearest Neighbour (KNN) y un modelo lineal de comparación (Generalized Linear Model - GLM). Los modelos agnósticos aplicados, el Local Interpretable Model-Agnostic Explanations (LIME) y el SHapley Additive exPlanation (SHAP), desempeñaron un papel fundamental en este estudio. En respuesta a la pregunta de partida, las variables explicativas más relacionadas con el sentimiento son la distancia a los gimnasios, la distancia a las zonas verdes, la popularidad de los lugares (estimada mediante la red social Flickr) y la distancia a la red ciclista. [ABSTRACT FROM AUTHOR]

Mental health problems have been rising worldwide, possibly associated with urban population growth and related lifestyles. The recognition that the various aspects of the urban environment can affect the mental health of individuals has been increasing since they are responsible for facilitating or inhibiting behaviors and lifestyles that impact the feeling. In this context, it is essential to understand the potential impact of the urban environment of the city of Lisbon. To do so, we resorted to sentiment analysis, using a lexicon from the NRC Sentiment and Emotion, based on data from the social network X, enabling the identification of places where both positive and negative sentiment prevail. Next, an machine learning (ML) model associated with an agnostic model was used to increase the understanding of the factors of the urban environment that can explain the sentiment. Four ML models were tested, Random Forest (RF), Extreme Gradient Boosting (XGBoost), Neural Network (NN), K-Nearest Neighbour (KNN), and a linear model for comparison (Generalized Linear Model - GLM). The agnostic models applied, the Local Interpretable Model-Agnostic Explanations (LIME) and the Shapley Additive exPlanation (SHAP), played a crucial role in this study. Answering the starting question, the explanatory variables most related to sentiment are distance to fitness facilities, distance to green spaces, the popularity of locations (estimated through the social network Flickr), and distance to the cycling network. [ABSTRACT FROM AUTHOR]

Os problemas de saúde mental têm vindo a aumentar em todo o mundo, o que poderá estar associado ao crescimento da população urbana e ao estilo de vida a ela associado. O reconhecimento de que os diversos aspetos do ambiente urbano podem afetar a saúde mental dos indivíduos tem vindo a aumentar, uma vez que, estes são responsáveis por facilitar ou inibir comportamentos e estilos de vida que impactam o sentimento. Neste contexto é importante compreender o potencial impacte do ambiente urbano da cidade de Lisboa. Para tal recorreuse à análise de sentimentos, utilizado um léxico do NRC Sentiment and Emotion, a partir de dados da rede social X, possibilitando a identificação dos locais em que tanto o sentimento positivo como negativo prevalecem. De seguida fez-se uso de um modelo de machine learning (ML) associado a um modelo-agnóstico de modo a aumentar a compreensão dos fatores do ambiente urbano que podem explicar o sentimento. Foram testados 4 modelos de ML, Random Forest (RF), Extreme Gradient Boosting (XGBoost), Neural Network (NN), o K-Nearest Neighbour (KNN) e um modelo linear para comparação (Generalized Linear Model-GLM). Os modelos agnósticos aplicados, o Local Interpretable Model-Agnostic Explanations (LIME) e o SHapley Additive exPlanation (SHAP), desempenharam um papel fundamental neste estudo. Respondendo à questão de partida, as variáveis explicativas que mais se relacionam com o sentimento são a distância a equipamentos fitness, a distância aos espaços verdes, a popularidade dos locais (estimada através da rede social Flickr) e a distância à rede ciclável. [ABSTRACT FROM AUTHOR]

Copyright of Revista Cartográfica is the property of Instituto Panamericano de Geografia e Historia and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)