机器学习

本研究开发了集成学习模型来预测学生对互动休息点的美学偏好，并将其准确性与传统个体模型进行比较。输入数据集（18个特征）从德黑兰市四所大学校园的100个学生休息点图像中提取：德黑兰大学、阿米尔卡比尔理工大学、沙希德拉贾伊教师培训大学和塔比亚特莫达雷斯大学。

色彩多样性使用伊顿12色环进行评级。树木密度和植物覆盖多样性由五位环境设计专家小组进行视觉评估。树木密度根据可见树木数量和每张图像中种植床的估计空间范围分为四个等级：无、低、中和高。植物覆盖多样性分为五种植被类型：草坪、树木、灌木、花卉和草本植物。

基于394名大学生报告的美学偏好，研究采用支持向量回归（SVR）、随机森林（RF）、多层感知器（MLP）及其组合SVR-MLP和SVR-RF-MLP来预测大学校园的美学质量。结果表明，集成学习模型在预测学生美学偏好方面优于个体模型，填补了关键研究空白。

个体模型在整个数据集中表现出不同的准确度水平，其中SVR（R²=0.824）表现最强，其次是MLP（R²=0.814）和RF（R²=0.761）。在所有模型中，SVR-MLP集成学习模型实现了最高准确度，其R²得分分别为0.767（测试数据）、0.850（训练数据）和0.828（总数据集）。

集成学习模型为建筑师、环境设计师、景观设计师和校园规划者提供了一个强大的概念框架，用于设计与学生视觉偏好一致的吸引人且具有恢复功能的空间。

全球大学生基于学业负担、财务限制、高度竞争条件和有限时间资源，比非大学生群体承受着更高水平的心理压力。疾病、社会歧视和情绪疲劳等额外挑战加剧了这一负担，使学生心理健康成为全球关注的问题。世界卫生组织报告和跨欧洲、亚洲和北美的大规模研究估计，25-60%的大学生经历心理困扰，这可能降低学业表现和整体幸福感。

这种日益增长的心理紧张促使研究人员调查物理环境的恢复潜力，特别关注室外校园空间。非正式开放区域——包括绿色口袋、遮荫角落和庭院——为学生提供了放松和自发社交互动的关键机会，这些已被经验证明能够促进心理恢复。此外，这种社交参与明显增强了心理健康、学业成功和社会情感发展。实现这些益处需要一种超越传统建筑结构并强调富含遮荫座椅、空间多样性和非正式社交参与机会的室外环境的校园设计方法。