北京
社区更整洁，居民的心情一定会更好吗？
2026年8月12日，澎湃新闻记者从上海纽约大学获悉，该校社会学助理教授缪佳的一项新研究发表在国际权威期刊《社会科学与医学》（Social Science & Medicine）上。该研究表明，社区微更新有助于提升公共福祉。
该研究发现，2017年至2019年间，上海居民所接触到的社区物理环境失序整体有所减少。更重要的是，环境失序程度的下降与居民心理困扰水平的降低相关。在研究人员进一步使用固定效应模型和广义倾向得分匹配，以控制可能造成混淆的因素后，这一结果依然稳健。
在社会学中，“物理环境失序”是指公共空间中肉眼可见的疏于管理或失修现象，例如垃圾、涂鸦、破损的基础设施、违规张贴的小广告、建筑废料，以及街区中其他杂乱或衰败的景象。
缪佳指出，改革开放以来，人们的日常生活逐渐从“单位”转向社区，社区也由此成为理解城市环境如何影响个人和家庭福祉的重要场域。在西方研究中，环境失序往往被视为社区组织失灵的表现。而在中国，社区生活也通过居委会等组织来进行协调。因此，环境失序的减少，不仅可能来自居民的集体行动，也可能源于政府主导的社区治理和环境改善。
上海为这项研究提供了一个极具价值的案例。过去十余年间，上海许多中心城区的更新方式逐渐转向规模较小的社区微景观更新。这类项目通常在避免大规模居民搬迁的同时，改善居民的日常生活环境。缪佳进一步解释道，在许多由市场驱动的城市更新中，尤其是在一些西方城市，开发商进入社区进行士绅化改造后，环境可能得到改善，但原有居民也可能被替代；而在上海，许多社区改善由政府推动，居住在那里的往往还是原来的居民。这为研究者提供了一个难得的机会，去观察环境变化是否与同一批居民的福祉变化有关。
为探究这一问题，缪佳与厦门大学合作者张奕将“上海都市社区调查”的追踪调查数据，与同期的百度街景图像相结合。该调查收集了居民心理健康、收入、教育、就业、家庭情况和社区生活体验等信息，使研究人员能够观察他们在三年间的变化。与此同时，研究团队利用深度学习模型分析街景图像，从而更客观地衡量居民住所周边的物理环境失序程度。
通过整合两类数据，研究者得以同时考察“环境的变化”和“人的变化”。机器学习模型负责识别街景图像中的失序元素，问卷调查则提供居民心理困扰、社会经济状况和社区背景等信息。缪佳认为，这项研究最大的优势之一，是他们不是只“在某一个时间点比较居住在不同社区的人”，而是观察“同一批居民如何随着周边环境的变化而发生改变”。
研究表明，社区微更新有助于提升公共福祉，尤其是当环境改善覆盖到资源相对有限的社区时。不过，这些收益并非平均分布。与拥有更多社会经济资源的居民相比，低收入或受教育程度较低的居民，似乎能从社区环境失序的减少中获得更明显的心理健康收益。
缪佳同时强调，改善物理环境只是第一步。环境改善当然是好事，但它不会自动为所有人带来同样的结果，其在什么条件下最有效，又是通过哪些过程真正提升居民的生活质量，这些问题仍需要进一步探究。
对城市居民而言，这项研究提供了一个简单的提醒：日常生活中那些看似不起眼的环境细节，并不只是市容问题。一个更整洁、更安全、也更受重视的社区，可能为生活在其中的人带来实实在在的心理健康收益。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
