MétaCan
Menu
Retour à la cohorte
Enregistrement W1640554899 · doi:10.1111/1365-2664.12333

FORUM: Do green roofs help urban biodiversity conservation?

2014· article· en· W1640554899 sur OpenAlexaff
Nicholas S. G. Williams, Jeremy Lundholm, J. Scott MacIvor

Notice bibliographique

RevueJournal of Applied Ecology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensYork UniversitySaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésBiodiversityGreen roofGreen infrastructureHabitatEcosystem servicesGeographyEcosystemContext (archaeology)EcologyGeneralist and specialist speciesEnvironmental resource managementRecreationEnvironmental planningRoofEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Summary Green roofs are novel ecosystems that are increasingly common in cities. While their hydrologic and energy saving benefits are well‐established, green roofs have also been proposed as having significant value for conserving biodiversity. We evaluate six hypotheses that describe the purported biodiversity conservation benefits of green roofs. Green roofs largely support generalist species particularly insects, but their conservation value for rare taxa, and other taxonomic groups especially vertebrates, is poorly documented. Further, their ability to replicate biotic communities in the context of ecological restoration is largely untested, as is their potential to connect ground‐level habitats. Synthesis and applications. Given the evidence, green roof proponents should use restraint in claiming conservation benefits and it is premature for policymakers to consider green roofs equivalent to ground‐level urban habitats. Ecologists need to work with the industry to evaluate green roof biodiversity and help design green roofs based on ecological principles to maximize biodiversity gains.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,0420,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations262
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied EcologyMême sujetUrban Heat Island MitigationTravaux en français237 207