MétaCan
Menu
Retour à la cohorte
Enregistrement W1984892744 · doi:10.5558/tfc76241-2

Strategic planning in urban forestry: A 21st century paradigm shift for small town Canada

2000· article· en· W1984892744 sur OpenAlexvenueaboutno aff
P. J. E. van Wassenaer, Lírio Schaeffer, W. A. Kenney

Notice bibliographique

RevueThe Forestry Chronicle · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrban sprawlLand-use planningUrbanizationUrban forestBusinessEcosystem servicesUrban planningUrban forestryStrategic planningEnvironmental planningLand useUrban ecosystemCommunity forestryEnvironmental resource managementGeographyForest managementAsset (computer security)EcosystemForestryEcologyEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

The pressures created by urban sprawl are leading to a reduction in forested land in Canada and North America. Poorly controlled land-use planning contributes to the haphazard urbanization of many small communities within commuting distance of major urban centres. Urban forests are largely ignored as an asset and the potential benefits they can offer to communities are often not acknowledged in the planning process. Relatively few communities across Canada have any form of urban forest management. A new definition of the urban forest is proposed that recognizes the need for an ecosystem approach to urban forest management and the integral role that humans play in that ecosystem. To facilitate the implementation of urban forest management plans in small communities, a simple strategic planning framework is presented. Using this approach, many small towns can maintain their rural character and benefit from a wealth of environmental, social and economic benefits. Key words: urban forestry, community planning, forest benefits, strategic planning, ecosystem approach, forest fragmentation

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)0,006
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,887

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0170,033
Communication savante0,0170,004
Science ouverte0,0020,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,023
Tête enseignante GPT0,238
Écart entre enseignants0,215 · 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
GenreEmpirique

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

En bref

Citations20
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetUrban Green Space and HealthTravaux en français237 207