MétaCan
Menu
Retour à la cohorte
Enregistrement W2468679115 · doi:10.3390/socsci5030028

Converging Urban Agendas: Toward Healthy and Sustainable Communities

2016· article· en· W2468679115 sur OpenAlexaff
Mark Roseland, Maria Spiliotopoulou

Notice bibliographique

RevueSocial Sciences · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental planningEnvironmental healthPsychologyGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

In light of recent developments such as the COP21 Paris climate agreement, the UN adoption of the Sustainable Development Goals for 2030, and the Habitat III Conference, there is increasing recognition of the role of human settlements as key components of both global challenges and global solutions. “Urban sustainability” under various names has matured over the last three decades not only in planning and related fields, but also in wider professional and popular discourse. In this paper we trace a historical overview of urban sustainability theory and practice, and explain why urban sustainability planning and development currently face limited and inconsistent application. We show that this lack of public uptake is due in part to monitoring, assessment, and decision-support frameworks and tools that do not engage citizens and their governments in a shared “strong sustainability” analysis and/or vision. We argue that urban sustainability today clearly needs to embrace equity, inclusion, and other social considerations; contribute to constructive societal mobilisation and compelling policy-making; advocate for development as a better alternative to growth; encourage the integration of human and environmental health interests; and encompass triple-bottom-line-inspired outcomes. Focusing on community capital productivity and regeneration may be the key to advancing healthy and sustainable communities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,063
Tête enseignante GPT0,351
Écart entre enseignants0,289 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations33
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial SciencesMême sujetUrban Transport and AccessibilityTravaux en français237 207