Culture, Science, and Activism in Florida Lawn and Landscape Fertilizer Policy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Every county and municipality in Florida can adopt its own unique ordinance regulating the fertilization of lawns and landscapes. With increased concern for eutrophication to state waterbodies, many have chosen to implement seasonal fertilizer restrictive periods prohibiting the application of nitrogen and phosphorus fertilizers, typically during the rainy summer months. These fertilizer “blackout” policies have been the subject of controversy among environmental activists, university scientists, and policy decision makers, with their efficacy being called into question. A Foucauldian discourse analysis was undertaken to trace the dynamics of the controversy, and survey research was conducted with Florida residents and with Florida decision makers to compare their lawncare maintenance practices, sentiments surrounding turfgrass, their trust in landscape science, as well as their awareness of policy in the city or county in which they reside. Differences were found between the two populations in terms of how many respondents fertilized, used automated irrigation systems and hand-pulled weeds. Although both populations had very neutral sentiments around turfgrass with no significant differences, Florida decision-maker respondents had a higher mean response for trust in landscape science. Only 32% of Florida resident respondents were able to accurately identify if their city or county had a blackout ordinance, compared with 81% of decision-maker respondents. Increasing civic science may be the best way for reducing this discrepancy, while also giving power to citizens in environmental policy adoption.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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