MétaCan
Menu
Retour à la cohorte
Enregistrement W3097403187 · doi:10.5539/jsd.v13n6p130

Spatial and Non-Spatial Factors Influencing Willingness to Pay (WTP) for Urban Green Spaces (UGS): A Review

2020· review· en· W3097403187 sur OpenAlexvenueno aff
Aimi Norhanani Nordin, Gabriel Hoh Teck Ling, Mou Leong Tan, Chin Siong Ho, Hishamuddin Mohd Ali

Notice bibliographique

RevueJournal of Sustainable Development · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi Malaysia
Mots-clésBusinessWillingness to paySustainabilityEcosystem servicesQuality (philosophy)ProvisioningSocioeconomic statusEnvironmental resource managementEnvironmental economicsEnvironmental planningNatural resource economicsEcosystemEconomicsGeographyComputer scienceEnvironmental healthEcology

Résumé

récupéré en direct d'OpenAlex

With numerous ecosystem services of urban green spaces (UGS), contributing to sustainability and a better quality of life, UGS provision is perceived as a pivotal role in urban planning. However, concern arises as to what extent local governments have effectively provided good quality and adequate quantity of UGS for the public? Provisioning those UGS aspects has been given a low priority due to insufficient resources and the limited budget allocated by local governments. As such, maintenance and management effectiveness of UGS is detrimentally affected, resulting in disused, overused spaces and thus hot spots for crimes. Therefore, public monetary contribution via taxation is suggested as an alternative to ensuring the continuity and sustainability of UGS services. This review paper is vital to identify and showcase specific factors and mediators, influencing the willingness to pay (WTP) of residents/users for UGS services. Methodologically, after conducting Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) for the purpose of article screening and selection based on the two primary databases (Google Scholar and Elsevier), this paper reviewed 18 journal articles, from the year 2013 to 2020. Along with the indirect sub-factors, namely environmental behaviour/attitude and socioeconomic profiles of users, there are three main spatial and non-spatial variables (factors) identified: (i) accessibility/proximity to the nearest UGS; (ii) quantity/adequacy of UGS; and (iii) quality of UGS within a township area, influencing satisfaction and enjoyment as well as reasons and frequency of park visiting of users (mediators), which consequently affect their WTP for UGS.

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)0,007
score de la tête « metaresearch » (Gemma)0,032
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0050,008
Études des sciences et des technologies0,0000,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 GPT0,282
Écart entre enseignants0,260 · 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
GenreSynthèse

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

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetUrban Green Space and HealthTravaux en français237 207