MétaCan
Menu
Retour à la cohorte
Enregistrement W3161520915 · doi:10.2737/nrs-gtr-203

Climate adaptation actions for urban forests and human health

2021· report· en· W3161520915 sur OpenAlexaff
Maria K. Janowiak, Leslie A. Brandt, Kathleen K. Wolf, Mattison Brady, Lindsay Darling, Abigail Derby Lewis, Robert T. Fahey, Kristen Giesting, Eboni Hall, Molly J. Henry, Maisie Hughes, Jason W. Miesbauer, Kailey Marcinkowski, Todd Ontl, Annamarie Rutledge, Lydia Scott, Christopher W. Swanston

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésImpervious surfaceClimate changeUrban climateHarmGeographyEnvironmental resource managementUrban heat islandEnvironmental planningUrban resilienceEnvironmental scienceExtreme weatherUrbanizationUrban forestPopulationUrban planningEcologyEnvironmental healthForestryPolitical scienceMeteorology

Résumé

récupéré en direct d'OpenAlex

Urban areas can be particularly vulnerable to climate change due to extensive impervious cover, increased pollution, greater human population densities, and a concentration of built structures that intensify impacts from urban heat, drought, and extreme weather. Urban residents are at risk from a variety of climate stressors, which can cause both physical and mental harm. Urban forests and tree cover provide a critical role in helping cities address climate change by supporting greenhouse gas mitigation, reducing the impacts of extreme heat and altered climate that impair human health, and helping communities to adaptively respond through engagement with nature. At the same time, urban forests are vulnerable to changes in climate and in need of robust strategies to adapt to those changes.As climate change impacts increase, efforts to

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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 Opus0,118
Tête enseignante GPT0,374
Écart entre enseignants0,256 · 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
GenreAutre

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

En bref

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Green Space and HealthTravaux en français237 207