MétaCan
Menu
Retour à la cohorte
Enregistrement W3217118913 · doi:10.32920/ryerson.14653668.v1

Schoolyard Parks : How the Establishment of a Formal Partnership Between the Toronto District School Board and the City of Toronto to Green Schoolyards Can Increase Access to Public Park Space Across the City

2021· preprint· en· W3217118913 sur OpenAlexaffabout
Marika Franko

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipGeographyPublic parkEnvironmental planningPublic spaceLand useSpace (punctuation)Public administrationEnvironmental resource managementPolitical scienceBusinessCivil engineeringEngineeringArchitectural engineering

Résumé

récupéré en direct d'OpenAlex

Many built-up and high-density cities such as the City of Toronto are beginning to look at new strategies to increase parkland at a time when land is scarcer and more expensive to acquire. Schoolyards have been identified as underutilized public resources since many of them are deteriorating and predominantly asphalt. Some cities have established initiatives that revitalize public schoolyards into green spaces for student and community use, defined generally as ‘schoolyard parks’. Such initiatives are based upon public-private partnerships between city governments, school boards, park departments, and other stakeholders. This paper uses spatial analysis to estimate how much parkland Toronto District School Board schoolyards could contribute to Toronto’s park system if they were converted to schoolyard parks. It also reviews four schoolyard park programs in different cities to determine what kind of program structure would best suit Toronto, and it provides recommendations on how to implement such an initiative. Key words: schoolyards, parks, green spaces, partnership, underutilized schools

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil0,669

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,003
Communication savante0,0080,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,034
Tête enseignante GPT0,272
Écart entre enseignants0,237 · 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'étudeQualitatif
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetUrban Agriculture and SustainabilityTravaux en français237 207