MétaCan
Menu
Retour à la cohorte
Enregistrement W4200359613 · doi:10.3389/frsc.2021.805884

Intention to Install Green Infrastructure Features in Private Residential Outdoor Space

2021· article· en· W4200359613 sur OpenAlexafffundabout
Camilo Ordóñez, Tenley M. Conway, Lara A. Roman

Notice bibliographique

RevueFrontiers in Sustainable Cities · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPrivate spaceSpace (punctuation)BusinessEquity (law)MarketingComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Green infrastructure (GI) features in private residential outdoor space play a key role in expanding GI networks in cities and provide multiple co-benefits to people. However, little is known about residents' intended behavior concerning GI in private spaces. Resident homeowners in Toronto (Ontario, Canada) voluntarily participated in an anonymous postal survey ( n = 533) containing questions related to likelihood to install additional GI features in their private outdoor space; experiences with this space, such as types of uses; and environmental concerns and knowledge. We describe the association between these factors and people's intention to install GI in private residential outdoor space. Factors such as environmental concerns and knowledge did not influence likelihood to install GI. However, experiences with private residential outdoor space, such as nature uses of this space, level of self-maintenance of this space, and previously installed GI features, were significant influences on the likelihood to install GI. These findings have important implications for managing GI initiatives and the adoption of GI in private residential spaces, such as orienting communication materials around uses of and experiences with outdoor space, having programs that generate direct experiences with GI features, and considering environmental equity in such programs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,005
Tête enseignante GPT0,217
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sustainable CitiesMême sujetUrban Green Space and HealthTravaux en français237 207