Technology in support of nature-based solutions requires understanding everyday experiences
Notice bibliographique
Résumé
Nature-based solutions that incorporate "smart" technologies to enhance ecosystem services delivery may change the way people experience urban nature in their everyday lives.We lay out a conceptual basis for considering such changes and their social impacts.Cities are increasingly recognized as complex social-ecological-technological systems in which sustainability and climate resilience require environmental function to be paired with innovative technology.Smart technologies for real-time monitoring and autonomous operation promise innovations in urban landscape management.However, this promise can be fully realized only with adequate consideration of social impacts.Drawing on literature in landscape studies, environmental psychology, behavioral economics, public health, and aesthetics, we initiate a discussion connecting everyday experiences of urban nature with the social impacts of smart nature-based solutions and with local communities' support for their implementation.We describe what makes pleasant everyday experiences of urban nature and their related well-being benefits and social and cultural values, and we elucidate how these experiences depend on perceivable landscape characteristics that are only sometimes directly linked to environmental functions.Then, based on this literature, we speculate about how adopting smart technologies to manage nature-based solutions may noticeably change the landscape in novel ways and have unintended negative impacts on everyday experiences of urban nature.We illustrate this with an example: smart stormwater management of retention ponds.We conclude that the risk of degraded everyday experiences of nature must be considered and addressed in the development of smart nature-based solutions.If pleasant everyday experiences are ensured through appropriate design, smart nature-based solutions may not only realize societal co-benefits, but also gain acceptance and continued support from the public for the whole set of ecosystem services they deliver.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,009 | 0,014 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».