MétaCan
Menu
Retour à la cohorte
Enregistrement W4252879071 · doi:10.48044/jauf.2016.026

Homebuilder Practices and Perceptions of Construction on the Wooded Lot: A Quarter Century Later Follow-Up Assessment

2016· article· en· W4252879071 sur OpenAlexaboutno aff
Keith O’Herrin, Richard J. Hauer, William Vander Weit, Robert Miller

Notice bibliographique

RevueArboriculture & Urban Forestry · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTree (set theory)Tree healthQuarter (Canadian coin)PerceptionProcess (computing)Building constructionGeographyPsychologyEcologyEngineeringComputer scienceArchaeologyBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Building new homes on wooded lots is common in the upper Midwest, United States. Existing trees are often left behind during construction to become part of the future landscape. A study conducted in 1980 found that homebuilders in Portage County, Wisconsin, U.S. generally had a poor understanding of how construction activities could impact the health of trees intended to be preserved. Researchers replicated that study 27 years later by surveying homebuilders in the same region to see how their tree preservation knowledge and use of construction activities have changed during that time. The results indicate few construction activities changed significantly, showing that little has changed overall to improve tree preservation. Even though builders significantly improved their knowledge of the negative effects that storage of fill soil on roots poses to tree preservation, they also significantly increased usage of that very same activity. Builders almost never consulted a tree preservation expert and thought doing so was the least important activity when making tree preservation decisions. Interest in a tree preservation training workshop was limited. Unless pressured by consumer demand or regulation, builders will probably not improve their tree preservation knowledge, change their construction activities, or include tree experts anywhere in the process.

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 enseignants0,033
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,247
Écart entre enseignants0,238 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArboriculture & Urban ForestryMême sujetUrban Green Space and HealthTravaux en français237 207