MétaCan
Menu
Retour à la cohorte
Enregistrement W4280524471 · doi:10.1007/s44168-022-00009-2

What does neighbourhood climate action look like? A scoping literature review

2022· article· en· W4280524471 sur OpenAlexafffund
Neelakshi Joshi, Sandeep Agrawal, Shirley Lie

Notice bibliographique

RevueClimate Action · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta Ecotrust Foundation
Mots-clésNeighbourhood (mathematics)Framing (construction)Climate changePublic relationsSustainabilityPolitical scienceEnvironmental planningGeographySociologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Cities are recognized as an important scale for framing and implementing plans and policies for action on climate change. Within the structure of cities, it is in urban neighbourhoods that climate action becomes tangible and has the potential to engage communities. Despite its importance, scholarly literature has played limited attention to the scale of the neighbourhood as a site for locating climate action. The objective of our paper is to provide an overview of the role of neighbourhoods in leading bottom-up climate action and its implications for urban planning based on a qualitative scoping review. Our findings indicate that neighbourhoods are conceptualized as a physically bounded scale for climate action as well as a web of social networks and relationships enabling this action. Neighbourhood climate action aims to achieve neighbourhood scale sustainability and resilience by engaging with residents, municipalities, local academic institutions, neighbourhood associations and non-governmental agencies. Scholars engage with a wide range of concepts like place-based attachment and social mobilization as well as established practice-oriented tools in defining and measuring neighbourhood climate action. However, the neighbourhood scale struggles with limited resources and power in creating sustained climate action as well as in engaging with and addressing socio-economically marginalized communities.

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)0,014
score de la tête « metaresearch » (Gemma)0,058
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,058
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0210,022
Études des sciences et des technologies0,0020,003
Communication savante0,0060,006
Science ouverte0,0020,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,107
Tête enseignante GPT0,375
Écart entre enseignants0,268 · 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
GenreSynthèse

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

En bref

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate ActionMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207