MétaCan
Menu
Retour à la cohorte
Enregistrement W4281387970 · doi:10.1177/10780874221101393

How Leadership Influences Urban Greenspace Provision: The Case of Surrey, Canada

2022· article· en· W4281387970 sur OpenAlexaffabout
Chris Boulton, Ayşın Dedekorkut-Howes, Meg Holden, Jason Byrne

Notice bibliographique

RevueUrban Affairs Review · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCorporate governancePoliticsQualitative researchEnvironmental planningPublic relationsSociologyPolitical scienceGeographyBusinessSocial science

Résumé

récupéré en direct d'OpenAlex

Much research has examined the socio-spatial distribution of, and access to, urban greenspace; the challenges of supplying greenspace, especially in periods of dynamic urban change, remain poorly understood. Multiple factors shape urban greenspace provision, however understanding the role of leadership as a factor remains somewhat elusive. Addressing this critical knowledge gap, we employed a case study approach, using qualitative methods, to hear first-hand from the key stakeholders involved with municipal urban greenspace provision, to investigate how different types of leadership affected greenspace provision in Surrey, Canada – a dynamically changing mid-size city. Semi-structured interviews with 32 purposively selected participants reveal that here, both leadership and organizational culture influenced resources and decision-making supporting greenspace provision. Aligned political leadership and organizational leadership witnessed a significant increase in Surrey's urban greenspaces – the converse occurred in a later administration. Findings provide insights into the governance of greenspace; especially how different types of leadership can play a pivotal role in effective greenspace provision.

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)0,003
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,164
Score d'incertitude au seuil0,970

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0150,004
Communication savante0,0050,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,042
Tête enseignante GPT0,244
Écart entre enseignants0,203 · 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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban Affairs ReviewMême sujetUrban Green Space and HealthTravaux en français237 207