MétaCan
Menu
Retour à la cohorte
Enregistrement W4293155591 · doi:10.1080/13549839.2022.2100878

Mobilizing infrastructure investments for urban climate action in Africa: enabling factors for multilevel action

2022· article· en· W4293155591 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLocal Environment · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConstructiveLegislatureSustainabilityClimate changeTransformative learningAction planAction (physics)Sustainable developmentBusinessEnvironmental resource managementEnvironmental planningScale (ratio)Economic growthPolitical scienceEconomicsSociologyGeography

Résumé

récupéré en direct d'OpenAlex

This article explores the importance of national governments and national-local relationships for scaling up local climate action to achieve global goals. From the Sustainable Development Goals to the New Urban Agenda to the Paris Climate Change Agreement, the achievement of global sustainability goals will depend on deep changes to national infrastructure and urban systems. Through an analysis of climate action planning and investments in exemplary cases in Africa, the paper highlights the opportunities and challenges that come with integrating national governments into urban-focused priorities and needs, especially for mobilising financial resources. The paper finds that scaling up city climate action in the selected African countries benefits from a constructive multi-level relationship between local and national institutions and stakeholders to shape and improve the legislative, financial and operating frameworks to enable systemic change. Large-scale urban climate action can be enabled by formal multi-level institutional arrangements, links to politically prioritised policy frameworks, and transformative aims that address both climate and socio-economic benefits for 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.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,609

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,094
Tête enseignante GPT0,298
Écart entre enseignants0,204 · 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