MétaCan
Menu
Retour à la cohorte
Enregistrement W4303188275 · doi:10.1080/02723638.2022.2125669

Border troubles: urban nature and the remaking of public/private divides

2022· article· en· W4303188275 sur OpenAlexaff
Andrea Armstrong, Harriet Bulkeley, Laura Tozer, Panagiota Kotsila

Notice bibliographique

RevueUrban Geography · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMinisterio de Ciencia e InnovaciónHorizon 2020Ministerio de Economía y CompetitividadEuropean Commission
Mots-clésPoliticsStewardship (theology)Public spaceAccountabilityCorporate governanceSociologySpace (punctuation)Psychological interventionPublic administrationPolitical sciencePublic relationsBusinessLaw

Résumé

récupéré en direct d'OpenAlex

Traditional interventions to “bring nature into the city” were often motivated by a concern to create forms of public space which would provide a public good. Despite such well-intentioned motivations, these public forms of urban nature have always been to some extent bounded, serving some in favor of others, authorizing particular uses and forms of behavior as more or less legitimate, and policing the boundaries of who is/not included in such space. In this paper, we argue that new interventions seeking to bring nature-based solutions (NBS) into the city serve to further trouble these boundaries. NBS seek to use nature to address urban sustainability challenges and they navigate and serve to reconfigure what is (and is not) public in the city. We draw on research undertaken in three cities – Newcastle (United Kingdom), Cape Town (South Africa) and Athens (Greece) to explore the ways in which notions of the private and the public are being remade with and through nature, and its implications for how we might understand urban politics. Our conclusions point to the need for governance arrangements that can support the long-term stewardship of nature in the public interest and with due accountability and we suggest three arrangements.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,052
Communication savante0,0090,007
Science ouverte0,0010,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 GPT0,233
Écart entre enseignants0,224 · 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'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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban GeographyMême sujetUrban Green Space and HealthTravaux en français237 207