MétaCan
Menu
Retour à la cohorte
Enregistrement W4321103267 · doi:10.3389/fhort.2023.1105159

Urban green management plan: Guidelines for European cities

2023· article· en· W4321103267 sur OpenAlexaboutno aff
Luca Battisti, Federica Larcher, Marco Devecchi

Notice bibliographique

RevueFrontiers in Horticulture · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlan (archaeology)BusinessEnvironmental planningUrban planningEnvironmental resource managementOrder (exchange)Quality (philosophy)GeographyEngineeringCivil engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Urban green areas are essential components of a city. They guarantee an adequate quality of life by providing several ecosystem services. Green areas must be designed and managed appropriately with a long-term approach ensuring a healthy urban ecosystem. It is possible to observe how especially in the USA and Canada there is a useful tool for this purpose, the Urban Forest Management Plan. The aim of this study is to understand which practical and effective plans were available for manage public urban green spaces in Europe, before COVID-19 (non-routine period), in order to carefully set up management plans. In order to reach the goal a bibliographic review was performed and reported following the PRISMA Statement. Furthermore, a research was carried out on the main management plans adopted by the municipalities in European capitals. In this regard, the research tries to investigate the knowledge base that European municipalities can use to set up an urban green management plan. The narration of the outcomes was designed as an initial guide aimed primarily at public administrators by providing them with a path and a scheme on how to structure a long-term green management plan in European cities. In the hope that even European municipalities can adopt a long-term green management plan, we propose a scheme to be followed to achieve this goal, with the indication of five essential points to be taken into account.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,419
Score d'incertitude au seuil0,459

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)0,0000,000

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 Opus0,037
Tête enseignante GPT0,270
Écart entre enseignants0,233 · 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'étudeSans objet
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in HorticultureMême sujetUrban Green Space and HealthTravaux en français237 207