Characterizing non-governmental organizations and local government collaborations in urban forest management across Canada
Notice bibliographique
Résumé
Abstract Urban forests are being threatened by rapid urbanization, biodiversity crises, and climate variability. In response, governments are increasingly collaborating with the public for solutions to these mounting challenges. Non-governmental organizations (NGOs) are dominant players in these collaborations because of their ability to deliver on communities’ environmental issues. Despite their growing visibility in forest management, there is a lack of attention directed to the forms of NGO relationships and their range of collaborative activities. This study focuses on addressing these gaps and examining collaborations between local governments and NGOs in urban forest programming by characterizing their components including mandates, relationship ties, accountability, resource exchange, and power dynamics. We collected data using semi-structured interviews with three groups: leaders of NGOs, municipal government officials in an urban forest or public works departments, and urban-forest experts who have observed their interactions. The participants represent 32 individuals in nine Canadian cities. Our results indicate that NGO-government collaborations have relational ties and accountability processes that are both formal and informal in nature; however, formality in collaborations is associated with the amount of funding, proximity to government, or size of the NGO. Additionally, our findings suggest that NGOs present an opportunity to local governments to supplement their resources and capacity. While the strength and formality of collaborations may be a product of NGO size and budgets, public servants should hesitate to engage smaller, grassroots NGOs to realize their public service mandates. Characterizing the components of these governance processes provides a benchmark for practitioners participating in similar public-civic interactions and arms them with the knowledge to navigate collaborative decision-making.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,017 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».