Advancing environmental justice in cities through the Mosaic Governance of nature-based solutions
Notice bibliographique
Résumé
Nature-based solutions (NBS) are championed for providing co-benefits to cities and residents, yet their environmental justice impacts are increasingly debated. In this paper, we explore whether and how hybrid governance approaches, such as Mosaic Governance, may contribute to just transformations and sustainable cities through fostering long-term collaborations between local governments, local communities, and grassroots initiatives. Based on case studies in three major European cities, we propose and then exemplify six possible pathways to increase environmental justice: greening the neighborhood, diversifying values and practices, empowering people, bridging across communities, linking to institutions, and scaling of inclusive discourses and practices. Despite the diversity of environmental justice outcomes across cases, our results consistently show that Mosaic Governance particularly contributes to recognition justice through diversifying NBS practices in alignment with community values and aspirations. The results demonstrate the importance of a wider framing of justice in the development of NBS, sensitive to social, cultural, economic and political inequities as well understanding potential pathways to enhance not only environmental justice, but also social justice at large. Especially in marginalised communities, Mosaic Governance holds much potential to advance social justice by enabling empowering, bridging, and linking pathways across diverse communities and NBS practices.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,017 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».