MétaCan
Menu
Retour à la cohorte
Enregistrement W4404292529 · doi:10.3389/fsufs.2024.1496017

The influence of public environmental concern on the rural living environment in China

2024· article· en· W4404292529 sur OpenAlexaff
Wenguang Zhang, Qinlei Jing, Ji Lu

Notice bibliographique

RevueFrontiers in Sustainable Food Systems · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChina's Socioeconomic Reforms and Governance
Établissements canadiensDalhousie University
Organismes subventionnairesNational Social Science Fund of ChinaNational Office for Philosophy and Social Sciences
Mots-clésChinaEnvironmental planningBusinessEnvironmental resource managementEconomic growthPolitical scienceGeographyEnvironmental scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Background Despite China's economic growth, rural living environments have often lagged behind. While public participation is gaining importance in environmental governance, the magnitude and mechanism of its impact remain understudied. Purpose This research investigates the relationship between public environmental concerns and the rural living environment in China and explores how public concerns impact living conditions. Methodology Using panel data from 245 prefecture-level cities (2012–2021), we employed the entropy method to measure rural living environment scores and used fixed-effect models to analyze the relationship between public concern and the living environment. Results The findings demonstrate a positive relationship between strong public environmental concerns and improved rural living environments. Further analysis suggests that local government environmental attention acts as a partial mediator in this relationship. Conclusion This study reveals that public participation can influence government policies, ultimately leading to positive environmental outcomes. Promoting public participation in environmental governance is crucial for improving the rural living environment.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,208 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sustainable Food SystemsMême sujetChina's Socioeconomic Reforms and GovernanceTravaux en français237 207