Understanding collaborative governance of biodiversity-inclusive urban planning: Methodological approach and benchmarking results for urban nature plans in 10 European cities
Notice bibliographique
Résumé
The EU Biodiversity Strategy for 2030 aims to restore Europe's biodiversity for the benefit of people, climate and the planet. Target 14 mandates that cities with at least 20,000 inhabitants should develop an ambitious urban greening plan. The Kunming-Montreal Global Biodiversity Framework promotes biodiversity-inclusive urban planning through a stronger governance approach, that includes people and public participation across all levels and sectors. Recent policies encourage cities to develop urban greening plans, together with mechanisms for monitoring the progress toward EU and global biodiversity targets. This research proposes quality criteria against which EU cities could be evaluated while establishing ambitious urban nature plans An analytical framework was developed consisting of 30 criteria across six macro categories: urban biodiversity goals and targets, collaborative governance, institutional support, public participation, financing mechanisms, and monitoring and evaluation aspects. The framework was applied to assess urban green plans for a sample of ten cities with existing urban green or nature plan for at least 3 years. Policy and research experts were consulted on the selected criteria and the cities’ results. It emerges that public participation and collaborative governance are rarely considered integral part from the beginning of established plans except in a few cities despite EU guidelines advocating for adoption of co-creation approaches. Only 4 out of the 10 cities performed well across all the 6 macro categories. Moreover, 7 out of the 10 cities showed evidence on a lack of monitoring and evaluation, and financial mechanisms to promote urban greening and collaborative governance of biodiversity. These results can help local authorities to build ambitious, yet robust, urban greening plans and support national/regional authorities to monitor progress toward EU and global biodiversity policies.
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 | 0,028 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».