Towards inclusive and sustainable strategies in smart cities: A comparative analysis of Zurich, Oslo, and Copenhagen
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Urbanisation has increased the need for sustainable urban development by positioning smart cities as critical frameworks for addressing environmental, economic, and social challenges. This study evaluates the sustainability strategies of three leading smart cities Zurich, Oslo, and Copenhagen by examining their environmental footprint, energy consumption, waste management, and air quality. The study uses a PRISMA-based systematic literature review to put together evidence from peer-reviewed articles published between 2017 and 2024. The Critical Appraisal Skills Program (CASP) was used to assess the quality of the articles. The study reveals that smart mobility and waste-to-energy systems drive Zurich’s strengths in urban densification and public transportation, Oslo’s leadership in renewable energy and electric mobility, and Copenhagen’s ambitious carbon–neutral initiatives. Despite these achievements, challenges such as high implementation costs, slow technological adoption, and social equity issues persist, emphasising the complexity of achieving inclusive and sustainable urban evolution. To address these challenges, this study recommends increasing public participation through inclusive urban planning and digital platforms, strengthening policy frameworks, and funding for sustainability projects, and investing in data collection technologies to monitor real-time environmental impacts. Furthermore, fostering cross-city collaboration and addressing energy consumption challenges associated with AI and IoT are essential for scaling successful models globally. These insights offer actionable guidance for policymakers and urban planners to improve sustainability strategies and ensure long-term benefits.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle