Socioeconomic inequities within and between cities in objectively measured green space qualities at small geographical scales: Evidence from Australia
Notice bibliographique
Résumé
Abstract Objective To determine the extent of inequitable distributions in green space qualities in urban areas of Australia. Method Existing data from the cities of Sydney, Newcastle, and Wollongong in Australia was used to define green space qualities relating to accessibility, amenities/activities, beaches/coastline, biodiversity, incivilities, landcover and land use. Green space qualities were measured within multiple-scale network distance buffers for residential mesh blocks and linked with the Australian Bureau of Statistics Index of Relative Socio-economic Disadvantage (IRSD). Correlations were analysed using Spearman’s rank correlation coefficient between IRSD score (reversed; higher scores are more disadvantaged) and green space qualities aggregated over mesh blocks. Influence of IRSD, population density and random effects of population structures were examined using single-level and multilevel models. Spatial patterns and clusters were identified through choropleth maps and hot spot analyses. Results At the 1600m scale, more disadvantaged areas tended to have green spaces with lower percentages of nearby street trees to roads (Rho=-0.52, p≤0.001), lower percentages of slope >6° (Rho=-0.49), lower likelihood of threatened mammal species/habitat occurrences (Rho=-0.47), and lower percentages of tree canopy (Rho=-0.46). More disadvantaged areas tended to have green spaces with higher percentages of open grass (Rho=0.38, p≤0.001) and bare earth (Rho=0.33, p≤0.001) and higher densities of robberies (Rho=0.34, p≤0.001). For selected qualities, multilevel models tended to support the relationships that were found using Spearman’s rank correlation. Discussion Socioeconomic inequities in tree canopy, biodiversity and incivilities are present for green spaces in large and mid-sized Australian cities.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».