MétaCan
Menu
Retour à la cohorte
Enregistrement W4414534002 · doi:10.1007/s13280-025-02247-0

The best laid plans: How do adopted city sustainability goals influence site-level action in urban forestry?

2025· article· en· W4414534002 sur OpenAlexafffundabout
Corinne G. Bassett, Susan D. Day, Cecil C. Konijnendijk, Lara A. Roman, Kai M. A. Chan

Notice bibliographique

RevueAMBIO · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research CouncilCanada Research Chairs
Mots-clésSustainabilityUrban sustainabilityWork (physics)Action (physics)Urban planningEcosystem servicesSustainability organizationsUrban ecosystem

Résumé

récupéré en direct d'OpenAlex

Cities increasingly hope to mobilize nature-based solutions in urban sustainability planning because of their wide-ranging ecosystem services. In this critical moment, where failure due to poor implementation could lead policymakers to turn away from nature-based solutions, we investigate the case of urban forestry and ask: how do strategic-level sustainability goals influences site-level decision-making? We conducted semi-structured interviews with 20 urban foresters leading advanced programs at municipalities with adopted sustainability goals, framed as ecosystem services, across the US and Canada. Day-to-day, site-level decision-making focused on advancing a "more, bigger trees" paradigm with the justification that this would deliver increased ecosystem services in a general sense and thus contribute to city goals. Our analysis and results suggest that urban foresters are more guided by a shared sense of the greater purpose of their work to serve urban communities than city plans, which yields actions usually aligning but sometimes conflicting with specific strategic-level goals.

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)0,009
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,006
Communication savante0,0060,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,248
Écart entre enseignants0,234 · 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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetLand Use and Ecosystem ServicesTravaux en français237 207