Stakeholder feedback on perspective renderings indicate broad support for no-mow management of campus greenspaces
Notice bibliographique
Résumé
No-mow management of greenspaces is becoming a popular intervention to conserve biodiversity and balance other human functions (e.g. aesthetic qualities, accessibility) through integrating the concept of “cues to care” (CTC). Here, visible signs of human intention and maintenance were featured by varying degrees of CTC, where three “no-mow” design approaches were created for greenspaces on a university campus. Next, we surveyed a cross-section of campus stakeholders to provide insight into how these no-mow options were perceived. There was broad support for no-mow management of campus greenspaces, with a design centred around a matrix of no-mow “islands” within a mowed lawn finding the most support across each of the three sites. A design composed of a more extensive no-mow patch with a well-defined border, and an no-mow patch featuring a mowed bisecting linear path were selected less frequently as preferred designs. Thematic analysis of qualitative comments revealed that no-mow designs were preferred based on higher aesthetic quality, perceived human use of the space and accessibility, and the value for biodiversity conservation. We found demographics, site familiarity, and the geometry of patch features were likely contributors to the social acceptance of no-mow design, where a moderate degree of CTC out-performed alternative management options. Affiliation, gender, and age demographics showed students who identified as women and under the age of 30 were most responsive to no-mow designs compared to high-frequency mowing. No-mow management was more strongly preferred for unfamiliar sites, as compared to familiar sites. The curvature of no-mow island features were also preferred over linear mowed strips, supporting a fundamental human preference for more-natural geometry. Findings demonstrate that designed greenspaces that facilitate human uses, feature moderate CTC, and provide habitat may improve public perceptions, and thus the uptake of no-mow management.
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».