Insights on the use of local sustainability indicators for national urban policy
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
Abstract National governments play an essential role in supporting sustainability at the local level. However, they often struggle to design policies that are both coherent at scale and responsive to local diversity. Current approaches often shift between one-size-fits-all strategies, which overlook local variation, and fully customized interventions, which are resource-intensive and difficult to scale. This paper addresses this policy dilemma by proposing a three-step, data-driven approach that supports evidence-based differentiation of national urban policies, drawing on insights from archetype analysis in sustainability research. Step 1 involves developing sustainability profiles by combining environmental and socioeconomic indicators. Step 2 examines how commonly used policy criteria, such as provincial affiliation, urban typology, and population size, relate to these profiles. Step 3 identifies the issues that most strongly drive performance within each group, guiding the design of interventions. Applied to 171 cities across Canada’s ten provinces, the approach demonstrates how urban sustainability indicators can be used to determine when, how, and to what extent policies should be differentiated. While population size emerges as a consistent differentiator, regional and typological dynamics also influence outcomes, revealing distinctive strengths and weaknesses in both high- and low-performing cities. In contrast to static city classifications, this paper introduces a decision-support tool that adapts place-based policymaking to reflect local strengths, vulnerabilities, and policy 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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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