To what extent do urban forest and green space plans include housing-related content?
Notice bibliographique
Résumé
Housing impacts (or is impacted by) the abundance and accessibility of urban forests and green spaces (UFGS) in multiple ways. However, these impacts are often overlooked in practice due to organizational siloing. This study analyzed 112 UFGS planning documents from Canada and the US to determine (1) whether they considered any housing impacts; (2) what housing-related challenges and opportunities they identified; and (3) whether these challenges/opportunities have evolved. Most plans considered at least one housing impact, and most impacts were related to (limited) money and space. The most common impacts were: (1) UFGS increase property values; (2) some residences lack UFGS access; (3) residential development provides funding/space for UFGS; and (4) housing demand increases pressure on existing UFGS. Less common were homelessness in UFGS; using housing-related taxes to fund UFGS; and green gentrification. Interestingly, not all plans agreed on whether an impact was an opportunity or a challenge. For example, UFGS increasing property values was often seen as a benefit for homeowners and local governments. However, recently it has been seen as a disbenefit, if it leads to gentrification. Future research and/or practice needs to carefully consider whether housing-related impacts are an opportunity or a challenge in their given context. Further suggestions include (1) implementing/evaluating housing affordability measures alongside greening; (2) establishing funding sources for greening independent of residential development; (3) developing/evaluating innovative strategies to green densifying areas; (4) developing regulations, incentives, and supports for greening private property; and (5) establishing meaningful collaborations with housing, land-use, and/or social services departments/organizations.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».