Planning for ecological health and human well-‐being in the Credit River Watershed: Social well-being benefits of urban natural features and areas
Notice bibliographique
Résumé
The relationship between ecological systems and well-‐being is nearly intuitive, and it has long been assumed that the outcome of good watershed management is human health and well-‐being. This study seeks to make this relationship more apparent with a focus on the perceived effects of natural features and areas on social well-‐being in the Credit River Watershed, southern Ontario. The use of a survey instrument, inductive analysis, statistical tests for differences and association, and exploratory factor analysis determined that a variety of natural areas are considered by respondents to be important contributors to well-‐being. Streams and river management should be prioritized since visits to these spaces affect the perception of outdoor and social well-‐being relationships more strongly. Sense of community, an aspect of social well-‐being, is cultivated through opportunities for gathering and meetings provided by green space. Though streams and rivers, forests and wetlands, open green spaces, home gardens and functional green space contribute to an aspect of social well-‐being in one way or another, the associations are dependent on the respondent's location and context. Accessibility and distribution of green space, \nas well as diversity of natural features may be key in the differences between the perceived social well-‐being and natural environment relationships. Planning for social well-‐being therefore involves the management of diverse and biodiverse spaces.
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 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 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».