Employing the Characterization and Parameterization framework (CAP) to develop an empirical innovation-diffusion agent-based model of green infrastructure adoption on private residential yards.
Notice bibliographique
Résumé
Incorporating social-science theories to represent human decision-making in data-driven models is required, particularly when modeling the underlying social determinants of adopting pro-environmental innovations. Our agent-based model (ABM) investigates households' adoption of stormwater green infrastructure (GI) - e.g., rain gardens - on private residential yards in Kitchener/Waterloo, Ontario. We propose combining Rogers's diffusion of innovation theory (DOI) (2003) with Smajgl Barreteau (2017) characterization and parameterization framework (CAP) to develop an empirical ABM, DRAIIN. At the micro-level, we use a municipal survey (Aquafor Beech Ltd., Freeman Associates 2015) to parameterize agents' attributes (e.g., ownership status) and behavioral data inputs (e.g., yard maintenance willingness). Additionally, a local survey (Defields, 2013) feeds into a multinomial logit model to calibrate agents' adoption decisions. Since the sample data is representative of the case study population, we apply cloning to upscale the sampled agents proportionally. Consistent with comparable case studies (Nassauer, Wang, Dayrell, 2009), both the municipal and our local surveys suggest that peer influences primarily influence households' landscape decisions. Similar market dynamics are observed in the solar panels market (Bollinger, Gillingham, 2012; Rode Weber, 2016). Thus, we postulate that DRAIIN follows the generalized S-curve for innovation diffusion that was reported in solar panels' cumulative market growth (Islam, 2014; Palmer, Sorda, Madlener, 2015). At the macro-level, we seek qualitative validation by examining whether DRAIIN generates the diffusion S-curve (see Rand Rust, 2011). Following the CAP framework, we incorporate expert knowledge from city representatives, stormwater consultants, and a local not-for-profit to co-validate DRAIIN's structure and outputs. Integrating the DOI and the CAP framework is a context-independent approach that is potentially applicable to other cases of innovation-diffusion ABMs beyond DRAIIN. Further, we suggest that incorporating empirical data into Rogers's innovation-decision stages should enhance the predictive power of innovation-diffusion models, which inherently lack post-diffusion validation data.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».