MétaCan
Menu
← Retour à la cohorte
Enregistrement W7097306102

BUILDXNG GREENER NEIGHBORHOODS Cheryl Kellin

2013· article· en· W7097306102 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeNatural resourceQuarter (Canadian coin)Value (mathematics)Ecosystem servicesLand useNatural (archaeology)Urban planning
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

be % when taIking about where she chose to purchase her new home. ‘The trees arc what brought us here. You go into so many new developments and they’ve just plowed everything over.” At its crnrent rate of household growth, our country will need 13 million new homes by the year 2000. A small but vocal minority of developers and buildm have recognized that development can be made more compatible with the environment, and that this approach is good for business. A recent NAHB survey of builders found that pcople.are willing to pay more for homes with Wes. Almost half of the home buyers paid $3,000 more; and a quarter spent over SS,OOO more. Land development pcImanently changes the land and the environment. This issue extends beyond the urban areas as development pushes out into rural lands. The challenge is how to cx”e trees during devclopmcnt to retain benefits of natural systems. BENEFlTS OF OUR URBAN ECOSYSTEMS Studies show that trees in our urban ecosystems provide niunerous environmental benefits. They heIp reduce:;tomwater flow and air pollution, reduce summer energy bills through direct shading of bddings, provide wildlife habitaq and prevent sediment erosion into streams, However, t1.x value of trees and other natural resources are often overIooked in community. developmen;: because professionals lack information necessary to incorporate these resources into their dt:signs. FORESTS has developed a way to map, measure, and calculate the benefits of urban-CAN vegetation, which helps developers directly incorporate thc value of natd resources into their developmeut process. This technique, Caled an Urban Ecological Analysis (UEA), uses lowlevel aeriaI photography along with CTTygreen, desktop computer software program, to help developers understand their urban forest resources and take advantage of the benefits they provide. AMERICC~N FORESTS deycloped CITYgreen as an application of Archview, a GIS (Geographic Infbrmation Systcms) program. Using CITYpn, a developer can run an analysis for energy consemtion, stormwater, carbon, air pollutan~~, and stormwater duction. CITYgreen was developed from research produced by

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,529

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,001
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1580,030

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,221
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Green Space and Health→Travaux en français237 207→