Personal time quality as a transformative metric for assessing cultural ecosystem services
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
Cultural ecosystem services (CES) are a policy priority under the Kunming–Montreal Global Biodiversity Framework; however, current approaches either commodify CES through monetary valuation or rely on plural, non-comparable metrics, leaving use and experiential quality poorly captured. We propose the subjective quality of personal time—how “well spent” or “wasted” moments feel in a place—as a universal, scalar indicator of CES use. We outline practical routes to measurement via participatory mapping (PPGIS), lightweight experience sampling, and passive digital traces, and show how geosocial collaborative filtering can translate ratings into place-based recommendations. Reframing CES as the increment to time quality provided by the environment resolves the tension between monetary valuation and non-monetary pluralism, yielding a single, comparable metric that remains grounded in lived experience. A proposed PPGIS 2.0 workflow can collect time-quality ratings, tag activities and landscape settings, and return immediate, personalised recommendations, creating continuous data streams rather than one-off surveys. Integration with remote sensing and existing mobility datasets enables mapping of CES potential where participatory data are sparse. A time-quality metric makes CES visible, comparable and actionable across contexts, aligning monitoring with the Global Biodiversity Framework and supporting transformative, people-centred decisions. It offers a generic, accessible message for non-specialists: manage places based on the quality of the time they enable, not merely the quantity of visits, and use participatory, data-driven tools to recommend, protect, and enhance those experiences.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,082 |
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