Participation as a device for raising awareness. The challenge of urban forestry
Bibliographic record
Abstract
La discussione proposta affonda le radici nel tentativo di depolarizzare il dominio delle strategie bottom-up da un lato, e la forestazione urbana quale controparte - la cui consapevolezza nelle istituzioni è in crescita, soprattutto vista l’urgenza di adottare politiche efficaci a contrastare, in primis, la tendenza del cambiamento climatico. Questo, tuttavia, ancora non influisce direttamente sui cittadini. Il dibattito mira a comprendere il possibile ruolo della partecipazione nei processi decisionali, di governance e di intervento attivo per sensibilizzare la comunità verso un tema così delicato, legato al diffuso discorso sulle nature-based solutions, sui cambiamenti climatici, sulla resilienza urbana e sulle questioni ambientali. Globalmente, sono migliaia le città e le aree metropolitane che hanno aderito o stanno aderendo a un movimento di forestazione urbana – quali Toronto, Melbourne, Singapore, Londra come esempi virtuosi – e da qualche anno anche la Città Metropolitana di Milano con l'iniziativa di ForestaMi. Il paradigma da risolvere è la rilevante connessione tra la causa che la Forestazione Urbana intende perseguire, e la ricettività dei cittadini, utenti finali di queste strategie. Risulta fondamentale quindi il tentativo di comprendere se, in questo scenario di strategie green di rigenerazione urbana, una proposta partecipativa più intensa e “operativamente transcalare” possa costituire un dispositivo per sensibilizzare “dal basso”. Laddove l'approccio top-down non sembra fornire i risultati attesi, la soluzione potrebbe essere un approccio più radicato dal basso: può un ribaltamento di paradigma essere la soluzione efficace per rilanciare la Forestazione Urbana sul territorio europeo, riconnettendo le persone con la natura?
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.019 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.015 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".