Diagnóstico para la implementación de la forestería urbana en Lima Metropolitana
Bibliographic record
Abstract
El presente trabajo de investigación evalúa el grado de desarrollo de la forestería urbana en diez distritos de Lima Metropolitana, los distritos fueron seleccionados considerando la distribución espacial, demográfica y clasificación por zonas norte, centro, sur, este y Callao siendo los distritos del área de estudio: Lima Cercado, Miraflores, Comas, Los Olivos, San Juan de Lurigancho, La Molina, Pachacámac, Villa el Salvador, Callao y Ventanilla. La Metodología consistió en la recopilación y análisis de fuentes de información primaria y secundaria. Se revisó los Planes de Desarrollo Concertado para identificar si las municipalidades implementan estrategias de forestería urbana, se visitó las municipalidades y se entrevistó a los gerentes de servicio a la ciudad, gestión ambiental y áreas verdes, se aplicaron 384 encuestas a profundidad a la población del área de estudio. Por otro lado, se sabe que las áreas verdes juegan un papel fundamental en la mejora de la calidad de vida; asimismo, la Organización Mundial de la Salud - OMS recomienda 9 metros cuadrados de área verdes por habitante, de este espacio Lima Metropolitana solo cuenta con 3.7 m2/hab. Los resultados indican que existe una norma y política que promueve el desarrollo de la forestería urbana, sin embargo son desconocidas por las autoridades locales, las principales limitaciones para la implementación de la forestería urbana son la poca disponibilidad de espacio y agua para riego, la percepción de la población frente a la gestión de las áreas verdes está condicionado a las características del desarrollo del distrito siendo Comas, Pachacámac, Ventanilla los distritos que menos implementan alguna estrategia frente a los distritos que si implementa como Miraflores, La Molina y Los Olivos
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".