Ritratti di citta. C’e una grande Prato verde
Bibliographic record
Abstract
L’ex Manchester toscana mette a sistema il suo passato industriale, innnervandolo secondo i principi della riforestazione urbana \nPRATO. Conosciuta come città dell’industria del tessuto, comprendendo un territorio che rappresenta il più grande distretto tessile d’Europa e uno dei poli più importanti a livello mondiale per le produzioni di filati e tessuti di lana, ha sicuramente un’anima legata all’arte che aveva già compreso Emanuele Repetti definendola “città nobile, industriosa e bella”. Nel tempo questa indole ne ha fatto un laboratorio artistico a cavallo tra avanguardia e pop, grazie anche al Centro Pecci, primo polo dell’arte contemporanea toscano. Proprio questa vivacità culturale nel corso del Novecento è stata sottolineata dalla presenza di pittori come Ardengo Soffici, fondatore della Scuola di Prato, scrittori e registi come Sandro e Giovanni Veronesi oppure Francesco Nuti; la ritroviamo nei lavori in corso, incentrati sui servizi culturali e la sostenibilità ambientale. \nPrato è una città policentrica, formatasi con la migrazione in tanti piccoli centri che nel tempo, in seguito alle espansioni, hanno costituito un unico tessuto continuo con interclusi numerosi spazi verdi e agricoli, configurando una delle città più dense d’Italia, con quasi 200.000 abitanti: la seconda della Toscana e la terza del Centro Italia. Da questi presupposti, le politiche urbane la caratterizzano sempre più per sistemi, integrando i vari centri attraverso il verde come ritessitura per definire la qualità urbana e interpretando la natura nella città come strumento di prevenzione sanitaria, partendo dalle istanze della Carta di Toronto OMS, con un approccio finalizzato a raggiungere la salute globale nella relazione con l’ambiente vissuto.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.120 | 0.030 |
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".