Stimuleren van natuurinclusieve verstedelijking: rol voor Rijk en provincies
Bibliographic record
Abstract
Natuurinclusieve verstedelijking is essentieel voor biodiversiteitsbehoud en een toekomstbestendige leefomgeving.Gemeenten, bedrijven, burgers en projectontwikkelaars spelen hierin een cruciale rol, maar ook het Rijk en provincies kunnen richting geven.Wageningen University & Research onderzocht de stedelijke uitvoeringspraktijk en sprak met betrokken partijen.Dit leidde tot vijf concrete adviezen aan het Rijk en de provincies om natuurinclusieve verstedelijking te stimuleren.Adviezen voor Rijk en provincies 1. Vergroot het urgentiebesef: nu is er een kleinere groep koplopers bezig.Maak veel meer gemeenten, bedrijven en sectoren zoals woningbouw, economie, energie en mobiliteit bewust van het belang en de mogelijkheden van natuurinclusief bouwen.2. Integreer natuurinclusief denken binnen de eigen overheidsorganisatie: zorg dat alle betrokken departementen en beleidsdomeinen natuurinclusieve verstedelijking meenemen in hun beleid en uitvoering.3. Toets beleid en instrumentarium op natuurinclusiviteit: evalueer hoe bestaande regelgeving en subsidievoorwaarden natuurinclusieve ontwikkelingen kunnen bevorderen.4. Bied korte-en middellange termijn doelen naast een langetermijnvisie: ontwikkel een roadmap met concrete stappen om gemeenten en marktpartijen handelingsperspectief te bieden.5. Stel normen en richtlijnen op: zorg voor heldere kaders in stedelijke bouwprocessen en monitor de voortgang om effectieve implementatie te waarborgen.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.056 | 0.008 |
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".