The Extent and Determinants of Dissonance between Actual and Preferred Residential Neighborhood Type
Notice bibliographique
Résumé
Although households' general preference for low-density residential environments is well documented in the literature, little research in geography and urban planning has explicitly investigated how many and which households experience a state of mismatch in terms of land-use patterns between their preferred residential neighborhood type and the type of neighborhood where they currently reside. Using data from 1358 commuters living in three communities in the San Francisco Bay Area, in this study we find that nearly a quarter of the residents live in a neighborhood type that does not match their land-use related preferences. The results of an investigation of the determinants of such dissonance are consistent with existing knowledge about residential preferences. It is shown that single suburban dwellers and large households and families in the city are more likely to be mismatched, or experience higher levels of mismatch in terms of neighborhood type. Further, the extent of mismatch is clearly related to automobile orientation, as well as to lifestyles and personality traits. The results suggest that policies aiming to attract a diverse market to neotraditional, high-density neighborhoods may not be as effective as decisionmakers and planners hope. If a broad range of households is artificially attracted to such new developments (for example, through providing financial advantages or other policy incentives), this might on average result in lower levels of residential satisfaction, higher residential mobility, lower sense of community, and enduring auto dependency. On the other hand, it is encouraging to see that there is also a substantial proportion of suburban dwellers preferring high-density environments. Relaxation of land-use laws in existing suburban communities might be successful in reducing residential neighborhood type dissonance for these types of suburban dwellers, but perhaps at the cost of increasing dissonance for the suburbanites preferring lower densities. It would be valuable to investigate whether there is a mix of densities and uses that would optimally satisfy both types of preferences.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».