MétaCan
Menu
Retour à la cohorte
Enregistrement W1578159900 · doi:10.4215/rm2014.1303.0002

social and spatial inequalities and areas of vulnerability in the cities

2014· article· en· W1578159900 sur OpenAlexaboutno aff
Nelba Azevedo Penna, Ignez Barbosa Ferreira

Notice bibliographique

RevueMercator · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Development and Societal Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInequalityVulnerability (computing)GeographySocial vulnerabilityCartographySocial inequalityEconomic geographyRegional sciencePsychologySocial psychologyComputer scienceMathematicsComputer security

Résumé

récupéré en direct d'OpenAlex

In developed countries, such as the UK, France, Sweden and Canada, or even in less developed countries, such as India, Malaysia and China, there are systems of housing provision that include social rental housing as one of their major pillars. For different reasons, a mixed housing provision system is necessary, be that to promote homeownership or to promote rental housing -in private or public hands. In Brazil, however, there has been little effort to establish a proper public social rental housing system. This is less because of economic restrictions than for political and ideological reasons. This paper discusses two systems of housing provision in Brazil -that of the Armed Forces and the PAR (Programa de Arrendamento Residencial). Two other international social housing systems are analyzed -the one in the UK and the other in Hong Kong. The analysis of all four cases is here held in order to look for hints for the making of proposal for a social rental housing sector in Brazil. Several aspects were analyzed, especially their management formats, including repair and maintenance policies, that grant housing stocks longevity and resilience in the urban environment.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,003
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,324
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMercatorMême sujetUrban Development and Societal IssuesTravaux en français237 207