MétaCan
Menu
Retour à la cohorte
Enregistrement W1888373279

Making Progress in Housing: A Framework for Collaborative Research

2014· book· en· W1888373279 sur OpenAlexaboutno aff
Sean McNelis

Notice bibliographique

RevueSwinburne Research Bank (Swinburne University of Technology) · 2014
Typebook
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSet (abstract data type)Process (computing)Work (physics)Public housingManagement scienceEngineering ethicsSociologyPolitical scienceComputer scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This book presents a new approach to housing research, one that is relevant to all the social sciences. Housing research is diverse and operates across many disciplines, approaches and methods making collaboration difficult. This book outlines a methodological framework that enables researchers from many different fields to collaborate in solving complex and seemingly intractable housing problems. It shows how we can make progress in housing research and deliver better housing outcomes through an integrated approach. Drawing on the work of renowned Canadian methodologist, philosopher, theologian and economist, Bernard Lonergan (1904-1984), McNelis outlines a framework for collaborative research: Functional Collaboration. This new form of collaboration divides up the work of housing research into functional specialties. These distinguish eight inter-related questions that arise in the process of moving from the current housing situation through to providing practical advice to decision-makers. To answer each question a different method is required. Making progress in housing is the result of finding new answers to this complete set of eight inter-related questions. This approach to collaboration opens up a new discourse on method in housing and social research as well as new debates on progress and the nature of science.

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)0,011
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,030
Communication savante0,0140,023
Science ouverte0,0030,010
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,118
Tête enseignante GPT0,338
Écart entre enseignants0,220 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSwinburne Research Bank (Swinburne University of Technology)Même sujetHousing, Finance, and NeoliberalismTravaux en français237 207