MétaCan
Menu
Retour à la cohorte
Enregistrement W1964911265 · doi:10.5539/ass.v10n9p245

Sing, Dance, and Be Merry: The Key to Successful Urban Development?

2014· article· en· W1964911265 sur OpenAlexvenueno aff
Youngwha Kee, Yunji Kim, Yoonjin Lee

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of KoreaNational Research Foundation
Mots-clésRedevelopmentSympathySpace (punctuation)Urban regenerationAction (physics)SociologyDanceKey (lock)Political sciencePublic relationsSocial psychologyPsychologyGeographyVisual artsLawArtEnvironmental planning

Résumé

récupéré en direct d'OpenAlex

This study examines a unique case of urban redevelopment conflict in Seoul, South Korea. The Duriban case is one of the few urban redevelopment cases in South Korea that was peacefully resolved with protection of tenants' rights. The research aimed to answer why this case was peacefully resolved while other redevelopment cases have been contentious and even violent. Through documentary analysis and in-depth interviews with key actors, we identified the following eight categories as important factors: emotional support; sympathy; loose networks or bonds; continued action and volunteerism; place of interaction and bonding; encouragement and motivation for participation; transformation of physical space into a psychological space; and creating a meaningful and symbolic space. The findings highlight how community building through arts and cultural activities can be an important tool for socially just urban redevelopment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,002
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,293
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207