MétaCan
Menu
Retour à la cohorte
Enregistrement W1986639166 · doi:10.1177/0013916501332008

Microclimate and Downtown Open Space Activity

2001· article· en· W1986639166 sur OpenAlexaff
John Zacharias, Ted Stathopoulos, Hanqing Wu

Notice bibliographique

RevueEnvironment and Behavior · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensRowan Williams Davies & Irwin (Canada)Concordia University
Organismes subventionnairesnon disponible
Mots-clésMicroclimateDowntownWind speedEnvironmental scienceGeographyCentral business districtHumidityArchitectural engineeringMeteorologyEcologyAtmospheric sciencesTransport engineeringEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Microclimatic conditions in business district open spaces tend to be more extreme than prevailing weather conditions. Although the buildings are chiefly responsible for this inclemency, their shapes and arrangement could also potentially be used to moderate or enhance prevailing conditions. To provide better guidance in design, we need to know how humans respond to microclimatic conditions. In particular, we need to know first how sunlight, temperature, humidity, and wind combine in sensations of outdoor human comfort, and second, how important microclimatic factors are in behavior. This article reports on a study of revealed preferences for certain local climatic conditions, measured in terms of presence levels and activities in seven closely spaced corporate plazas and public squares in a built-up, downtown area. The observations were conducted over a 5-month period. The measured microclimatic conditions accounted for most of the variance in activity levels and types. Temperature was the single most important variable. Although great variation in level of use among spaces cannot be explained solely in terms of microclimatic differences, use within spaces varies chiefly as a function of microclimate.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,264
Écart entre enseignants0,241 · 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

Citations180
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and BehaviorMême sujetUrban Green Space and HealthTravaux en français237 207