MétaCan
Menu
Retour à la cohorte
Enregistrement W1987855153 · doi:10.2747/0272-3638.24.6.479

The 90S Show: Culture Leaves the Farm and Hits the Streets<sup>1</sup>

2003· article· en· W1987855153 sur OpenAlexaff
Trevor J. Barnes

Notice bibliographique

RevueUrban Geography · 2003
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCultural geographyUrban theoryMarxist philosophySociologyUrban geographyHuman geographyPostmodernismUrban planningEconomic geographySocial scienceGeographyPolitical scienceLawEpistemologyPhilosophyCivil engineering

Résumé

récupéré en direct d'OpenAlex

The tradition of American cultural geography was defined by studies of the rural, and in its more prosaic form focused on cataloging and mapping artifacts such as fence posts, barn types, and gravestones in order to delimit culture areas. In contrast, the city was all but ignored, treated as a cultural vacuum, and conceived only as a site of work, production, and economic relations. Hence, the importance of urban spatial science that from the late 1950s formalized that economism as central place theory, or Alonso's map of bid-rent curves, or models of retail location. Even when urban geography began eschewing formal models and theory, turning toward some kind of Marxist approach during the 1970s, the focus on things economic remained, but couched now in a different vocabulary such as rent gap, urban gatekeepers, and uneven development. The economism of spatial science and Marxism could not be sustained, however. Culture had to be let in. From 1990 pressured by outside theoretical developments such as cultural studies, and postmodernism, and changes from inside the discipline such as the rise of the new cultural geography, urban geography finally cracked, explicitly allowing culture in first as a trickle, but by the end of that decade as a flood. Culture had finally left the farm and hit the streets.

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)0,001
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,001
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 Opus0,017
Tête enseignante GPT0,239
Écart entre enseignants0,223 · 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

Citations13
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban GeographyMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207