MétaCan
Menu
Retour à la cohorte
Enregistrement W2009563648 · doi:10.1111/j.1468-2427.2006.00664.x

Message in a Metro: Building Urban Rail Infrastructure and Image in Delhi, India

2006· article· en· W2009563648 sur OpenAlexaff
Matti Siemiatycki

Notice bibliographique

RevueInternational Journal of Urban and Regional Research · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Planning and Governance
Établissements canadiensVancouver Community College
Organismes subventionnairesnon disponible
Mots-clésNew delhiPublic transportLight railSet (abstract data type)BusinessPublic relationsSociologyEngineeringTransport engineeringPolitical scienceComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The world over, infrastructure mega projects have become more prevalent, even as evidence suggests that such projects often experience significant cost overruns while failing to fully deliver on their projected benefits. In this light, this article will argue that continued support for infrastructure mega projects stems from the way that such projects are presented to the public. Using the case of the development of a metro railway in Delhi, India, it shows that galvanizing public support and attracting patrons to a public transit system stems from creating an all‐round positive image that combines tangible variables with an intangible set of symbolic meanings. Of course, image is only an impression, and does not necessarily reflect reality. In this light, the final section of this article examines the broad physical and societal implications of the metro development in Delhi, and uncovers the driving forces behind the project. The article concludes that, in spite of the cultivation of a positive image, the specific metro form that was developed in Delhi to satisfy each of the special interest groups involved in its production might be specifically one that fails to suit the transportation needs of the city.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,067

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,373
Écart entre enseignants0,343 · 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'étudeQualitatif
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

Citations114
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Urban and Regional ResearchMême sujetUrban Planning and GovernanceTravaux en français237 207