Classifications of environmental quality effects: The case of canadian cities
Notice bibliographique
Résumé
Amenities are goods and services that make certain locations attractive for living and working. \nQuality of life on the other hand can be perceived as an expression of well-being and its importance \nis demonstrated by a number of publications that have been developed and rank quality of life \nacross cities and states based on their observable characteristics. Amenities’ assessments are \nemployed in order to produce an index to rate quality of life. It is increasingly accepted that well- \nbeing cannot be entirely based on measures of income, wealth and consumption. Other indicators \nmore qualitative (i.e. environment) should be considered. In the broader context, quality of life \nmeasures traditional economic goods such as food and accomodation but also more qualitative \nfactors such as environmental and social (i.e. fresh air, low criminality). Environmental factors \nlocated in a given place can be considered as part of the wealth of the region in which they are \nlocated. A classification of the effects of environmental quality on consumers’ utility and producers’ \ncosts that is based on housing prices and income differentials is useful because it provides \ninformation about the relative attractiveness to them of the total bundle of environmental and other \nattributes indigenous to each region. A theory is presented for this kind of analysis and \nclassifications producing a qualitative evaluation of cities. The methodology used a number of \nCanadidan cities as a case study. An amenity-productivity classification was produced and cities \nwere eventually classified as Low/High Amenity and Low/High Productivity providing useful \ninformation as to their relative attractiveness to firms and households.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».