MétaCan
Menu
Retour à la cohorte
Enregistrement W2085569009 · doi:10.5539/ass.v7n1p43

Planning Interventions as a Major Driving Force for Transforming Unitary Habitats into Multi-habitats in the Ladkrabang District of Bangkok Metropolitan Area

2010· article· en· W2085569009 sur OpenAlexvenueno aff
Pastraporn Meesiri, Ranjith Perera

Notice bibliographique

RevueAsian Social Science · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMetropolitan areaUnitary stateIntervention (counseling)Environmental planningBusinessUrban planningGeographyEnvironmental resource managementEconomic growthPolitical sciencePsychologyEconomicsEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

Planning interventions may lead to both intended and unintended results. A change of focus in planning interventions over time may lead to non-symbiotic relationships among different elements in an urban area. This paper examines the outcomes of three decades of planning interventions in an outer district of the Bangkok Metropolitan area. To corroborate the overall transformation, the paper analyzes the effects of each planning intervention during the successive planning periods. The transformation is analyzed in relation to three major factors; (1) land-use changes, (2) occupational changes, and (3) residential development. The analysis confirms that the change in focus of successive planning and development interventions is a main driving force responsible for the transformation of unitary habitats to multi-habitats in the studied urban area. Although this outcome of the planning interventions is unanticipated, this study argues that progressive change in focus can be an effective strategy to build symbiotic and pluralistic societies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,037
Tête enseignante GPT0,295
Écart entre enseignants0,259 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetUrban and Freight Transport LogisticsTravaux en français237 207