MétaCan
Menu
Retour à la cohorte
Enregistrement W2092391995 · doi:10.2747/0272-3638.25.1.42

Canada-U.S. Metropolitan Density Patterns: Zonal Convergence and Divergence<sup>1</sup>

2004· article· en· W2092391995 sur OpenAlexaffabout
Pierre Filion, Trudi E. Bunting, Kathleen McSpurren, Alan C. B. Tse

Notice bibliographique

RevueUrban Geography · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaOptimal distinctiveness theoryGeographyUrbanizationConvergence (economics)Divergence (linguistics)Economic geographyCentralityRegional scienceDemographyEconomic growthSociologyArchaeologyEconomics

Résumé

récupéré en direct d'OpenAlex

The paper compares density patterns of the three largest Canadian metropolitan regions with those of a sample of 12 U.S. urban areas with comparable populations. It verifies if such patterns support claims of Canadian urban distinctiveness prevalent within this country's research literature. Findings indicate that regional differences among U.S. cities are as important as cross-national distinctions. Measures of centrality and overall density place observed Canadian metropolitan areas within the same category as older U.S. East Coast metropolitan areas. Inter-city comparisons of historically and geographically defined zones suggest a period of cross-national convergence before World War II, when the inner city was developed, followed by a period of divergence from the 1940s to the 1970s, when the inner suburb was built. The development of the outer suburb, which began in the early 1970s, marks a return to cross-national convergence. These results question the continued relevance of the literature on the distinctiveness of Canadian urbanization.

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)0,002
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 enseignants0,022
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,014
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,170
Écart entre enseignants0,160 · 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

Citations33
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban GeographyMême sujetRegional Economics and Spatial AnalysisTravaux en français237 207