Measuring Neighbourhood Spatial Accessibility to Urban Amenities: Does Aggregation Error Matter?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neighbourhood spatial accessibility (NSA) refers to the ease with which residents of a given neighbourhood can reach amenities. NSA indicators have been used to inform urban policy issues, such as amenity provision and spatial equity. NSA measures are, however, susceptible to numerous methodological problems. We investigate one methodological issue, aggregation error, as it relates to the measurement of NSA. Aggregation error arises when, for the purpose of distance calculations, a single point is used to represent a neighbourhood, which in turn represents an aggregation of spatially distributed individuals. NSA to three types of recreational amenities (playgrounds, community halls, and leisure centres) in Edmonton, Alberta, Canada is used to assess whether aggregation error affects NSA measures. The authors use exploratory spatial data analysis techniques, including local indicators of spatial association, to examine aggregation-error effects on NSA. By integrating finer resolution data into NSA measures, we demonstrate that aggregation error does affect NSA indicators, but that the effect depends on the type of amenity under investigation. Aggregation error is particularly problematic when measuring NSA to amenities that are abundant and have highly localized service areas, such as playgrounds. We recommend that, when analyzing NSA to these types of amenities, researchers integrate finer resolution data to indicate the spatial distribution of individuals within neighbourhoods better, and hence reduce aggregation error.
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.
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 | 0,001 | 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) | 0,002 | 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 découle