MétaCan
Menu
Retour à la cohorte
Enregistrement W2107575798 · doi:10.26687/archnet-ijar.v8i1.311

EXPLORING HEALTHCARE ARCHITECTURE THROUGH THE MEDIUM OF FILM: Motives and Techniques

2014· article· en· W2107575798 sur OpenAlexaff
Stephen Verderber

Notice bibliographique

RevueInternational Journal of Architectural Research Archnet-IJAR · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésArchitectureHealth careField (mathematics)Function (biology)Transactional leadershipSpace (punctuation)Quality (philosophy)Data scienceComputer scienceKnowledge managementPsychologyEpistemologySocial psychologyGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

The interdisciplinary field of person-environment relations has, from its origins, addressed the transactional relationship between human behavior and the built environment. This body of knowledge has been based upon qualitative and quantitative assessment of phenomena in the “real world.” This knowledge base has been instrumental in advancing the quality of real, physical environments globally at various scales of inquiry and with myriad user/client constituencies. By contrast, scant attention has been devoted to using simulation as a means to examine and represent person-environment transactions and how what is learned can be applied. The present discussion posits that press-competency theory, with related aspects drawn from functionalist-evolutionary theory, can together function to help us learn of how the medium of film can yield further insights to person-environment (P-E) transactions in the real world. Sampling, combined with extemporary behavior setting analysis, provide the basis for this analysis of healthcare settings as expressed throughout the history of cinema. This method can be of significant aid in examining P-E transactions across diverse historical periods, building types and places, healthcare and otherwise, otherwise logistically, geographically, or temporally unattainable in real time and space.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,752
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

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

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 Opus0,113
Tête enseignante GPT0,371
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Architectural Research Archnet-IJARMême sujetUrban Green Space and HealthTravaux en français237 207