MétaCan
Menu
Retour à la cohorte
Enregistrement W2142362398 · doi:10.1080/1354983022000027578

Smart Growth and Sustainable Development: Challenges, solutions and policy directions

2002· article· en· W2142362398 sur OpenAlexaboutno aff
Don Alexander, Ray Tomalty

Notice bibliographique

RevueLocal Environment · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrban sprawlSmart growthPer capitaSustainabilitySustainable developmentSpace (punctuation)Economic growthLand useRegional scienceGreen growthPolitical scienceEnvironmental planningPublic economicsGeographyEconomicsSociologyEcology

Résumé

récupéré en direct d'OpenAlex

In this paper, we focus on the issues related to development densities that emerged from our study of sprawl and development issues in three regions of British Columbia, Canada. We chose to focus on this aspect of the Smart Growth agenda because, while many of its other elements enjoy wide support across social interests, the goal of achieving a higher density urban fabric is highly controversial. We proceeded by collecting data on development densities and 13 indicators of community sustainability in 26 municipalities. The results suggest that the density of communities is associated with efficiencies in infrastructure and with reduced automobile dependence, with the ecological and economic implications which flow from that. However, it does not necessarily correlate with greater affordability of housing or more access to green space. In fact, if anything, we discovered a negative relationship between housing affordability and green space per capita and higher land-use densities. In a second stage of the research, we conducted a qualitative analysis of a subset of six municipalities and identified key policy issues for moving ahead with the Smart Growth agenda. The paper concludes with a discussion of the policy issues that emerged from these case studies.

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)0,011
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0050,015
Communication savante0,0220,022
Science ouverte0,0030,013
Intégrité de la recherche0,0140,011
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,013
Tête enseignante GPT0,177
Écart entre enseignants0,164 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations122
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLocal EnvironmentMême sujetLand Use and Ecosystem ServicesTravaux en français237 207