Evolutionary Land Tenure Information System Development: The Talking Titler Methodology 1
Notice bibliographique
Résumé
SUMMARY Conventional land registration systems often do not produce the desired results in uncertain land tenure situations such as peri-urban areas in developing world cities, post-conflict situations, land restitution cases and aboriginal lands. The Talking Titler system is a software design and development methodology where flexibility in creating relationships between people and between people and their interests in land has been the primary design feature. It uses a range of structured, unstructured and semi-structured data types as evidence such as videos, photographs, documents, maps, digital graphics and sound recordings. It is most suited as a tool for prototyping and for evolutionary land tenure information system design and implementation. In its current form it is also a good training and information design support tool, and it can be used as a local level land records system. The methodology was originally conceived in urban informal settlement upgrade projects and land reform and land restitution projects in South Africa in the 1990’s. In recent years, the concepts have been tested through interviews with aboriginal peoples groups in Canada and field trials in Nigeria. This paper provides an overview of the conceptual design of the system, how the design was formulated, testing of the system, and current development. The current version uses a conventional relational database design. The research team has experimented with evolutionary database development using extensible markup language (XML) databases and self adapting software to reduce the human input into system changes. A current project is examining how to evolve the database using social network analysis.
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 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 | 0,000 | 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) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».