MétaCan
Menu
Retour à la cohorte
Enregistrement W2224346108 · doi:10.1080/10835547.2015.12091742

The Impact of Traffic Noise on Housing Values

2015· article· en· W2224346108 sur OpenAlexaff
Esra Ozdenerol, Ying Huang, Farid Javadnejad, Anzhelika Antipova

Notice bibliographique

RevueJournal of Real Estate Practice and Education · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of ManitobaResearch Manitoba
Organismes subventionnairesnon disponible
Mots-clésNuisanceTraffic noiseNoise (video)MemphisRoadway noiseProperty valueNoise pollutionTransport engineeringEconometricsBusinessComputer scienceEconomicsEngineeringFinancePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

We study the impact of traffic noise and how it is systematically capitalized into the house value discount. By using the speed and volume values of traffic flows as inputs to the noise prediction model, we created noise nuisance rings using a geographic information system (GIS) for the entire road and rail road transportation system in Shelby County, Tennessee. We found that traffic nuisance, in general, has a significantly negative impact on housing values. The discount on housing values increases in the noise nuisance levels. In addition, the increased intensity of traffic volume within the Memphis Aerotropolis boundary leads to a further decrease in housing values.

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 enseignants0,939
Score d'incertitude au seuil0,212

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,043
Tête enseignante GPT0,315
Écart entre enseignants0,272 · 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

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Real Estate Practice and EducationMême sujetHousing Market and EconomicsTravaux en français237 207