MétaCan
Menu
Retour à la cohorte
Enregistrement W2273054047 · doi:10.1108/ijhma-04-2015-0017

Recognising ‘community’ in condo law and living: hard lessons and soft learning from Melbourne and Toronto

2015· article· en· W2273054047 sur OpenAlexaboutno aff
Rebecca Leshinsky

Notice bibliographique

RevueInternational Journal of Housing Markets and Analysis · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Planning and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoft lawSociologyLawEconomic growthEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose Ontario (Canada) and Victoria (Australia) are internationally recognised for best practice in Multi-Owned Property (MOP) living and law. Yet both jurisdictions struggle with the emerging urbanism associated with condominium MOP. This article aims to advance best practice by gaining insights into key MOP issues and challenges facing policy-makers and communities in Toronto and Melbourne. Design/methodology/approach Differential ways of recognising community in regulating and resolving challenging issues attending MOP urbanism will be examined typologically against public policy and political theory perspectives on community and collaborative approaches to social sustainability. A rich mixed-data analysis is used to develop a typology around three pillars of MOP community governance: harmonious high-rise living, residential-neighbourhood interface, and metropolitan community engagement. The article interrogates Canadian policy and law reform documents engaging Ontarian residents, and Australian disp...

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,986

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 savante0,0000,000
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 Opus0,050
Tête enseignante GPT0,323
Écart entre enseignants0,273 · 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'étudeObservationnel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Housing Markets and AnalysisMême sujetUrban Planning and GovernanceTravaux en français237 207