Knowledge neighbourhoods e struttura urbana: il contributo della evolutionary economic geography
Notice bibliographique
Résumé
La conoscenza e considerata una delle principali fonti di crescita economica a livello nazionale e regionale, ma anche urbano. La geografia economica evolutiva vede tra i suoi obiettivi quello di sviluppare modelli che prendano in considerazione il ruolo della conoscenza e della sua produzione come driver principali della crescita economica e dello sviluppo regionale. L’obiettivo di questo lavoro e stato quello di fornire un quadro generale in grado di spiegare quali siano i contesti urbani piu adatti a generare conoscenza. Il focus dell’analisi sono stati i cosiddetti “knowledge neighbourhoods”, ossia i quartieri della conoscenza. In particolare si sono confrontati quartieri ospitanti imprese che utilizzano – e scambiano – conoscenze di base diverse, le imprese creative e quelle scientifiche. Sono stati quindi riportati i dati relativi ad un’analisi empirica che ha indagato sulla configurazione urbana di quartieri scientifici e creativi in tre grandi citta canadesi: Toronto, Montreal e Vancouver. Il confronto fra questi tipi di imprese ha evidenziato che le caratteristiche dei comportamenti relazionali e dei network utilizzati per lo scambio della conoscenza dipendono sia dal tipo di conoscenza oggetto di scambio, sia dal contesto urbano che ospita le diverse imprese.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».