MétaCan
Menu
Retour à la cohorte
Enregistrement W2331968959 · doi:10.1068/3b130068p

A Spatial and Temporal Comparative Analysis of the Effects of Land-Use Clusters on Activity Spaces in Three Quebec Cities

2014· article· en· W2331968959 sur OpenAlexaffabout
Chris Harding, Zachary Patterson, Luis Miranda-Moreno, Seyed Amir H. Zahabi

Notice bibliographique

RevueEnvironment and Planning B Planning and Design · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcGill UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésEndogeneityGeographyLand useBiological dispersalVariable (mathematics)Contrast (vision)Economic geographyEconometricsRegional scienceWork (physics)Mode (computer interface)Spatial econometricsPopulationEcologyDemographyEconomicsMathematicsComputer scienceSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

Previous literature on transportation and land use has focused on the effect of individual land-use variables, such as population and employment density, and on measures of transportation demand, such as vehicle kilometers traveled and mode split. In contrast, our work uses activity spaces, a relatively unexplored measure of travel dispersal, as a dependent variable and neighborhood clusters to capture the effect of land use on this variable. This paper is an extension of previous research that dealt with Montreal exclusively and similar methods are used to compare three cities (Montreal, Quebec City, and Sherbrooke) over multiple years (1998–2008). We control and tests for the possibility of residential location self-selection bias through simultaneous equation modeling. The main findings are that (i) activity spaces are clearly linked to land use (through neighborhood clusters), as well as to overall city size; (ii) activity spaces appear to be growing over time where employment centers are fixed; and (iii) exogeneity in explanatory variables cannot be rejected.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,018
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,270
Écart entre enseignants0,233 · 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

Citations5
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning B Planning and DesignMême sujetUrban Transport and AccessibilityTravaux en français237 207