World City Network in China: A Network Analysis of Air Transportation Network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
World city network formation is one of the most robust trends in the context of globalization. The unprecedented economic transformation and infrastructure restructuring enable China to integrate in world city network overwhelmingly. The purpose of this paper is aiming to conduct a network analysis of Chinese air transportation network based upon large-scale collected data of inter-city air passengers’ volume thereby identifying the world city network of Chinese cities, as well as the internal cooperative relationship and hierarchical structure of these articulations in the network. There are 80 sample cities are enclosed in this air transportation network model using UCINET, which is pioneering social network analytical software. Clearly, UCINET is applied to manipulate the matrix of inter-city air passengers flows in order to elaborate analyze of density of the whole network, to calculate multiple centrality of each node cities, which strives to identify the dominance of each cities’ hierarchical power and positions. In addition, NetDraw program in UCINET is designed to visualize the whole network whereas CONCOR program is operationalized to classify major subgroups within national air transportation network of China. Based on the analysis, we can find that Beijing, Shanghai and Guangzhou play a dominant role in this network, and it is evident that there exist some robust cooperative relationships within and between subgroups arisen from overall air transportation network. Overall, these findings consolidate a concrete cornerstone of Chinese world city network formation.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle