MétaCan
Menu
Retour à la cohorte
Enregistrement W2522243046 · doi:10.1177/0956247816663557

Population predictions for the world’s largest cities in the 21st century

2016· article· en· W2522243046 sur OpenAlexaff
Daniel Hoornweg, Kevin Pope

Notice bibliographique

RevueEnvironment and Urbanization · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésGeographyUrbanizationSocioeconomic statusDistribution (mathematics)PopulationPopulation growthImmigrationWorld populationSustainabilityEconomic growthSocioeconomicsEconomic geographyDemographyEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

We project populations to 2100 for the world’s larger cities. Three socioeconomic scenarios with various levels of sustainability and global cooperation are evaluated, and individual “best fit” projections made for each city using global urbanization forecasts. In 2010, 757 million people resided in the 101 largest cities – 11 per cent of the world’s population. By the end of the century, world population is projected to range from 6.9 billion to 13.1 billion, with 15 per cent to 23 per cent of people residing in the 101 largest cities (1.6 billion to 2.3 billion). The disparate effects of socioeconomic pathways on regional distribution of the world’s 101 largest cities in the 21st century are examined by changes in population rank for 2010, 2025, 2050, 2075 and 2100. Socioeconomic pathways are assessed based on their influence on the world’s largest cities. Two aspects of the projections raise concerns about reliability: the unlikely degree of growth of cities suggested for Africa and the growth of cities in coastal settings (and likely global immigration). Trends and the effect of sustainable development on regional distribution of large cities throughout the 21st century are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,007
Tête enseignante GPT0,182
Écart entre enseignants0,175 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations278
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and UrbanizationMême sujetLand Use and Ecosystem ServicesTravaux en français237 207