MétaCan
Menu
Retour à la cohorte
Enregistrement W2625426962 · doi:10.1080/00343404.2017.1322686

The location of information technology-led new economy jobs in cities: office parks or cool neighbourhoods?

2017· article· en· W2625426962 sur OpenAlexafffundabout
Chloé Duvivier, Mario Polèse, Philippe Apparicio

Notice bibliographique

RevueRegional Studies · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEconomic geographyCentral cityRegional scienceRegional studiesGeographyEconomyEconometric analysisEconomic growthEconomicsRegional development

Résumé

récupéré en direct d'OpenAlex

A growing literature suggests that central city neighbourhoods have become the focus of the information technology-driven new economy (IT-NE). Much of the evidence is based on case studies with a strong overlap with so-called ‘creative districts’. This paper examines the location of IT-NE jobs and its determinants for Canada’s three largest metropolises: Toronto, Montreal and Vancouver. IT-NE employment is spatially polarized in all three cities with a dual concentration in some suburban poles and central neighbourhoods. Econometric results suggest that ‘creative’ district attributes, although significant, are not the strongest predictors of location. Built environment, infrastructure and localization economies variables are also powerful predictors.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil0,893

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,074
Tête enseignante GPT0,328
Écart entre enseignants0,254 · 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'étudeSans objet
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

Citations43
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRegional StudiesMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207