A comparative analysis of wellness in Canadian cities: More alike than different
Notice bibliographique
Résumé
The present study examined the Moneysense 2016 rankings of 219 Canadian cities to further test the empirical derivation of Canadas best cities based on 30 indices covering climate, financial information, crime, and wealth as derived from a principle axis factor analysis, and explained 47% of urban rankings: Climate (13% explained variance consisting of amount of rainfall, number of days above 24°C); Financial (12% -- income, net-worth, taxes); Crime (11% -- crime rate and severity); and Wealth (11% -- car and luxury car ownership). A stepwise multiple regression predicted overall urban rank based on 10 significant indices: Rank scores were higher (like place finished in a race, so that worse cities performed worse) when individuals encountered greater unemployment (both in general and within the arts), when individuals drove older and lower quality vehicles, or relied greatly on walking in order to get to work, when household net-worth was low, when housing was less affordable, and when both crime rate and severity were high. Finally, a cluster analysis (examining how cities were similar according to comparable indices) uncovered three different types of Canadian city: Less populated cities; mid to large sized urban centres; and Mega-cities, with populations above 3 million residents, including West Vancouver, Toronto, Calgary, and Montreal. Mid/large cities were typically found in the penumbra of Mega-cities (e.g., the greater Toronto area). Of note, those cities in the largest cluster were more alike than they were different. The examinations into these cities may not explain which cities are populated with the happiest individuals, but it does offer insight into why people will flock to certain cities, perceiving them to be better places to live.
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 | 0,001 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».