MétaCan
Menu
Retour à la cohorte
Enregistrement W2788372949 · doi:10.1177/2158244018760375

Neglected? Strengthening the Morphological Study of Informal Settlements

2018· article· en· W2788372949 sur OpenAlexaff
Shelagh McCartney, Sukanya Krishnamurthy

Notice bibliographique

RevueSAGE Open · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesHarvard University
Mots-clésSlumHuman settlementInformal settlementsUrban morphologySituational ethicsUrbanizationDialecticPoliticsSociologyUrban planningEconomic geographyEnvironmental planningRegional scienceGeographyPolitical scienceEconomic growthCivil engineeringEconomicsPopulationEngineering

Résumé

récupéré en direct d'OpenAlex

Methods of articulating the morphological structure of slums can have considerable potential in better planning for site-specific design or policy responses for these areas in the contemporary city. Although urban morphology traditionally studies landscapes as stratified residues with distinct divisions between lot and boundary, built and unbuilt, the authors find these definitions insufficient to address the complexity of slum morphology. Through this article, the authors’ identify that morphological analysis of informal settlements needs to be sensitive to the dynamics and the absence (or blurring) of physical boundaries. By analyzing the spatial impact of social, economic, and political factors, situational and site factors, building typologies, and configurations of circulation space, an attempt to articulate the morphological structure of slums is made. Aiming to overcome the current polarization in the literature between the formal and informal city, this article adds to the ongoing research on the study of challenges within contemporary cities, by providing new methodologies for studying the morphology of slum urbanization and shaping planning practice.

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)0,019
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,005
Études des sciences et des technologies0,0050,027
Communication savante0,0090,017
Science ouverte0,0030,013
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,067
Tête enseignante GPT0,352
Écart entre enseignants0,284 · 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'étudeQualitatif
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

Citations44
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetUrban and Rural Development ChallengesTravaux en français237 207