MétaCan
Menu
Retour à la cohorte
Enregistrement W2795204543 · doi:10.5539/jsd.v11n2p34

The Neighborhood-School Characteristics: As an Effective Factor of Social Sustainability in Neighborhood

2018· article· en· W2795204543 sur OpenAlexvenueno aff
Parisa Ziaesaeidi

Notice bibliographique

RevueJournal of Sustainable Development · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePlace Attachment and Urban Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial harmonyFeelingAffect (linguistics)SustainabilityHarmony (color)Context (archaeology)Quality (philosophy)Unit (ring theory)PsychologySocioeconomicsGeographySociologySocial psychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

The neighborhood unit promotes quality of life, community feeling, and well-being by providing facilities. Sharing the main facilities of the neighborhood with all residents can play an important role in the satisfaction of the neighborhood. When a school (as one of the facilities) is placed into the neighborhood context, it can affect environmental and social issues. Therefore, the neighborhood facilities and services would not purely increase all residents’ satisfaction, well-being and quality of neighborhood through its equal accessibility for all residents. This paper discusses how the quality of the neighborhood can be enhanced and promoted by the different characteristics of facilities like schools.The research method is based on an analysis of the affective features of a primary school on social sustainability in the neighborhood. The research has been done by recording sample participants’ ideas. The questionnaires were administered to 285 participants from two neighborhoods (with neighborhood-school and non-neighborhood-school) in Kerman, Iran. Results confirm that important features of the neighborhood -school have a direct affect on the quality of the neighborhood. The comfort, safety and harmony were identified as the most important of the six presented factors.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,009
Tête enseignante GPT0,309
Écart entre enseignants0,299 · 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.

Devis d'étudeObservationnel
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetPlace Attachment and Urban StudiesTravaux en français237 207