MétaCan
Menu
Retour à la cohorte
Enregistrement W2801276487 · doi:10.5539/ass.v14n5p82

The Perspectives of Commercial Property Stakeholders in Post-Disaster Rebuild

2018· article· en· W2801276487 sur OpenAlexvenueno aff
Ikenna Chukwudumogu

Notice bibliographique

RevueAsian Social Science · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemolitionViewpointsProperty (philosophy)Thematic analysisClearingPublic relationsQualitative researchBusinessSociologyPolitical scienceCivil engineeringEngineeringFinanceSocial science

Résumé

récupéré en direct d'OpenAlex

This paper seeks to expand our theoretical knowledge on what happens in post-disaster rebuild from the perspective of commercial property stakeholders (investors and developers; agents and professionals). By exploring how they have fared in a post-disaster rebuild environment, this paper has provided a nuanced understanding of the complex challenges they face after a major disaster. This paper adopts an interpretive approach to understanding what it takes to rebuild in a post-disaster environment through the lens and experiences of property stakeholders. After a series of catastrophic earthquakes in 2010 and 2011 in Christchurch, New Zealand, there was consequential damage to most of the commercial buildings in the central business district (CBD). Seven (7) years on, the CBD is still being rebuilt after so much demolition and clearing of debris for an extended period when the city was cordoned off just after the earthquakes. For this study, qualitative data was gathered via semi-structured interviews from twenty (20) purposively identified “Informed Property Stakeholders” involved in post-disaster rebuilding. The interview findings were subjected to an interpretative and thematic analysis used to provide a veracious way of characterising the viewpoints of those interviewed. Overall, this paper has highlighted the perspectives of those interviewed and the findings conveyed that post-disaster rebuilding was an unprecedented and unusual challenge for many property stakeholders.

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)0,009
score de la tête « metaresearch » (Gemma)0,012
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,015
Communication savante0,0080,010
Science ouverte0,0020,009
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,040
Tête enseignante GPT0,322
Écart entre enseignants0,282 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetDisaster Management and ResilienceTravaux en français237 207