MétaCan
Menu
Retour à la cohorte
Enregistrement W2893329792 · doi:10.3390/urbansci2040100

Socio-Economic Indicators for the Ex-Post Evaluation of Brownfield Rehabilitation: A Case Study

2018· article· en· W2893329792 sur OpenAlexaffabout
Francesco Cappai, Daniel Forgues, Mathias Glaus

Notice bibliographique

RevueUrban Science · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésBrownfieldBoroughRentingBusinessRevenueReuseEnvironmental planningRedevelopmentOperations managementGeographyEconomicsFinanceEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

The reuse of brownfields is becoming a necessary option to meet the current requirements of urban densification and for the preservation of agricultural land, as well as for improvement in the quality of life. The purpose of this article is to evaluate the main objectives and benefits of a rehabilitation project implemented in Canada. The rehabilitation of the brownfield site Lachine-Turcot-Petite Bourgogne in Montréal was analyzed according to four indicators (revenue, average cost of rent, rental usage, and home resale price). The findings of the study demonstrate that the expectations (socio-economic benefits derived from Southwest borough—City of Montréal) of the local community were not respected and that the initial objectives of the project changed during its implementation. In particular, the average rent increased considerably after four years, by 165.47% in the period 2001–2006. The percentage of resident homeowners increased from 89% to about 95% in 10 years, and in the 1996–2014 period the total income per household increased from about $25,000 to about $78,000. We propose an evaluation tool that integrates an ontology of the elements necessary for decision-making and local indicators related to the environmental and socio-economic components with the goal of meeting the expectations of the local community.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,335
Score d'incertitude au seuil0,667

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,057
Tête enseignante GPT0,407
Écart entre enseignants0,350 · 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'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

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban ScienceMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207