Planning for a quality life: A theoretical approach to quality of life research in community planning
Notice bibliographique
Résumé
For many years measuring Gross Domestic Product (GDP) has been the standard to which success has been defined by cities and countries alike. Economic brilliance however, can only take us so far. Measuring quality of life (QOL) is quickly becoming the preferred way of measuring success in the built environment. But what does it mean? QOL is synonymous with terms like ‘happiness’, ‘well-being’ or ‘life satisfaction’, but includes a more holistic evaluation of them. The purpose of this research is to shed light on why it is we do the things we do, and to consider the role of a planner in a pragmatic way. All too often planning is considered to be idealistic where decisions are made on the basis of “best practices”. What this research intends to answer is; who are these ‘best practices’ looking to serve? Have we succeeded in doing what we set out to do? And to understand that just because a decision was made in the past to serve a particular goal, it may not equate to how we should be considering that goal now. What we should be asking ourselves is; what does success look like? Can we define it? Can we measure it? Are we happy? The objective of this research is not only to understand if measuring QOL can better inform policy decisions at a community level, but to understand which approach is worth taking. Some might say its subjectivity is not appropriate for informing policy or decision making. Others seem more optimistic of its potential, in that any movement towards progress should be studied, and is worth while. This research seeks to recognize the extent to which community planning impacts our QOL, with respect to the built environment, and the role government plays in decision making.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».