MétaCan
Menu
Retour à la cohorte
Enregistrement W2953917655 · doi:10.29173/mocs81

Accessibility-Based Location Selection for Building Panelized Housing for Seniors

2019· article· en· W2953917655 sur OpenAlexafffundvenueabout
Yuan Chen, Xianfei Yin, Ahmed Bouferguène, Yuxuan Zhang, Mohamed Al‐Hussein, Bingsheng Liu

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of Alberta
Organismes subventionnairesTianjin Science and Technology CommitteeAlberta Innovates
Mots-clésUnit (ring theory)Quality (philosophy)Transport engineeringSelection (genetic algorithm)BusinessSubdivisionSet (abstract data type)Environmental economicsArchitectural engineeringComputer scienceEngineeringCivil engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Population ageing is stimulating an increase in the demand for housing suitable for seniors. To meet the demand, the market share of senior housing needs to increase substantially in a relatively short period of time; therefore, panelized construction, as an efficient, economical, and environmentally-friendly construction method, can be regarded as a promising building approach to meet urgent demand for multi-unit housing. However, prior to construction, decisions regarding the location selection for building panelized housing can have a great influence on the level of accessibility that seniors have to neighbouring facilities and services, further affecting their health and quality of life. Based on this, the research presented in this paper aims to search potential land areas for panelized housing developments for seniors from the perspective of accessibility. A set of methods is proposed to define the opportunities and constraints for potential land, measure the accessibility, and select the most suitable location for senior housing by means of suitability analysis. A case study of Edmonton is then analyzed to illustrate the application of these methods.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,284
Écart entre enseignants0,268 · 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

Citations0
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujetUrban Transport and AccessibilityTravaux en français237 207