Urban Density in the Greater Golden Horseshoe
Notice bibliographique
Résumé
The Ontario government has recently taken a proactive approach to growth planning in the Toronto \nregion, now known as the Greater Golden Horseshoe (GGH). To carry out and monitor its \npolicies, the Province needs reliable ways of measuring density and monitoring how it changes \nover time. However, definitions of density vary and there are many approaches to its measurement. \nThis paper reviews common definitions and discusses methodological and data problems associated \nwith density measurements in the GGH. The authors examine existing density distributions \nin the GGH using 2001 census data at the scale of municipal areas, census tracts, and \ncensus dissemination areas, and analyse 10 sample census tracts in Urban Growth Centres to \ncompare gross and net densities for different types of development areas in the GGH. Detailed \nprofiles are provided for five of those tracts. The authors note problems with using gross density \nfor making comparisons between areas or time periods, and problems with using census data in \ndensity calculations. \nConsistent, region-wide definitions and data are needed to develop a detailed understanding of \nexisting trends in population and jobs density, land use, development patterns, and housing issues. \nThe authors recommend the delineation of small census tracts with permanent boundaries \nfor the area of the GGH that is expected to build up during the next 20 to 30 years, as well \nas the creation of a regional database on employment location, density, and output. They also \nurge the government to make parcel data, or a comparable database, available to researchers \nand policy analysts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».