MétaCan
Menu
Retour à la cohorte
Enregistrement W2994225570 · doi:10.2495/sdp-v15-n1-1-13

on the determinants of a successful, sustainable-driven adaptive reuse: A multiple regression Approach

2020· article· en· W2994225570 sur OpenAlexvenueno aff
Despo S. Parpas, Andreas Savvides

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Management and Preservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptive reuseReuseRegressionRegression analysisSustainabilitySustainable developmentEconometricsMultivariate adaptive regression splinesComputer scienceEnvironmental scienceStatisticsEngineeringMathematicsMachine learningPolynomial regressionCivil engineeringEcologyWaste managementBiology

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to outline an ongoing research, examining the determinants of a successful, sustainable-driven development.The practice of adaptive reuse is connected with sustainable development and although it is widely believed that mainly economic factors drive possible development schemes, it is found through this research that, in the case of adaptive reuse, there are some other contributing criteria.The methodological tool implemented to obtain the results is multiple regression analysis and the contributions included in the model are based on the fields of socio-economics, culture and the environment.These vital contributions are key components of both the practice of adaptive reuse and sustainable-driven developments of the built environment.The advantage gained by applying statistical methods to examine multi-criteria cases is the possibility for well-justified observations; these are intended to be valuable tools for decision makers and involved stakeholders aiming to achieve successful sustainable adaptations.although the findings presented in this paper are derived from research data collected in cyprus, the methodological approach could be applied to a broader context, hence leading to more universal conclusions.

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)0,010
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,089
Tête enseignante GPT0,260
Écart entre enseignants0,171 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetCultural Heritage Management and PreservationTravaux en français237 207