MétaCan
Menu
Retour à la cohorte
Enregistrement W2995767066 · doi:10.3917/reru.195.0963

Qu’apporte l’urbanisme à l’étude des espaces de coworking ?

2019· article· fr· W2995767066 sur OpenAlex
Divya Leducq, Priscilla Ananian

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRevue d’Économie Régionale & Urbaine · 2019
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyArt

Résumé

récupéré en direct d'OpenAlex

Dans un contexte de profondes mutations du marché du travail, on constate une concentration d’activités liées à l’innovation dans les centres urbains. Parmi celles-ci, les espaces de coworking (ECW) promeuvent des idées de partage et d’ouverture pour changer le devenir des communautés. La littérature aborde principalement les dimensions économique et entrepreneuriale des ECW et rares sont les écrits liant ECW et villes. Cet article cherche donc à renouveler l’approche des rapports entre territoire et innovation, en contribuant à la connaissance de cette relation sous l’angle de l’approche urbanistique. L’article propose tout d’abord une revue critique de la littérature qui décline les liens entre villes et ECW selon trois entrées : la ville réceptacle, la ville en tant que ressource territoriale et la ville comme champ d’action des politiques publiques. À partir de ces liens, sont ensuite identifiés les principaux enjeux d’aménagement de l’espace (ressort de l’ancrage, programmation urbaine, gestion des flux), appelant, dans un dernier temps, à une remobilisation des méthodes de l’urbanisme et de la planification urbaine sous trois angles : réglementaire, de projet et tactique.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,044
Tête enseignante GPT0,259
Écart entre enseignants0,215 · 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