MétaCan
Menu
Retour à la cohorte
Enregistrement W3037791013 · doi:10.1177/0042098020927839

Examining building age, rental housing and price filtering for affordability in Melbourne, Australia

2020· article· en· W3037791013 sur OpenAlexaff
Matthew Palm, Katrina Raynor, Georgia Warren‐Myers

Notice bibliographique

RevueUrban Studies · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesLord Mayor’s Charitable FoundationBrotherhood of St Laurence
Mots-clésEconomic rentRentingRental housingAffordable housingEconomicsGovernment (linguistics)Public economicsPublic housingLow income housingHedonic regressionLabour economicsBusinessEconomic growthMicroeconomicsEconometricsLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Governments worldwide have responded to housing affordability challenges with supply-side solutions. Proponents of these approaches often draw on the notion of ‘filtering effects’ to argue that new supply naturally trickles down to lower-income households over time, improving affordability. This study examines the characteristics of Naturally Occurring Affordable Housing in Melbourne, Australia, analysing how dwelling age impacts rental cost. We specify a non-linear relationship between building age and rents through hedonic rent modelling, reflecting a premium for historic properties in inner Melbourne. We also conduct a cluster analysis of rental listings and measure affordability by cluster. Our results problematise the notion of filtering, finding that most contemporary affordable housing was initially built in the 1960s and 1970s as social housing or targeted at low-income households. We argue that filtering in this instance is not natural but is instead a reflection of historic government expenditure and past construction choices, or ‘filter up’.

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 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 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 enseignants0,217
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,246
Tête enseignante GPT0,302
Écart entre enseignants0,056 · 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 tête enseignante, 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetHousing Market and EconomicsTravaux en français237 207