MétaCan
Menu
Retour à la cohorte
Enregistrement W3038367121 · doi:10.5578/fmbd.67273

Abbreviation of Finding Time of Participation Value in Urban Transformation Projects Using Statistical Methods

2018· article· en· W3038367121 sur OpenAlexaff
Birol Alas

Notice bibliographique

RevueAfyon Kocatepe University Journal of Sciences and Engineering · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban and spatial planning
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésTransformation (genetics)Value (mathematics)Computer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Şehirlerin yaşanabilir hale getirilmesi için kentsel dönüşüm uygulamaları özellikle büyükşehirler başta olmak üzere dünyanın değişik ülkelerinde yapılmaktadır.Türkiye'de de, hukuki düzenlemeler yapılarak kentlerin insan yaşamına uygun hale getirilmesi amacıyla kentsel dönüşüm uygulamaları başlatılmıştır.Ayrıca Türkiye'nin büyük bölümünün deprem riski altında olması da kentsel dönüşüm projeleri yapılmasına neden olmaktadır.Değerleme çalışmaları, şeffaflık, adil olma, proje süresine etkisi ve proje alanındaki mülk sahiplerinin kabulü açısından kentsel dönüşümün önemli aşamalarından birisidir.Kentsel dönüşüm uygulamalarında katılım değerinin bulunması zaman alan bir çalışma gerektirmektedir.Bu çalışma, kentsel dönüşüm değerlemesi çalışmalarında geçen sürenin kısaltılmasını sağlamak ve imar uygulaması amaçlı değerlemelerde standartların oluşturulmasına altlık olması amacıyla örnekleme yöntemiyle bulunan bir küme üzerinden yapılacak değerlemelerin istatistik açıdan anlamlı olup olmadığı incelemek üzere planlanmıştır.Amaçlanan sonuca ulaşabilmek için, kentsel dönüşüme giren tüm bağımsız birimlerin (konut, ticaret vb.) değerlemesinin yapıldığı İstanbul ili Zeytinburnu ilçesi sınırları içerisinde bulunan Sümer mahallesi ana kütle olarak seçilmiştir.Mevcut örnek şartları göz önüne alındığında, değerleme çalışmalarındaki sürenin, konut değerlendirmesinde 1/30 oranında, işyeri değerlendirmesinde ise 1/2 oranında azaltılabileceği sonucuna ulaşılmıştır.

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)0,005
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,267
Écart entre enseignants0,238 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfyon Kocatepe University Journal of Sciences and EngineeringMême sujetUrban and spatial planningTravaux en français237 207