MétaCan
Menu
Retour à la cohorte
Enregistrement W3091971745 · doi:10.1080/23748834.2020.1821980

Sound and the healthy city

2020· article· en· W3091971745 sur OpenAlexaff
Antonella Radicchi, Pιnar Yelmi, Andy Chung, Pamela Jordan, Sharon Stewart, Aggelos Tsaligopoulos, Lindsay J. McCunn, Marcus Grant

Notice bibliographique

RevueCities & Health · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensVancouver Island University
Organismes subventionnairesnon disponible
Mots-clésSoundscapeHarmSound (geography)Public healthDisciplinePublic relationsSociologyWork (physics)Engineering ethicsPolitical scienceAcousticsMedicineEngineeringSocial scienceNursingLaw

Résumé

récupéré en direct d'OpenAlex

At an international level it is recognised that urban noise has serious and negative public health impacts. This leading editorial and the special issue it accompanies seeks to broaden this agenda. An important goal for Cities & Health is to give ear to new urban health topics, methods and collaborations. In doing so this paper presents the topic of urban sound and health from several unique angles. At its core, we deliberately move the focus beyond noise levels, as measured by decibels, and harm to health through the stress of relentless background noise. Instead, we focus on the concept of soundscape, a more qualitatively nuanced research subject of enquiry. The paper serves as an introduction to soundscape and health from several distinct disciplinary positions and lays a good intellectual foundation for the twenty-two papers published in this special issue. We hope that through a soundscape approach we can encourage fresh thinking about urban sound, including how people perceive and relate to their sonic environments, and show how sound can contribute to health. We believe that this approach can provide a collaborative platform for sound artists, sound technologists, urbanists and local people to work together with public health and create healthier urban environments.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,010
Communication savante0,0120,006
Science ouverte0,0010,007
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,097
Tête enseignante GPT0,413
Écart entre enseignants0,316 · 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

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCities & HealthMême sujetNoise Effects and ManagementTravaux en français237 207