MétaCan
Menu
Retour à la cohorte
Enregistrement W3113646065 · doi:10.4018/ijepr.20210701.oa4

Framework for Smart City Model Composition

2020· article· en· W3113646065 sur OpenAlexfundno aff
Soon Ae Chun, Dongwook Kim, June-Suh Cho, Michael Chuang, Seungyoon Shin, Daesung Jun

Notice bibliographique

RevueInternational Journal of E-Planning Research · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignNational Research Foundation of KoreaTaipei City GovernmentKyung Hee UniversitySeoul National UniversityJeonju UniversityHankuk University of Foreign StudiesYork University
Mots-clésOmnichannelDimension (graph theory)Computer scienceUrban planningSpatial planningPerspective (graphical)Information and Communications TechnologySmart cityBusinessKnowledge managementProcess managementEngineeringEnvironmental planningWorld Wide WebGeographyArtificial intelligenceCivil engineering

Résumé

récupéré en direct d'OpenAlex

This paper is a reflective overview of the knowledge on online conversion of services in the perspective of urban planning. It points that traditional planning aimed at building optimal spatial relationships between particular functions in urban environment. Appropriate decision-making rules had been introduced, contributing to a hierarchical land-use structure. This conventional approach has been recently challenged by the rapid ICT development which added a lively, virtual, non-spatial dimension of urban economy. The well-established foundations of urban planning started to shake, calling for a new paradigm. This paper looks for an alternative to traditional planning which would be able to develop policies for omnichannel services (i.e., enterprises that use both online and offline channels for communicating and distributing their products). The advantages of ‘e-planning' in managing omnichannel services are outlined and a conclusion is drawn that only a multi-channel approach can bring appropriate answers to contemporary developments in services sector.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0420,010

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 Opus0,193
Tête enseignante GPT0,417
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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 E-Planning ResearchMême sujetSmart Cities and TechnologiesTravaux en français237 207