MétaCan
Menu
Retour à la cohorte
Enregistrement W3118488486

Theme Parks: A Model of Best Practice for Streetscape Design

2020· dissertation· en· W3118488486 sur OpenAlexaboutno aff
James L. Hughes

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2020
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTheme (computing)Theme parkGeographyArchitectural engineeringEnvironmental planningEngineeringComputer scienceArchaeologyTourismWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Internationally cities are acknowledging the importance of improving streetscape design in order to create a more positive pedestrian experience. Improved streetscape design contributes to the creation of a safe, efficient and financially prosperous landscape. This thesis analyzes how theme parks have successfully designed streetscapes, specifically Main Street U.S.A. at Walt Disney World’s Magic Kingdom. This theme park streetscape provides a positive experience while supporting, on average, twenty-one million visitors. This work illustrates streetscape techniques employed by theme parks while answering the question “Are Theme Parks examples of Streetscape design best practices?” This study evaluates streetscape elements found along Main Street U.S.A. and those used throughout the City of Toronto. These streetscape elements are evaluated against the criteria for successful streetscape designs outlined by Allan B. Jacobs in the book Great Streets. A streetscape design manual has been developed that consolidates the unique design techniques utilized by theme park streetscapes.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,067
Tête enseignante GPT0,301
Écart entre enseignants0,234 · 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'étudeQualitatif
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetMedia, Gender, and AdvertisingTravaux en français237 207