MétaCan
Menu
Retour à la cohorte
Enregistrement W3122723786 · doi:10.1371/journal.pone.0242611

Venues and segregation: A revised Schelling model

2021· article· en· W3122723786 sur OpenAlexafffund
Daniel Silver, Ultan Byrne, Patrick Adler

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesConnaught FundUniversity of Toronto
Mots-clésSet (abstract data type)Mechanism (biology)Computer scienceStyle (visual arts)Economic geographyOverlayData scienceGeographyArchaeologyEpistemology

Résumé

récupéré en direct d'OpenAlex

This paper examines an important but underappreciated mechanism affecting urban segregation and integration: urban venues. The venue- an area where urbanites interact- is an essential aspect of city life that tends to influence residential location. We study the venue/segregation relationship by overlaying venues onto Schelling's classic (1971) [1] agent-based segregation model. We show that a simulation world with venues makes segregation less likely among relatively tolerant agents and more likely among the intolerant. We also show that multiple venues can create spatial structures beyond their catchment areas and that the initial location of venues shapes later residential patterns. Finally, we demonstrate that the social rules governing venue participation alter their impacts on segregation. In the course of our study, we compile techniques for advancing Schelling-style studies of urban environments and catalogue a set of mechanisms that operate in this environment.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,340

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,155
Tête enseignante GPT0,290
Écart entre enseignants0,135 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207