MétaCan
Menu
Retour à la cohorte
Enregistrement W3152149719 · doi:10.3390/su13073835

Densify and Expand: A Global Analysis of Recent Urban Growth

2021· article· en· W3152149719 sur OpenAlexaboutno aff
Shlomo Angel, Patrick Lamson-Hall, Alejandro Blei, Sharad Shingade, Suman Kumar

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSample (material)PopulationQuarter (Canadian coin)GeographyPhysical geographyGlobal warmingEnvironmental scienceEconomic geographyClimate changeDemographyArchaeologyGeology

Résumé

récupéré en direct d'OpenAlex

Serious concerns with accelerating global warming have been translated into urgent calls for increasing urban densities: higher densities are associated with lower greenhouse gas emissions, especially those related to vehicle kilometers traveled (VKT). In order to densify meaningfully in the coming decades, cities need to make room within their existing footprints to accommodate more people. In the absence of adequate room within their existing footprints, cities create more room through outward expansion, typically resulting in lower overall densities. We introduce a quantitative dimension to this process, focusing on the population added to a global stratified sample of 200 cities between 1990 and 2014. In three-quarters of the cities we studied, the areas built before 1990 gained population and thus densified significantly. On average, however, only one-quarter of the total population added to the 200 cities in the sample in the 1990–2014 period were accommodated within their 1990 urban footprints, while three-quarters were accommodated within their newly built expansion areas. That resulted in an overall decline in average urban densities during the 1990–2014 period despite the near-global, decades-old and rarely questioned consensus that urban expansion must be contained.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
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 Opus0,015
Tête enseignante GPT0,327
Écart entre enseignants0,312 · 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'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

Citations81
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetUrban Transport and AccessibilityTravaux en français237 207