MétaCan
Menu
Retour à la cohorte
Enregistrement W3159169679 · doi:10.24908/iqurcp.9060

Social Capital and Residential Agency in Pujiang New Town, Shanghai

2016· article· en· W3159169679 sur OpenAlexvenueno aff
Carolyn Richardson

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Capital and Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRelocationAgency (philosophy)Government (linguistics)Social capitalPoliticsChinaEconomic growthSociologyPolitical sciencePublic relationsSocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

Although it barely registered in social media and current news in North America, the Shanghai 2010 World Expo was the most expensive urban reconstruction project in Chinese history and also caused the largest human relocation project in Shanghai history. To make way for the Expo, over18 000 families- an estimated 55 000 people- were relocated to the outskirts of Shanghai, away from their homes, communities, social connections and basic services. Of these residents, 25 000 were relocated to Pujiang new town: a brand new town constructed for this occasion by the Shanghai government. Although the government and contracted urban planners built the town, it is the relocated residents who are building the community. Using personal interviews that I and my Shanghainese partner conducted with the residents of Pujiang new town, we aimed to find out how residents are regaining the “social capital” that was lost during their forced relocation, and how their “individual and collective agency” prevents them from being seen as victims of a strong centralized government. In order to understand how this unique case of urban development was created, I will also be explaining the historical causes of the project, and it’s social and political consequences. However, it is the overarching question of “how does China see urban development, and why?” that I wish to answer

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,127
Tête enseignante GPT0,401
Écart entre enseignants0,275 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetSocial Capital and NetworksTravaux en français237 207