MétaCan
Menu
Retour à la cohorte
Enregistrement W3173208890

Cities in a Post-COVID World

2021· preprint· en· W3173208890 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLondon School of Economics and Political Science Research Online (London School of Economics and Political Science) · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaTimelinePandemicEconomic geographyGeographyContext (archaeology)Coronavirus disease 2019 (COVID-19)Scale (ratio)InequalityPoliticsUrban geographyEconomic growthRegional scienceDevelopment economicsUrban planningPolitical scienceCartographyEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the effect of the COVID-19 pandemic and its related economic, fiscal, social and political fallout on cities and metropolitan regions. We assess the effect of the pandemic on urban economic geography at the intra- and inter-regional geographic scales in the context of four main forces: the social scarring instilled by the pandemic; the lockdown as a forced experiment; the need to secure the urban built environment against future risks; and changes in the urban form and system. At the macro-geographic scale, we argue the pandemic is unlikely to significantly alter the winner-take-all economic geography and spatial inequality of the global city system. At the micro-geographic scale, however, we suggest that it may bring about a series of short-term and some longer-running social changes in the structure and morphology of cities, suburbs, and metropolitan regions. The durability and extent of these changes will depend on the timeline and length of the pandemic.

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.

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)0,016
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
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 enseignants0,255
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,012
Communication savante0,0020,002
Science ouverte0,0030,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,098
Tête enseignante GPT0,375
Écart entre enseignants0,277 · 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