Exploring housing market and urban densification during COVID-19 in Turkey
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.
Notice bibliographique
Résumé
The paper explores the housing market, urban densification, and government policy interventions due to COVID-19 in Turkey. From 1980 to 2019, the share of urban population in Turkey increased from 43.78% to 75.14% (UN DESA, 2018) and simultaneously the housing production has been increased more than 30% at the same period and it has planned to build or reconstruct about 13 million housing units including 1 million housing units per year from 2020 (Housing Development Administration of Turkey, 2020). However, COVID-19 has radically changed Turkey's real estate market, more specifically, housing market. Based on secondary data and information, the study has found that there has been a sharp decrease occurred during the month of April and May in 2020 due to curfew and other related COVID-19 controlled measures. After government interventions such as lowering interest rates in public banks, online land registry applications, government stimulus packages etc. a sharp increase happened from June and the third quarter of 2020; even after out looking 10 lowest densely populated provinces, 10 highest densely populated provinces in Turkey and districts in Istanbul. Focusing impact on the housing market in three different quarters (Q1, Q2 and Q3) of 2020 in the studied areas, it has found that there is no significant relationship between housing sales with respect to population density but government policy intervention during COVID-19 plays a very significant role in increasing housing demand.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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