MétaCan
Menu
Retour à la cohorte
Enregistrement W3208525317 · doi:10.17673/ip.2018.3.09.4

HOW TO REGENERATE THE HISTORICAL ENVIRONMENT OF RUSSIAN CITIES: PARTICIPATION AND REGULATION TOOLS

2018· article· en· W3208525317 sur OpenAlexaboutno aff
Snezhana Vladimirovna Lashchenko, Evgenia Aleksandrovna Repina, Boris Grozovsky

Notice bibliographique

RevueInnovative Project · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Socio-Economic Development Trends
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitizen journalismZoningQuarter (Canadian coin)Urban planningArchitectureSettlement (finance)Environmental planningCapital (architecture)Plan (archaeology)Political scienceRegional scienceGeographyCivil engineeringEngineeringArchaeologyBusinessLaw

Résumé

récupéré en direct d'OpenAlex

The historical environment of Russian cities is in decline. Buildings are regularly demolished; the territory of old centers is reduced. Neither experts nor the authorities have an idea of how to preserve and develop the historical parts of cities. Meanwhile, foreign and partly Russian practice allows us to highlight the tools for the regeneration of the historical environment. They were discussed at the 9th International Forum Urban Growth and Preservation of Heritage along the Eurasian Corridor (Silk Road) in Samara (October 2017) by Russian experts in the field of architecture, urban planning and urban studies. These are, firstly, instruments of participation (participatory design and participatory budgeting), and secondly, regulatory instruments (master plan, zoning, an instrument that protects groups of environmental objects, and a historical settlement that allows you to comprehensively regulate the entire historical center with its environmental objects, not just monuments). The article also considers the impact of social capital on the development of the urban environment and discusses which principles of the historical quarter can be applied in modern design.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,232

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,096
Tête enseignante GPT0,327
Écart entre enseignants0,231 · 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'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovative ProjectMême sujetRegional Socio-Economic Development TrendsTravaux en français237 207