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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,018
Communication savante0,0080,005
Science ouverte0,0010,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 source (Gemma direct ou Codex distillé), 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