Critical analysis of housing condition impacts on residents' well-being and social costs
Notice bibliographique
Résumé
Housing is fundamental to the welfare of people and society. On the contrary, housing may impose costs on users as regards their health and quality of life. These costs are not only individual but also social. Studies on the concept of social costs (SCs) related to living conditions of social housing (SH) are scarce, and the concept needs in-depth debates. A systematic literature review (SLR) was conducted to answer the primary research question: What are SCs, and what triggers them? The research specifically aims to identify spatial design factors and construction details of SH, which may cause adverse impacts and social costs and affect households' quality of life. The SLR results are analysed and discussed concerning the major concepts of SCs and social impacts (SIs). The visual representation and organization of data contribute to detailed and in-depth conceptual discussions to understand the factors that can induce actions to improve SH design and upgrading of the existing stock. Most publications emphasise physical and mental health risks. Poor thermal conditions cause illnesses, and depression is prevalent in many housing developments putting pressure on public systems and their health services. Social unrest and family conflict can impose further costs on policing and social assistance. Housing conditions’ cause and effect are rarely detailed in the SC literature, which constitutes a research gap. New housing design, Upgrading or refurbishment initiatives should also effectively increase well-being, reduce environmental impacts, and ultimately contribute towards positive social and technological developments.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».