MétaCan
Menu
Retour à la cohorte
Enregistrement W4220652580 · doi:10.3390/land11040475

An Overview of Fractal Geometry Applied to Urban Planning

2022· article· en· W4220652580 sur OpenAlexafffund
Fatemeh Jahanmiri, Dawn C. Parker

Notice bibliographique

RevueLand · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban Design and Spatial Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFractalUrban planningFractal dimensionContext (archaeology)NormativeComputer scienceCitizen journalismFractal analysisFunction (biology)Regional scienceData scienceGeographySociologyMathematicsPolitical scienceCivil engineeringArchaeologyEngineeringWorld Wide WebLaw

Résumé

récupéré en direct d'OpenAlex

Since computing advances in the last 30 years have allowed automated calculation of fractal dimensions, fractals have been established as ubiquitous signatures of urban form and socioeconomic function. Yet, applications of fractal concepts in urban planning have lagged the evolution of technical analysis methods. Through a narrative literature review around a series of “big questions” and automated bibliometric analysis, we offer a primer on fractal applications in urban planning, targeted to urban scholars and participatory planners. We find that developing evidence demonstrates linkages between urban history, planning context, and urban form and between “ideal” fractal dimension values and urban aesthetics. However, we identify gaps in the literature around findings that directly link planning regulations to fractal patterns, from both positive and normative lenses. We also find an increasing trend of most literature on fractals in planning being published outside of planning. We hypothesize that this trend results from communication gaps between technical analysts and applied planners, and hope that our overview will help to bridge that gap.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,025
Tête enseignante GPT0,244
Écart entre enseignants0,219 · 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'étudeThéorique ou conceptuel
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

Citations55
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLandMême sujetUrban Design and Spatial AnalysisTravaux en français237 207