MétaCan
Menu
Retour à la cohorte
Enregistrement W4220700837 · doi:10.5539/jsd.v15n3p46

Saudi Vision 2030: Applying a Sustainable Smart Techno-Cultural Assessment Method to Evaluate Museums’ Performance Post-COVID-19

2022· article· en· W4220700837 sur OpenAlexvenueno aff
Khogali Hind

Notice bibliographique

RevueJournal of Sustainable Development · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCultural heritageSustainabilityCoronavirus disease 2019 (COVID-19)Tourism2019-20 coronavirus outbreakWorld heritageSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)GeographyBusinessPolitical scienceArchaeologyMedicineEcology

Résumé

récupéré en direct d'OpenAlex

UNESCO has defined world cultural heritage as either tangible or intangible cultural heritage. Saudi Vision 2030 strategies is the Culture of Community and Dynamic Supportive Environment, which supports the national identity, maintains the museums, and encourages tourism. This research aimed to assess museums’ performance in four focus areas (sustainability, smart solutions, techno-cultural solutions, and health procedures) during the post-COVID-19 period in Riyadh city. The method consisted of a survey distributed during 04/2021 to stakeholders at the University in two sample case studies: Al Masmak Fort Museum and Riyadh National Museum. The main research aspects of the two samples were compared. The results are average results from survey records and respondents’ responses to survey questions between RNM and MFM to each category: sustainable access (31%) material (31%) water efficiency (29.5%) energy efficiency (32%) smart solutions (31%) and techno-cultural solutions (33%). The health procedures (50.5%) in Table 2. The improvement will be reflected in more advanced and innovative solutions for the museum buildings. could be applied to museum buildings locally and internationally.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,458
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,332
Écart entre enseignants0,296 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetConservation Techniques and StudiesTravaux en français237 207