MétaCan
Menu
Retour à la cohorte
Enregistrement W4238075792 · doi:10.24306/traesop.2021.01.004

Imagining the City of Tomorrow Through Foresight and Innovative Design

2021· article· en· W4238075792 sur OpenAlexaffabout
Nicolas Lavoie, Christophe Abrassart, Franck Scherrer

Notice bibliographique

RevueTransactions of the Association of European Schools of Planning · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésFutures studiesScope (computer science)PlannerProcess (computing)Urban planningUrban designSociologyManagement scienceEngineeringComputer scienceCivil engineering

Résumé

récupéré en direct d'OpenAlex

Ecological and digital transitions alongside concerns over social inequalities have signalled the advent of complex new challenges for contemporary cities. These challenges raise issues pertaining to the dynamic capability of urban planners: more specifically, their ability to revise their tools and planning routines in urban projects. New paradigms of collective action for the transition towards innovative cities have been developed in large organisations. European companies, especially in public transportation, have developed such tools based on innovative design theories. One of these methodological tools, the Definition-Knowledge-Concept-Proposition (DKCP) process, was used to generate a new range of planning options for an urban district in Montreal, Canada. For many municipal organisations, the formulation of innovative ideas only concerns one stage of the process, represented by the ‘P’ phase. However, innovative routines should rather include the earlier phases of identifying the scope of possible innovations, the search for intriguing knowledge and disruptive design activities. The desire to tackle the complex challenges of 21st century cities has led to a new professional identity: the ‘innovative urban planner’.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,041
Tête enseignante GPT0,250
Écart entre enseignants0,208 · 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'étudeObservationnel
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransactions of the Association of European Schools of PlanningMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207