Creating people-friendly cities
Notice bibliographique
Résumé
What are our needs for happiness? We need to walk, just as birds need to fly. We need to be around other people. We need beauty. We need contact with nature. And most of all, we need not to be excluded. We need to feel some sort of equality. Enrique Penalosa, former mayor of Bogota, UN World Urban Forum, Vancouver, 22 June 2006 Introduction Not many urban leaders rush to proclaim that their city is unfriendly to people. A potential problem with the phrase ‘people-friendly city’ is, then, that, in and of itself, it signifies relatively little. Everyone can sign up to it. The discussion that follows attempts to move beyond bland claims, and identify the main building blocks that might be expected to feature in practical strategies designed to create people-friendly cities. A quotation from William Shakespeare's Coriolanus was used at the beginning of Chapter 7 to highlight the importance of people in any sensible discussion of the city. Sicinius Velutus asks: ‘What is the city but the people?’ This famous dictum provided the prelude to a chapter focussed on the nature of democratic urban governance, and alternative ways of strengthening citizen power in the city. In this chapter we again focus on people and we will, again, refer to the vital importance of citizens having a central role in the decision-making processes that shape the urban environment and local life chances. However, our focus this time will be less on the process of democratic decision-making and more on the substantive outcomes effective place-based leadership aims to deliver. A central theme that will emerge is that, to deserve the name, people-friendly cities have to be inclusive cities. Our starting point is human happiness. The literature on happiness, and the idea of developing public policies that promote happiness, has expanded in recent years (Ben-Shahar 2008; Layard 2011; Montgomery 2013). There are several strands here – some relating to personal growth and development, some relating to public policy and some relating to both. In relation to public policy we can note that there is growing pressure to reconsider what we actually mean by improvements in ‘living standards’ (Sen 1984).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,041 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».