MétaCan
Menu
Retour à la cohorte
Enregistrement W4252293654 · doi:10.32920/ryerson.14644998.v1

Generating Community Benefit From New Development: What’s in it for Parkdale?

2021· preprint· en· W4252293654 sur OpenAlexaffabout
Matthew Zentner

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAffordable housingGentrificationZoningNeighbourhood (mathematics)Urban policyPolicy developmentBusinessCommunity developmentProperty valueEconomic growthPublic administrationPolitical scienceEnvironmental planningPublic economicsPublic relationsRegional scienceUrban planningSociologyReal estateEconomicsGeographyFinanceEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

Rapidly rising property values and shifts in living patterns have led to housing affordability pressures and gentrification in the Toronto neighbourhood of Parkdale. As a result, community groups are looking to find ways to preserve housing affordability through the creation of new housing units. This paper analyses policy tools that could potentially be used to generate affordable housing from new development. An understanding of current conditions was established and potential policy tools were identified. These include: inclusionary zoning, density benefit agreements, community benefit agreements, and community land trusts. A jurisdictional scan identified common themes and best practices for implementation of these policy tools. Interviews with key informants built upon this basis and provided insight into the applicability of these tools to Toronto. Recommendations were developed to assist community groups in responding to the implementation of these policies and to direct advocacy for further policy changes.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,602

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,008
Communication savante0,0090,010
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,172
Tête enseignante GPT0,289
Écart entre enseignants0,117 · 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'étudeQualitatif
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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCommunity Development and Social ImpactTravaux en français237 207