Banlieues régénérées : la conception algorithmique par données géospatiales comme démarche architecturale permettant de favoriser un développement écologique des zones suburbaines en Amérique du Nord
Notice bibliographique
Résumé
Cet article décrit et évalue la pertinence d’une méthode de conception architecturale : la conception algorithmique par données géospatiales (CADG). Cette méthode est ici proposée comme réponse au problème d’étalement urbain corrélatif au développement immobilier en Amérique du Nord. Les caractéristiques qualitatives, temporelles et organisationnelles de ce développement, telles que décrites par Sanford Kwinter, Daniela Fabricius, Lars Lerup et Rem Koolhaas, permettent de mieux comprendre les causes de l’étalement urbain. L’identification de ces causes ne rend cependant pas plus aisée la mise en place d’interventions architecturales capables de réduire leurs effets. Afin de définir les conditions de telles interventions efficaces, différents outils de conception numérique inhérents à la CADG sont présentés. Deux cas d’étude servent à illustrer leur fonctionnement :Local Code: San Francisco Case Studyde Nicholas de Monchaux etÀ louer : tous les centres commerciaux du boulevard Taschereaupar l’auteur de cet article. L’objectif, à travers cette étude, est de faire valoir la pertinence de la CADG pour optimiser l’utilisation de l’espace urbanisé en tenant compte des phénomènes et dynamiques propres au développement de celui-ci.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».