Banlieues régénérées : la conception algorithmique par données géospatiales comme démarche architecturale permettant de favoriser un développement écologique des zones suburbaines en Amérique du Nord
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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 Study de Nicholas de Monchaux et À louer : tous les centres commerciaux du boulevard Taschereau par 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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 découle