MétaCan
Menu
Retour à la cohorte
Enregistrement W4320150978 · doi:10.55365/1923.x2022.20.72

Estimation of Transport and Functional Convenience of Assessment Areas During the Regulatory Monetary Valuation of Land Plots In Cities

2022· article· en· W4320150978 sur OpenAlexvenueno aff
Іryna Kоshkalda, Liudmyla Bezuhla, Olena Trehub, Kseniia Bliumska-Danko, Liudmyla Bondarenko

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Sustainability and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValuation (finance)NormativeLand useEconomicsAgricultural landIncentiveNatural resource economicsBusinessMicroeconomicsEcologyFinance

Résumé

récupéré en direct d'OpenAlex

Normative monetary valuation of land is used to calculate the amount of land tax, state duty on mines, inheritance and donation of land according to the law, rent for land of state and communal ownership, losses of agricultural and forestry production, as well as developing indicators and mechanisms of economic incentives for the rational use and protection of land.The method of this indicator calculating was changed at the legislative level in 2021, but it is not perfect, as it does not contain a clear algorithm for consideration of all factors, including transport and functional convenience, on land value indicators in cities.There are no recommendations on the selection of evaluation factors, no the list of indicators, any procedure for calculating and interpreting the results and their application in calculating the normative monetary valuation of land, which became the basis for this study.The purpose of the study is to improve the approach to assessing and consideration the factors of transport and functional convenience during the regulatory monetary valuation of land in cities.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,194
Écart entre enseignants0,185 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetEnvironmental Sustainability and TechnologyTravaux en français237 207