MétaCan
Menu
Retour à la cohorte
Enregistrement W4323543176 · doi:10.1016/j.heliyon.2023.e14347

Development and application of an integrated smart city model

2023· article· en· W4323543176 sur OpenAlexaffabout
Azzam Abu-Rayash, İbrahim Dinçer

Notice bibliographique

RevueHeliyon · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésWeightingSustainabilityIndex (typography)Corporate governanceMultidisciplinary approachScheme (mathematics)Regional scienceEnvironmental economicsGeographyComputer scienceSociologyMathematicsMedicineEconomicsManagementSocial science

Résumé

récupéré en direct d'OpenAlex

This study presents an innovative integrated approach for smart cities, aimed at promoting environmentally sustainable economies through novel technological and socio-economic transitions. The proposed model determines the smart city index (SCI) by aggregating 32 distinct performance indicators that significantly transform the environment, economy, energy, social, governance, and transportation sectors. This model is inherently multidisciplinary and is methodologically processed using multi-criteria decision analysis, which is aggregated using four distinct weighting schemes. The model results reveal that based on the equal weighting scheme, Sydney emerges as the city with the highest SCI score of 0.72, whereas Lima is identified as the city with the lowest SCI score of 0.26. On the other hand, based on the sustainability triad scheme, Toronto tops the list with an SCI score of 0.77, whereas Abuja scores the lowest with an SCI score of 0.31. Interestingly, Toronto, Vancouver, and Montreal continue to maintain their position among the top 5 cities across all three schemes: equal weighting, sustainability triad, and energy-focused schemes. Furthermore, the energy-focused scheme identifies Montreal as the top-performing city, scoring 0.7, followed by Oshawa at 0.67, and four Canadian cities top the SCI scores in this scheme. In contrast, Lima still remains at the bottom of the list with an SCI score of 0.27. Finally, based on a smart health-focused scheme, Sydney, Osaka, and Hämeenlinna rank highest in SCI scores. Overall, the proposed approach and model provide valuable insights and guidelines for policy-makers and urban planners to design and implement smart city initiatives that can significantly enhance sustainable development and improve quality of life in urban settings.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,020
Tête enseignante GPT0,221
Écart entre enseignants0,201 · 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'étudeSimulation ou modélisation
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

Citations18
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetSmart Cities and TechnologiesTravaux en français237 207