MétaCan
Menu
Retour à la cohorte
Enregistrement W4382394965 · doi:10.32920/23593239

A Thick Green Line: Extracting Public Space from Infrastructure

2023· preprint· en· W4382394965 sur OpenAlexaboutno aff
Cheryl Atkinson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueUrban Design and Spatial Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAmenityPublic spacePedestrianDowntownGeographyRealmPopulationSpace (punctuation)Urban sprawlTransport engineeringUrban designArchitectural engineeringRegional scienceUrban planningCivil engineeringCartographyEngineeringSociologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

<p>The speed and intensity of the current residential high-rise development of Toronto’s downtown core is unprecedented in North America. While this new population has significantly rejuvenated the street life and economy of this area, the public space to support it remains severely inadequate in quality, extent, and connectivity. This design proposal looks at the opportunities available to extract new public domain from existing remnant infrastructure within the historic core. By analyzing the urban design history of this area, and current pedestrian and traffic patterns, a new intervention is proposed that re-allocates space from cars to people. This proposal creates new amenity space and links a number of vestigial and derelict historic public squares into a larger comprehensive system. The proposed linear park establishes a needed cultural, civic, and community focus and encourages walking and cycling for this live-work population. The design is made present by a hyper-articulation of its horizontal surface—a repetitive and continuous paving with a memorable pattern and form. This strategy is a pragmatic but aggressive approach that recognizes the criticality of extracting a pedestrian realm within the emerging hyper-density of this particular car-oriented city. It makes use of available historic patterns, and existing redundant traffic infrastructure, to create place, meaning, and amenity.</p> <p> </p>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,793
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,035
Tête enseignante GPT0,230
Écart entre enseignants0,195 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Design and Spatial AnalysisTravaux en français237 207