Notice bibliographique
Résumé
this book on the history of Toronto planning began with what might be called a layman's curiosity.When the subject first entered my mind in the late 1990s, I knew Toronto reasonably well for I had been living in the city for over ten years and visiting friends and family there for many more years than that.But I was no expert in its history or physical form, and by no means was I a Toronto aficionado.Nor was I what academics call an "urbanist," the evolution of cities having been entirely absent from my academic training in history.Yet as I walked and drove the city streets I began to observe, or perhaps more correctly to sense, the ineffable complexity of human endeavour that such a big, old city was, and I found myself wondering, as a historian, how and why its physical form came to be.Why were all those buildings, streets, parks, industrial plants, and shopping areas where they were and as they were?Who or what made them so and by what means?Why such questions began pervading my thoughts, I cannot say.Nothing in my background led me to ask them -let alone equipped me to answer them.Perhaps I had been just breathing the local air, for matters such as the merits of residential densities and the complexities of the land-use/transportation nexus seem to be a part of everyday discourse in Toronto, even among those who know little about them.Whatever the reason, I was hooked.Fortunately, I had friends and colleagues who could offer guidance, and I soon embarked on a program of historical research for the Neptis Foundation
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,539 | 0,259 |
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 ».