MétaCan
Menu
Retour à la cohorte
Enregistrement W4385985472 · doi:10.1080/02723638.2023.2246846

“Art district without artists”: urban redevelopment through industrial heritage renovation and the gentrification of industrial neighborhoods in China

2023· article· en· W4385985472 sur OpenAlexaff
Chen Yang, Zhu Qian

Notice bibliographique

RevueUrban Geography · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGentrificationRedevelopmentChinaIndustrial heritageState (computer science)DeindustrializationApartmentWork (physics)UrbanismSociologyEconomyEconomic growthCultural heritagePolitical scienceEconomic geographyGeographyLawEconomicsCultural heritage managementEngineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

China’s shift from a socialist to a market economy has resulted in deindustrialization and the emergence of industrial heritage. Despite extensive research on state-led (re)development, limited knowledge exists on the changing role of state work-units (SWUs). Based on the case of Dahua 1935, the research reveals how the top-down production of art districts reshapes traditional work-unit urbanism. It also offers new insights into the gentrification of industrial neighborhoods under the combined forces of the state, SWUs, and private developers. The research finds that the gentrification of industrial neighborhoods cannot be fully captured by either art/artist-led gentrification or state-led gentrification. The changing role of Dahua company from a social provider in pre-reform China to an entrepreneurial and predatory organization in post-reform China has contributed to the remarkable urban transformation. The tension between socialist legacies and capitalist modes of urban (re)development poses a challenge to sustainable industrial heritage-led redevelopment in China.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,043
Tête enseignante GPT0,270
Écart entre enseignants0,227 · 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'étudeQualitatif
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

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban GeographyMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207