Smart Growth and the Future of Commercial Space in the Greater Golden Horseshoe Area
Notice bibliographique
Résumé
<p>For a decade and a half, the Greater Golden Horseshoe Area (GGHA) in Ontario, Canada has been undergoing dramatic changes due to provincial smart growth legislation that encouraged high density mixed-use development. For developers of commercial real-estate this has been problematic since commercial mixed-use is not as well understood in comparison with single use commercial properties that have well defined categories and subcategories. Many in the industry have also called into question the wisdom of adding large amounts of new commercial space in mixed-use developments at a time when E-commerce is growing rapidly and contributing to uncertainty about what commercial space demand will look like in the future. </p> <p>Analysis of a property assessment database of 992 commercial mixed-use properties across the GGHA using k-means cluster analysis reveals that commercial mixed-use properties can be divided into 12 distinct clusters or categories. A Delphi survey conducted in 2018 with a panel of 22 experts from various commercial real estate and urban planning backgrounds showed that while E-commerce in nine commercial NAICS categories was expected to grow an average of 137% over the next twenty years, the effect on demand for per capita commercial space was only forecasted to decline by 16% over the same time period. When the per capita commercial space forecast was applied to 20-year population forecasts, this showed that a very moderate amount of new commercial space would be required in the GGHA by 2041. These findings are discussed in the context of both policy guidance implications as well as the COVID-19 pandemic that has raised additional questions about the growth of E-commerce and raises new areas for future research as well as a need for continued research on the topics investigated here. </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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».