MétaCan
Menu
Retour à la cohorte
Enregistrement W4388183209 · doi:10.5539/jsd.v16n6p55

Spatial Changes in Planning Status and Building Density in Dar es Salaam City, Tanzania

2023· article· en· W4388183209 sur OpenAlexvenueno aff
Robert Kiunsi, Nicholaus Mwageni

Notice bibliographique

RevueJournal of Sustainable Development · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDar es salaamHuman settlementTanzaniaUrban sprawlGeographyConsolidation (business)Urban planningEnvironmental protectionEnvironmental planningCivil engineeringBusinessArchaeologyEngineering

Résumé

récupéré en direct d'OpenAlex

There is abundant information on the extent and changes in coverage of human settlements in Dar es Salaam City, Tanzania but information on changes in building density, building consolidation levels and unbuilt-up or undeveloped areas is limited. The main objective of this research was to establish the planning status and changes in the spatial coverage of settlements, unbuilt areas, number of buildings, building densities and building consolidation levels in Dar es Salaam City between 2007 and 2017. The study deployed a literature review, remote sensing imagery and field verification. The study revealed firstly, that there are three main categories of planning status, two of which are well documented, that is planned and unplanned settlements, and unbuilt areas which are not extensively documented. Between 2012 and 2017, the spatial extent of planned areas remained more or the same, unplanned areas increased and unbuilt-up areas decreased. The city had a total of 367,278 buildings in 2007 and 675,644 in 2017 with an annual growth rate of 8%. The average building density for Dar es Salaam City in 2017 was 4.2 and the highest building density in unplanned areas was 48 buildings/ha while in planned areas, was 22 buildings/ha. The study recommends that concerted efforts are needed to control urban sprawl.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,296
Écart entre enseignants0,265 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetUrban and Rural Development ChallengesTravaux en français237 207