MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390942978 · doi:10.35483/acsa.am.110.86

Mixing Metabolisms: New People in Aging Sprawl

2022· article· en· W4390942978 sur OpenAlexaboutno aff
Lawrence B. Davis

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrban sprawlEthnic groupImmigrationHuman settlementEconomic geographySettlement (finance)Built environmentPolitical scienceGeographyUrban planningEconomic growthSociologyBusinessEngineeringCivil engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

The historically white postwar suburbs of the United States and Canada are now the first destination for new residents from abroad. Because they are relatively safe, affordable, and, as they became ethnic enclaves, culturally familiar, these peripheral communities, have gradually replaced the center city as the desired landing place for new arrivals. Using scholarly and popular literature with empirical field observation, this paper examines a set of aging postwar suburbs in California and one in Arizona to illustrate the largely positive effects of such immigration. In addition to an injection of diverse and energized cultures, the changes can point towards a set of materially strategic options for renewing all aging low density-built environments. Such cultural shifts are an opportunity to imagine a socially healthy, though repurposed, and spatially altered, future for all aging urban peripheries. Finally, regarding the development of a productive architectural and urban discourse on the subject, it is vital to note that the current nascent transformation in aging postwar environments is common to that of many cities and settlements throughout history. More specific to the case of renewal of postwar sprawl with its’ increase in the density of social interaction, the current ethnic changes to the settlement pattern often make the largely private built environments of Anglo-American suburbs more “urban” and in the process reveal a more nuanced definition of this term.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,008
Communication savante0,0060,006
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,293
Écart entre enseignants0,267 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMigration, Ethnicity, and Economy→Travaux en français237 207→