MétaCan
Menu
Retour à la cohorte
Enregistrement W4392109944 · doi:10.1177/00961442241227130

A Room in the Film Capital: The Social Economy of Lodging and Urban Change in Hollywood during the 1930s

2024· article· en· W4392109944 sur OpenAlexaff
F. R. Bode

Notice bibliographique

RevueJournal of Urban History · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCinema and Media Studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésHollywoodCapital (architecture)Social capitalEconomicsEconomic geographyEconomyMarket economySociologyHistorySocial scienceArtVisual artsArt history

Résumé

récupéré en direct d'OpenAlex

In Central Hollywood, during the 1930s, population became denser, housing values declined, and rooming houses increasingly defined much of the neighborhood. The lodging population was mostly white and native-born (but with significant Asian minorities), young, transient, and maritally unattached. They constituted a working class that was often precariously employed in the entertainment industry, the service sector, and other unskilled or semi-skilled occupations. The rooming houses and residential hotels provided the possibility of housing for the unemployed, the poorly paid, the temporary resident, and the elderly. Lodgers formed part of a socially diverse population in a neighborhood that offered opportunities for employment, services, and entertainment, usually within walking distance. During a decade when migration to Los Angeles was still considerable, rooming houses provided a flexibility in housing possibilities that would decline after the Second World War.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,597
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,215
Écart entre enseignants0,183 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Urban HistoryMême sujetCinema and Media StudiesTravaux en français237 207