MétaCan
Menu
Retour à la cohorte
Enregistrement W4392909291 · doi:10.32920/25417408.v1

A Framework for Advancing Community Benefits Within the Golden Mile

2024· preprint· en· W4392909291 sur OpenAlexaffabout
Alexander Gambin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésStakeholderBusinessLeverage (statistics)MileLast mile (transportation)Neighbourhood (mathematics)Variety (cybernetics)Value propositionPublic relationsMarketingEnvironmental planningPolitical scienceGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

The creation of the Secondary Plan for the Golden Mile neighbourhood in Scarborough, Ontario and the construction of the Eglinton Light Rail Transit (LRT) system have sparked the potential for further development and growth. To leverage the anticipated changes being proposed in their neighbourhood, community members within the Golden Mile should enter into a Community Benefit Agreements with the respective developers to secure a wide variety of resources that may be shared by all. Building uponthe existingCommunityBenefitsFrameworkthat hasbeencreated by local non-profit organizations, this Major Research Paper (MRP) seeks to assist residents so that they may achieve their targets and goal. To support these efforts, a list of possible benefits that could be negotiated within a CBA was identified within three broad categories: addressing the need for affordable housing; building sustainable communities; and creating socio-economic opportunities for residents. Transforming recommendations into actual benefits can only be achieved by promoting collaborative efforts with other stakeholders, by mutual understanding and learning of each stakeholder’s respective position, and by creating value so that everyone involved may gain from the provisions of such benefits.

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)0,027
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0160,052
Communication savante0,0210,016
Science ouverte0,0040,022
Intégrité de la recherche0,0110,008
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,096
Tête enseignante GPT0,373
Écart entre enseignants0,277 · 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'étudeThéorique ou conceptuel
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'admission2
Résumé présentoui

Explorer davantage

Même sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207