Analysis of urban metabolism in an informal settlement using the MuSIASEM method in Lima
Notice bibliographique
Résumé
By 2050, 68% of the global population will reside in cities, driving rapid urban growth and intensifying demand for scarce ecological resources within the Water-Food-Energy nexus. Social metabolism quantifies energy and material transformations with a social focus, building upon urban metabolism. Its application in resource-scarce informal settlements (ISs) has the potential to enhance their sustainability significantly. As community dynamics evolve, acknowledging society as a dynamic variable within this framework becomes increasingly relevant. Our study employs the Multi-Scale Integrated Analysis of Societal and Ecosystem Metabolism (MuSIASEM) framework, focusing on key variables: human activity, land use, money, energy, water, waste, and food. Based on surveys, interviews, GIS datasets, and statistical information, the study investigates the Ciudad de Gosen IS in Lima, Peru. The results show that, in the socio-economic dimension, 43% of the time employed is directed to the unpaid work sector. Notably, 71% of women and 29% of men spend a mean of 44 h/week/person caring for children or elderly. In the paid work sector, there are gender asymmetries; men have a salary 54% higher than women. In the ecological dimension, more than 78% of the homes have access to basic services, unlike other informal settlements in Latin America and Africa. © 2024 The Authors
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».