MétaCan
Menu
Retour à la cohorte
Enregistrement W4400202542 · doi:10.1108/dprg-10-2023-0150

5G and urban amenity: regulatory trends and local government responses around small cell deployment

2024· article· en· W4400202542 sur OpenAlexaff
James Meese, Kieran Hegarty, Rowan Wilken, Fan Yang, Catherine A. Middleton

Notice bibliographique

RevueDigital Policy Regulation and Governance · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAmenitySoftware deploymentContext (archaeology)Government (linguistics)BusinessLegislationPublic administrationRegional sciencePolitical scienceEngineeringGeographyFinance

Résumé

récupéré en direct d'OpenAlex

Purpose As part of the 5G rollout, small cell base stations will be deployed across cities. This paper aims to identify an international effort to remove regulatory barriers around deployment and outline emerging strategies Australian local governments are developing to ensure urban amenity in a deregulatory context. Design/methodology/approach This paper analyses existing legislation, policy frameworks and grey literature and has conducted eight interviews with participants from the local government sector. Findings This paper identifies a global deregulatory trend around small cell deployment and that councils are trying to renegotiate their relationship with telecommunications carriers as 5G is rolled out. Three strategies are identified: the design and installation of smart poles, network sharing and partnerships. Originality/value This research contributes to scholarship focused on the 5G rollout and offers one of the first accounts of the emerging tensions between regulatory frameworks, commercial imperatives and municipal authorities, identifying urban amenity as a key area of concern.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,006
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,234 · 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'étudeQualitatif
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Policy Regulation and GovernanceMême sujetDigital Economy and Work TransformationTravaux en français237 207