MétaCan
Menu
Retour à la cohorte
Enregistrement W4400515007 · doi:10.56409/kreis.2024.7.1.45

A Study on the Difference Analysis of Residential Satisfaction of the Military Personnel between the MZ generation and the older generation

2024· article· en· W4400515007 sur OpenAlexaboutno aff
Youngho Nho, Seunghee Kim

Notice bibliographique

RevueKOREA REAL ESTATE INDUSTRY SOCIETY · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Topics in Contemporary Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFirst generationLaundryThird generationQuarter (Canadian coin)PsychologyEngineeringGerontologyBusinessPolitical scienceMedicineEnvironmental healthGeographyTelecommunicationsLaw

Résumé

récupéré en direct d'OpenAlex

The survey was conducted on 842 professional soldiers working in the Army Capital Corps, and soldiers living in BOQ(Bachelor Officers Quarter) were divided into MZ-generation soldiers and older-generation soldiers. First, in terms of accessibility and community factors, the MZ generation tended to have fewer complaints than the older generation. This reflects the characteristics of the 'digital nomad' MZ generation. Second, the two-track policy that discriminates against married and unmarried executives should be improved. Third, it is necessary to promote a policy of customized support for military housing for the MZ generation. Due to the nature of the MZ generation, which likes to live alone in a space, it seems necessary to expand personal space and integrate common facilities such as washing machines and dryers. Fourth, total home care services are needed. For MZ-generation soldiers, it is necessary to support all accommodation cleaning, laundry etc. In the future, the MZ generation will become the main personnel of the military administration, and innovative military housing policies should be reflected in consideration of the characteristics of these MZ generations.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0030,000

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 Opus0,126
Tête enseignante GPT0,365
Écart entre enseignants0,240 · 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'étudeObservationnel
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 revueKOREA REAL ESTATE INDUSTRY SOCIETYMême sujetDiverse Topics in Contemporary ResearchTravaux en français237 207