MétaCan
Menu
Retour à la cohorte
Enregistrement W4408681531 · doi:10.5539/jsd.v18n2p85

Urban Sprawl in Sub-Saharan Africa: A Case Study of the Greater Kumasi Metropolitan Area, Ghana

2025· article· en· W4408681531 sur OpenAlexvenueno aff
Gabriel Fordjour, Jerry Anthony

Notice bibliographique

RevueJournal of Sustainable Development · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrban sprawlMetropolitan areaGeographySocioeconomicsEnvironmental protectionEnvironmental planningEconomic growthUrban planningEconomicsArchaeologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

A key characteristic of urban form in the global North, especially in Northern America and Australia, is urban sprawl. Global South cities have been expanding rapidly since the 1990s and feature urban sprawl. Some defining characteristics of urban sprawl are low density development, widely separate land uses, and high dependency on automobiles with limited multi-modal accessibility. In this paper, we present the causes and effects of urban sprawl in Ghana, policies adopted by Ghanaian cities to manage urban sprawl, and how these strategies could be improved. We find that local governments in Ghanaian cities, especially Greater Accra Metropolitan Area and Graeter Kumasi Metropolitan Area, have not implemented any real, effective strategies to curb urban sprawl; instead, they have focused their efforts on providing essential infrastructure services. The only measure that many Ghanaian local governments have implemented is the reduction of the minimum permissible lot size for houses. Based on a systematic review of existing studies to identify the causes and effects of urban sprawl, and of best practices used by cities to combat it, we suggest a few practical measures employed in other countries be used in the Ghanian context.

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 enseignants0,070
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,275
Écart entre enseignants0,245 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetUrban and Rural Development ChallengesTravaux en français237 207