Heritage Revitalisation Strategy: The Saviour of Petaling Street
Notice bibliographique
Résumé
In revitalising heritage cities, Ross (2024) criticised the dominancy of urban preservation and management in cities that focus more on tangible than intangible heritage. The urban law highlighted that ‘image and identity’ are essential to represent a morphology and tangible and intangible heritage of specific urban avenues. Xiang & Mohamad (2023) unveiled that the front and back of heritage shophouses at Petaling Streets are adaptive usage. Heritage Revitalisation Stragey (HRS) is not new to Canadian, European, Middle Eastern, Chinese and Russian cities, which the tangible and intangible heritage treasures are valued equally in a strategic approach. This study evaluates the existing Heritage Revitalisation Strategy (RS) dedicated for the local authority of Dewan Bandaraya Kuala Lumpur (DBKL) and the Think City in valorising the heritage street of Petaling. Even though various methods were implemented in most heritage streets in Kuala Lumpur which were not successful, therefore a remarkable approach of HRS shall be tested to Petaling Street to groom the public place’s ambience. This research aims to identify the best approach applicable to urban heritage streets globally that is applicable urban heritage streets in Kuala Lumpur. Researchers conducted semi-structured interviews with the heritage manager of Kuala Lumpur City Hall and Think City’s personnel, visual observations, digital photo analysis, and Focus Group Discussion (FGD) with shop owners were applied to establish a balanced strategy between the existing HRS and the Petaling Street’s version. Valorising the intangible and tangible built heritage as daily practices of the local street community as part of the street culture. Still, a proper Heritage Revitalisation Strategy (HRS) is urgently required specifically for our urban heritage street. Understanding this rare strategy for transforming into the street is critical in valorising its value. A proper RS by the DBKL management to further elevate its function as a tourist boosting factor is a catalyst for other avenues.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,012 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».