MétaCan
Menu
Retour à la cohorte
Enregistrement W4411164901 · doi:10.1016/j.landusepol.2025.107643

Innovative planning for sustainable development: A win-win approach through conversion of negative into positive externalities

2025· article· en· W4411164901 sur OpenAlexaff
Lawrence W.C. Lai, Frank T. Lorne, Stephen Davies, Kwok‐wing Chau

Notice bibliographique

RevueLand Use Policy · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Planning and Valuation
Établissements canadiensNew York Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésExternalitySustainable developmentBusinessWin-win gameEnvironmental economicsIndustrial organizationEnvironmental planningEconomicsMicroeconomicsPolitical scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Predicated on the theoretical foundations of Coasian and Schumpeterian economics, this analytical work adopts a broad view of planning as resource management. It involves the zoning of land or sea with an aim to contribute to sustainability by justifying a micro policy model of sustainable development, unambiguously defined as win-win development via technological and institutional innovations. The paper positions a micro model within the literature on the win-win approach to sustainable development, and clarifies the economic relationship between transaction cost reduction and sustainable development. The paper elucidates the relevance of planning policies to sustainable development through successful innovations in production, explains the general economic role of town planning as a matter of public policies that address boundary-specific and cross-boundary issues in promoting sustainable development, and presents some specific planning policies that reduce transaction costs and promote sustainable development. The prospect of planning for sustainable development is discussed.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,014
Communication savante0,0080,007
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,032
Tête enseignante GPT0,305
Écart entre enseignants0,273 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLand Use PolicyMême sujetUrban Planning and ValuationTravaux en français237 207