Digitizing the physical prey: A Lotka–Volterra model for knowledge-driven meltdowns in urban building usage
Notice bibliographique
Résumé
This paper proposes and validates a Lotka–Volterra (LV) meltdown model to explore how digital predation—fueled by occupant knowledge—systematically reduces or “consumes” industrial, office, retail, and housing footprints. In contrast to static land-use frameworks, intangible usage acts as a “predator” expanding at the expense of physical “prey” whenever occupant skills surpass key thresholds. By embedding meltdown fractions with structural anchoring, digital readiness, and vacancy, we capture the concurrent erosion of physical functions and the rise of intangible domains. We calibrate the model using 125 years (1900–2025) of data spanning four major usage categories, showing how occupant knowledge explains historical shifts—such as the collapse of industrial footprints or partial contractions in retail—once tasks migrate online. Forward scenarios to 2100 suggest near-elimination of Industrial usage, severe Retail retrenchment, modest Office reductions, and a stable Housing share. Crucially, partial reallocation accommodates historical building conversions (e.g., repurposed factories) and intangible migrations, demonstrating that digital saturation can drive meltdown flows fully online after mid-century. Although intangible usage never forms a universal “monolith”—thanks to intrinsic model decay—knowledge-driven digitization may drastically accelerate meltdown unless on-site distinctiveness or policy interventions sustain physical categories. By casting occupant knowledge in a Lotka–Volterra predator–prey framework, this study offers a novel lens to interpret and project the fate of physical building stocks amid intensifying digital transformation. • Adapt predator–prey logic to occupant knowledge dissolving building footprints. • Digital readiness triggers meltdown in Industrial, Retail, and Office footprints. • 125-year data reveals occupant tasks vanish once digital thresholds are exceeded. • Gravity-based partial reallocation generates reuse or intangible expansions. • Future scenarios project near-elimination of categories by 2100 if meltdown persists.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».