MétaCan
Menu
Retour à la cohorte
Enregistrement W4417293026 · doi:10.2478/bjreecm-2025-0013

Age-Friendly Housing Design: Principles and Considerations for Social Housing Development

2025· article· en· W4417293026 sur OpenAlexaff
Rashmi Jaymin Sanchaniya, Antra Kundziņa

Notice bibliographique

RevueBaltic Journal of Real Estate Economics and Construction Management · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSustainabilityPublic housingContext (archaeology)RetrofittingAffordable housingSocial sustainabilityLatvian

Résumé

récupéré en direct d'OpenAlex

Abstract This study examines the principles and considerations for age-friendly housing design in social housing development. Through a comprehensive literature review and content analysis of design guidelines from various countries and organisations, the research identifies core principles of age-friendly housing design, including accessibility, safety, comfort, and social integration. The study also explores specific design considerations for interior and exterior spaces, as well as the integration of technology to support independent living. Implementation challenges, such as cost considerations and retrofitting existing properties, are discussed alongside case studies of successful age-friendly social housing projects. The findings highlight the importance of adopting a holistic approach to age-friendly housing design that addresses the diverse needs of older adults while promoting sustainability and community integration. The study concludes with recommendations for implementing age-friendly design principles in the Latvian context and suggests areas for future research. The research contributes to the growing body of knowledge on age-friendly environments and provides practical insights for policymakers, urban planners, and housing developers involved in creating inclusive and supportive living spaces for aging populations.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,005
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,283
Écart entre enseignants0,246 · 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
GenreMéthodes

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 revueBaltic Journal of Real Estate Economics and Construction ManagementMême sujetTechnology Use by Older AdultsTravaux en français237 207