Global Ideologies and Urban Landscapes
Notice bibliographique
Résumé
1. Global Ideologies and Urban Landscapes: Introduction Manfred B. Steger (RMIT University, Professor of Global Studies) and Anne McNevin (RMIT University, Research Fellow) 2. After Neoliberalization? Neil Brenner (New York University, Professor of Sociology and Metropolitan Studies), Jamie Peck (University of British Columbia, Canada Research Chair in Urban and Regional Political Economy) and Nik Theodore (University of Illinois, Chicago, Associate Professor and Director of the Center for Urban Economic Development) 3. Provoking 'globalist Sydney': neoliberal summits and spatial reappropriation James Goodman (University of Technology Sydney, Associate Professor) 4. Toronto's Distillery District: Consumption and Nostalgia in a Post-Industrial Landscape Margaret Kohn (University of Toronto, Associate Professor) 5. Delhi: Global mobilities, identity and the postmodern consumption of place Chris Hudson (RMIT University, Senior Lecturer) 6. Materializing the Metaphors of Global Cities: Singapore and Silicon Valley Terrell Carver (University of Bristol, Professor of Political Theory) 7. Gaming Space: Casinopolitan Globalism from Las Vegas to Macau Timothy W. Luke (Virginia Polytechnic Institute and State University, Distinguished Professor of Political Science) 8. Border Policing and Sovereign Terrain: The Spatial Framing of Unwanted Migration in Australia and Melbourne Anne McNevin (RMIT University, Research Fellow) 9. Hong Kong and Berlin: Alternative Scopic Regimes Michael J Shapiro (University of Hawaii, Professor of Political Science) 10. An Emergent Landscape of Inequality in Southeast Asia: Cementing Socio-Spatial Inequalities in Viet Nam James H. Spencer (University of Hawaii at Manoa, Associate Professor)
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) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».