Expanding Space: Redefining Persian Cultural Hubs in Toronto through Interactive Architecture
Notice bibliographique
Résumé
Persian communities in Toronto use certain \npublic spaces as a group. One of the less obvious, \nbut interesting, spaces that serve as cultural hubs \nfor these communities are strip malls. These cultural- \ncommercial spaces sometimes act as spaces \nfor political protest or cultural gatherings. This \nobserved use of space was the basis of this thesis \nand formed the initial thesis question: “how \ncan we start thinking of the strip mall as a public \ngathering space?” In seeking the answer to this \nquestion, there were challenges to face. The nature \nof strip malls is that they sometimes act as a \npublic space and sometimes as a parking space. \nIn order to expand the public uses of these kinds \nof hubs, space needs to be shared between cars \nand people. This thesis therefore seeks to explore \na dynamic (interactive) architecture that can be \nexpanded based on the different conditions of the \nsite (strip mall). \nThis thesis aims to study and employ three different \nelements to create prototypes that have the \ncapacity to expand limited space in this context: \nthe strip mall’s spatial qualities, deployable techniques \nfor creating a dynamic space, and Persian \nculture. Among several models produced using \ndeployable techniques, two prototypes have \nbeen developed as the most appropriate models \nfor expanding the public space in a Persian context. \nThese are the “Market Shell” and “Gathering \nShell.” When there is a cultural or social occasion \nafter business hours, these shells activate the \nstrip mall through the functional space that they \nprovide. However, during opening hours, these \nshells are deactivated to permit the stores and \nparking area of the strip mall to function.
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) | 0,001 | 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 | 0,001 |
| 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 ».