MétaCan
Menu
Retour à la cohorte
Enregistrement W6991649881

Housing preferences and the image of inner city neighbourhoods in Budapest

2009· article· en· W6991649881 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePlace Attachment and Urban Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeighbourhood (mathematics)Inner cityQuarter (Canadian coin)Real estateHousing estateEstatePlace attachment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The study presents an analysis of inner-city neighbourhoods of Budapest. The major findings are as follows: (1) The real estate prices increased in all parts of the inner-city in the last decade but the rate of change was varied. The most deteriorated quarters rapidly developed because of the reconstructions and the new constructions, however the highest prices are still recorded in the traditionally most prestigious neighbourhoods. (2) The social structure of the inner city signifi cantly changed. The new inhabitants – who moved to the inner city after 2000 – are younger, more educated than the traditional inhabitants who did not leave the inner-city after 1990. The reasons for moving into the inner-city are different in the two groups. The location became the most important factor, and some special quarter related reasons emerged (good reputation). (3) The inhabitant’s views about the inner-city also transformed, mainly because the housing preferences of the old and new inhabitants are different. The older inhabitants have a more critical attitude toward the inner-city than the new ones. The family house in the suburban greenbelt is their most preferred housing type. The satisfaction with the neighbourhoods depends on mostly the condition of buildings and the new functions of the quarters. The emergence of different social groups in the neighbourhood is already perceived by the local population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,238
Tête enseignante GPT0,559
Écart entre enseignants0,321 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetPlace Attachment and Urban StudiesTravaux en français237 207