MétaCan
Menu
← Retour à la cohorte
Enregistrement W7027719792

Defining Quality Planning Outcome Criteria for the City of Calgary

2018· other· en· W7027719792 sur OpenAlexaboutno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2018
Typeother
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutcome (game theory)Quality (philosophy)MEDLINEData collectionContext (archaeology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

How do we define the quality of urban development? What outcomes should good development have? How can our planning processes secure those outcomes? These are the questions that areraised in this research project. Definitions of quality development outcomes can vary between different individuals and situations; however, for a municipality such as the City of Calgary thegoal is to provide a clear direction on what outcomes of development are desirable. To do this requires the adoption of plans and policies that reflect municipal priorities and are at the sametime aligned with standard criteria for quality in urban development. Once criteria are put in place, municipalities can monitor development and evaluate the extent to which developmentoutcomes match these criteria of quality. Using the case of the City of Calgary, this research project provides recommendations on how criteria for the quality of development outcomes canbe set and then applied in the existing planning and regulation process. These recommendations were generated by means of a review of the literature, an analysis of plans, policies, andprocesses, and interviews with City of Calgary planning staff. They provide the City of Calgary with guidelines to consider when designing quality criteria for development outcomes andprocesses for evaluation and monitoring.

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)0,012
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,677

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0140,019
Études des sciences et des technologies0,0030,002
Communication savante0,0100,002
Science ouverte0,0020,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,290
Tête enseignante GPT0,496
Écart entre enseignants0,206 · 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'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
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetEvaluation and Performance Assessment→Travaux en français237 207→