MétaCan
Menu
Retour à la cohorte
Enregistrement W7087579901 · doi:10.7202/1118933ar

Together we make the neighbourhood

2024· article· en· W7087579901 sur OpenAlexvenueno aff

Notice bibliographique

RevueSens public · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommonsGrassrootsNeighbourhood (mathematics)AppropriationPoliticsSocial spaceSpace (punctuation)Social relationQualitative research

Résumé

récupéré en direct d'OpenAlex

A network of various self-managed community spaces played a crucial role in the citizen-led response to the social crisis during the first months of the COVID-19 crisis in the most vulnerable neighbourhoods in the periphery of Madrid. Nevertheless, such community spaces are under a precarious situation due to recurrent threats of closure from different administrations. It is therefore crucial to make visible the importance posed by such spaces in the construction of more resilient, equitable, and caring neighbourhoods. To that end, we propose the definition of a theoretical model of critical placemaking to understand how such grassroots practices are underlaid by a collective project of neighbourhood. The research fills the gap within different theories of placemaking, social innovation, and urban commons to establish a model based on the three axes: community, space, and political project. The study draws from the notions of relational place and civic engagement, together with models of space appropriation and social innovation theory. The theoretical model is contrasted with the qualitative research of the cases of social centres La Villana de Vallekas and Eko de Carabanchel . The results suggest an emergent city model at the neighbourhood scale of proximity self-managed citizen-led infrastructure that configures a resilient network against systemic and external threats.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,010
Communication savante0,0120,010
Science ouverte0,0010,016
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0610,017

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 Opus0,034
Tête enseignante GPT0,237
Écart entre enseignants0,203 · 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'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSens publicMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207