MétaCan
Menu
Retour à la cohorte
Enregistrement W7118179618 · doi:10.13060/23362839.2025.12.2.592

‘You Can Touch the Bricks’: The role of Asset Tangibility in Landlord Investment Decision Making

2025· article· W7118179618 sur OpenAlexaboutno aff
Andrew Watson

Notice bibliographique

RevueCritical Housing Analysis · 2025
Typearticle
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Glasgow
Mots-clésLandlordInvestment (military)Asset (computer security)Salience (neuroscience)WelfarePerception

Résumé

récupéré en direct d'OpenAlex

For three decades, Private Rented Sector (PRS) growth has been driven by part-time, small-scale, profit-seeking landlords in several Western nations. While the characteristics and motivations of these landlords have been examined in some geographies, far less is known about their investment decision-making, particularly their reasons for choosing the PRS over alternative investment options. This matters because these decisions shape the sector’s growth and tenant welfare. The study begins to address this gap by exploring the role of asset tangibility in landlord investment decisions, drawing on research from other investment domains. A mixed methods study was conducted, comprising an online survey of 1,033 Scottish landlords and follow-up interviews with 33 landlords and PRS professionals. Findings suggest that some landlords exhibit a bias towards the ‘bricks and mortar’ tangibility of PRS investment, which shapes risk perceptions and aspects of their investment decision-making. The findings have several implications. For landlords, there are concerns around investment efficacy; for policymakers, questions about landlord financial literacy; and for tenants, risks to their welfare from landlord decision-making. While the findings are not directly transferable, they are likely to have salience in other nations with established PRSs, including Australia, Canada, the United States, and parts of Europe.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,286
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,263 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Housing AnalysisMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207