A study on the reasons for the rapid price increase in the housing market in türkiye
Notice bibliographique
Résumé
Türkiye’de son yıllarda konut fiyatlarında hızlı bir yükseliş trendi görülmektedir. Konut fiyatlarındaki hızlı artışın nedenleriyle ilgili birçok yorum yapılmaktadır. Barınmanın temel insani ihtiyaçlardan biri olması nedeniyle önemli bir konu olduğu bilinmektedir. Çalışma konut fiyatlarındaki hızlı yükselişin temel nedenlerini bilimsel olarak ortaya çıkarmayı amaçlamaktadır. Covid-19 salgın tedbirlerinin gevşetilmesinin ardından hızla artmaya başlayan konut fiyatlarının tek nedeni yabancıların Türkiye’de konut alması mıdır? Başka etkenler var mıdır? Konut fiyatlarını artıran başka etkenler varsa bunlar nelerdir? Sorularına bu makalede cevap bulunmaya çalışılmıştır. Yapılan çalışma göstermiştir ki konut fiyatlarını artıran yabancıların konut alımından başka etkenler de bulunmaktadır. Konut talebindeki artış, demografik yapıdaki değişim, inşaat maliyetlerindeki artış, konut finansman politikalarındaki değişim gibi farklı etkenlerin de konut fiyatlarının artmasında önemli rol oynadıkları görülmektedir.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».