Learning by Doing in Architectural Education: From Urban Design to Architectural Design, Yenikapı-İnebey Case Study
Bibliographic record
Abstract
Bu makalede, İstanbul Kültür Üniversitesi Mimarlık Bölümünden 74 lisans öğrencisinin katıldığı ve mimarlık öğrencilerinin kentsel ölçekteki verileri yaparak öğrenme sürecinde tasarımlarına ne ölçüde taşıyabildiğini inceleyen 2 yarıyıl süreli bir çalışma ele alınmaktadır. Çalışmanın ilk yarıyılında, öğrenciler Yenikapıİnebey Mahallesi’nde kentsel tasarım kriterleri doğrultusunda kapsamlı bir analiz gerçekleştirmiştir. İkinci yarıyılda, ilk olarak, analiz alanına yakın bir proje alanı seçilmiş ve öğrencilerden, emsal, hmax, işlev açısından serbest bir mimari projeyi kütlesel olarak yerleştirmeleri beklenmiştir. Bu aşamayı takiben, öğrencilerin tasarımlarını etkileyen kriterleri belirlemek amacıyla açık uçlu bir soru yöneltilmiştir. Çalışmanın sonuçları, yaparak öğrenme yöntemi bağlamında değerlendirildiğinde, mimarlık öğrencilerinin teori ve uygulama düzeyinde edindikleri temel kentsel tasarım bilgilerini ve unsurlarını, tasarımın alt ölçeklerine taşıyabildikleri görülmektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".