Les découpages administratifs sont-ils pertinents en analyse immobilière?
Bibliographic record
Abstract
La ville de Québec offre une mosaïque d’espaces de vie qui correspondent à autant de sous-marchés résidentiels. Quatre cent ans d’histoire ont produit une agglomération diversifiée, depuis sa fondation en 1608. Toutefois, on peut remettre en question la pertinence des découpages administratifs pour réaliser des études urbaines. S’il n’y a pas de découpage spatial idéal, des approches permettent néanmoins de délimiter des ensembles géographiques relativement homogènes, eu égard à une problématique donnée. Cet article présente une segmentation spatiale du territoire, basée sur des critères historiques, sociologiques et morphologiques, comme alternative aux partitions administratives pour réaliser des études du marché résidentiel. Des analyses discriminantes ont permis de comparer la performance de trois découpages : celui proposé – l’historico-morphologique (HM) et deux administratifs, celui avant et celui après les fusions municipales. L’étude porte sur le marché unifamilial de Québec et utilise des données multidimensionnelles. Enfin, les trois découpages sont intégrés dans des modèles de prix hédoniques afin de tester leur pertinence pour mesurer les variations des prix implicites. Les résultats suggèrent que la partition HM est plus efficace que les découpages administratifs, tout en étant perfectible.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".