La « nouvelle géographie » de Joel Kotkin : un modèle pour comprendre la morphologie urbaine des villes du savoir
Bibliographic record
Abstract
Qui est Joel Kotkin ?L'émergence de l'industrie de l'information ne repose pas moins sur les règles géographiques qui font qu'un lieu, une ville, une région est prospère ou non.oel Kotkin n'est ni géographe, ni professeur d'université.Il est historien de formation, journaliste, consultant (www.joelkotkin.com)et auteur d'un ouvrage sur les villes américaines de la nouvelle économie 3 dans lequel il suggère un modèle unique d'organisation spatiale pour ce type de ville.Kotkin est aussi de ces penseurs, futuristes et autres qui ont cette capacité hors du commun de « lire » les espaces urbains au point de remettre en question les théories et concepts des plus grands universitaires et ce, tout en faisant avancer certaines disciplines.Par exemple, les géographes et sociologues « urbains » se rappelleront de l'impact majeur qu'a eu Joel Garreau, un journaliste du Washington Post, lorsqu'il a proposé le paradigme des « edge cities », ces villes périphériques qui ont poussées dans certaines régions métropolitaines américaines comme Washington, Houston et Los Angeles 4 .Dorénavant, tout manuel de géographie ou de sociologie urbaine se doit de citer Garreau.Le modèle que propose Kotkin dans ses travaux apparaît, en théorie, fort original.D'autant qu'il répond à un besoin imminent de mieux comprendre l'organisation sociospatiale des villes du savoir, lesquelles villes répondent à des règles de localisation industrielle souvent très différentes de celles issues de l'économie « traditionnelle » 5 .En quoi consiste donc le modèle proposé par Joel Kotkin ?
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.005 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".