Qu’apporte l’urbanisme à l’étude des espaces de coworking ?
Bibliographic record
Abstract
Dans un contexte de profondes mutations du marché du travail, on constate une concentration d’activités liées à l’innovation dans les centres urbains. Parmi celles-ci, les espaces de coworking (ECW) promeuvent des idées de partage et d’ouverture pour changer le devenir des communautés. La littérature aborde principalement les dimensions économique et entrepreneuriale des ECW et rares sont les écrits liant ECW et villes. Cet article cherche donc à renouveler l’approche des rapports entre territoire et innovation, en contribuant à la connaissance de cette relation sous l’angle de l’approche urbanistique. L’article propose tout d’abord une revue critique de la littérature qui décline les liens entre villes et ECW selon trois entrées : la ville réceptacle, la ville en tant que ressource territoriale et la ville comme champ d’action des politiques publiques. À partir de ces liens, sont ensuite identifiés les principaux enjeux d’aménagement de l’espace (ressort de l’ancrage, programmation urbaine, gestion des flux), appelant, dans un dernier temps, à une remobilisation des méthodes de l’urbanisme et de la planification urbaine sous trois angles : réglementaire, de projet et tactique.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.027 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| 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".