The Effect of Noise Barriers on the Market Value of Adjacent Residential Properties
Bibliographic record
Abstract
Ce texte présente la première étude sur l'impact des murs antibruit sur le prix des maisons adjacentes basée sur une analyse des ventes répétées, qui constitue la meilleure méthodologie pour étudier cette question. Essentiellement, une analyse des ventes répétées nous permet d'examiner la différence de prix de vente pour une maison donnée avant et après un événement qui aurait pu en affecter le prix. S'il y a une différence de prix « significative » entre les deux transactions, on peut alors attribuer cette différence à l'événement. Bien sûr, pour que cela soit vrai, il faut s'assurer de tenir compte des autres éléments qui auraient pu affecter le prix de la maison entre les deux ventes, comme l'évolution générale du marché immobilier ou les rénovations majeures qui auraient pu être faites. Notre étude se base sur un quartier de la ville de Laval, une banlieue de Montréal, où un grand mur antibruit a été construit en 1990 le long d'une autoroute. Nous avons pu obtenir des informations sur 134 maisons qui ont été vendues au moins deux fois pendant la période 1980 - 2000. En plus, nous avons pu avoir des informations sur l'ensemble du marché immobilier, comme dans toutes les autres analyses de ventes répétées, mais aussi sur les caractéristiques sociodémographiques du secteur et sur les rénovations majeures qui ont touché ces maisons durant la période. À notre connaissance, c'est la première fois que des informations sur les rénovations sont disponibles dans une analyse des ventes répétées. Nous concluons que le mur antibruit a entraîné une augmentation de 10 %, en moyenne, du prix des maisons dans notre échantillon.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.010 | 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".