Lire et comprendre les environnements bâtis au Québec
Bibliographic record
Abstract
Ce livre s’adresse à un lectorat passionné par l’environnement bâti qui désire en connaître davantage sur l’organisation physique et spatiale de nos villages, de nos villes et de nos agglomérations en lien étroit avec le territoire qui les a vus naître. Il intéressera particulièrement les personnes qui interviennent, exercent une pratique professionnelle ou étudient dans les domaines de l’architecture, de l’architecture de paysage, de l’urbanisme, de la géographie urbaine, du patrimoine, du design urbain et de l’environnement. En plus de présenter les notions clés de la morphologie urbaine ouvrant la voie à une compréhension approfondie du mode de structuration des établissements humains, l’ouvrage explique et met en application, à l’aide de plusieurs études de cas, les méthodes d’analyse de ce champ de recherche afin de lire et de caractériser les milieux bâtis du Québec. Finalement, des exemples montrent comment les connaissances morphologiques peuvent être opérationnalisées en stratégies d’intervention et de design urbain à de multiples échelles. À l’heure où la crise des changements climatiques et sanitaires nous enjoint à repenser en profondeur nos façons d’habiter et de pratiquer le territoire, il est essentiel de mieux comprendre le produit de notre expérience collective en ces matières. Pourquoi ne pas en tirer ainsi des enseignements utiles afin de nourrir le travail de planification, de conception et de gestion de la qualité et de l’intégrité de notre environnement construit ?
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 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".