Propuesta de “diseño personalizado masivo” para el mejoramiento del desarrollo de vivienda de bajo costo en México
Bibliographic record
Abstract
Para mantener el trabajo de la economía de gran escala que ayude a reducir los costos de construcción, los constructores mexicanos tienden a producir vivienda en forma masiva, aún antes de su venta, especialmente vivienda de bajo costo, construida de una manera convencional, enfocada a trabajadores con ingresos medios y altos. A pesar de que estas viviendas están provistas con la calidad mínima establecida por los organismos correspondientes que ofrecen créditos de vivienda, los compradores parecen continuar insatisfechos con estas casas en serie que escasamente satisfacen sus gustos y necesidades. Para identificar las demandas del mercado actual de vivienda en México, los autores visitaron algunos desarrollos localizados en la ciudad de Aguascalientes, así como realizaron entrevistas personales con algunos propietarios. Como resultado, se encontró que la mayoría modificó "significativamente” su nuevo hogar debido a la falta de personalización en el diseño a la hora de la compra. De esta manera, este estudio presenta una propuesta para "el diseño personalizado masivo" que pueda enlazar la necesidad de la producción masiva de vivienda manteniendo los precios de venta con las necesidades de un diseño personalizado que satisfaga las demandas del mercado. Además, esta investigación examina los efectos potenciales de la nueva propuesta en los esquemas de provisión de vivienda de bajo costo en México.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".