The Comparison of Prices of a Single-Family House in Selected Areas within the District of Karviná in the Years of 2016 and 2017
Bibliographic record
Abstract
Diplomová práce „Srovnání cen rodinného domu ve vybraných lokalitách v okrese Karviná v letech 2016 a 2017“ se zabývá oceněním zvoleného rodinného domu cenou obvyklou a zjištěnou v letech 2016 a 2017 a určením rozdílnosti cen v těchto letech. Rodinný dům je již na začátku fiktivně umístěn do jedné z vybraných lokalit okresu Karviná a následně je ještě umístěn do 3 dalších vybraných lokalit. Cena obvyklá je určena na základě porovnání. Porovnání je provedeno s obdobnými rodinnými domy nabízenými k prodeji v realitních inzercích. Cena zjištěná pro rok 2016 i pro rok 2017 je určená dle oceňovacích předpisů. V teoretické části práce jsou definovány a vysvětleny základní důležité pojmy vztahující se k oceňování a jsou přiblíženy způsoby oceňování. V praktické části práce jsou zpracovány jednotlivé metody ocenění pro rok 2016 a 2017 pro vybraný RD umístěný do vybraných lokalit okresu Karviná, kterými jsou město Orlová, statutární město Havířov, město Bohumín a obec Petrovice u Karviné. Výstupem praktické části práce je porovnání cen obvyklých a zjištěných a jsou vyhodnoceny faktory, kterými se jednotlivé ceny mění.
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 | 0.000 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".