MétaCan
Menu
Back to cohort
Record W6999038423

BOSS Study Trip Research 2016: London, Vancouver & San Francisco

2016· other· en· W6999038423 on OpenAlexaboutno aff

Bibliographic record

VenueResearch Repository (Delft University of Technology) · 2016
Typeother
Languageen
FieldMaterials Science
TopicMachine Learning in Materials Science
Canadian institutionsnot available
Fundersnot available
KeywordsBossWork (physics)
DOInot available

Abstract

fetched live from OpenAlex

Geschreven door Tine Nientker, verantwoordelijk voor de planning van het programmaLonden.Vancouver.San Francisco -drie wereldsteden die bekend staan als goed ontwikkelde, diverse, populaire en continu groeiende steden.Maar waarom waren deze drie steden voor ons nou zo interessant om te bezoeken?De reden is heel simpel: er kan veel geleerd worden van de stedelijke projecten.Naast alle positieve ontwikkelingen hebben Londen, Vancouver en San Francisco ook te maken met een probleem.De steden worstelen alle drie met snel stijgende huizenprijzen, die niet meer in verhouding staan met de gemiddelde inkomens.Daarnaast is de stedelijke herontwikkeling constant aan het veranderen.De veranderingen die op dit moment in Nederland opkomend zijn, spelen al langer en op een veel grotere schaal in wereldsteden als Londen, Vancouver en San Francisco.Een ander economisch model maakt die grotere schaal mogelijk.Maar wat kunnen wij hier van leren?Het onderzoek dat in deze publicatie gepresenteerd wordt, is uitgevoerd door de deelnemende studenten in de maanden voor en na onze studiereis.Aangezien het Verenigd Koninkrijk, Canada en de Verenigde Staten alle drie een (deel van) het Angelsaksisch economisch model bevatten, wat contrasterend is met het Rijnlandse model dat wij in Nederland kennen, ligt de focus van het onderzoek op de verschillen tussen beide economische modellen.Het eerste deel van het onderzoek behandeld het thema 'Urban Redevelopments' en vergelijkt de verschillende manieren waarop de stedelijke ontwikkelingen in Londen, Vancouver en San Francisco begeleid worden.Dit schetst een duidelijk beeld van het Angelsaksische model als onderdeel van de vastgoedwereld en zo kan worden ontdekt of bepaalde aspecten ook toegepast zouden moeten worden in Nederland.Het tweede onderzoeksthema is 'Housing Inaffordability' .Londen, Vancouver en San Francisco kampen momenteel alle drie met een overschot aan onbetaalbare woonruimte, wat sociale uitsluiting van de lagere-en middenklassen tot gevolg heeft.Aangezien Amsterdam dezelfde kant op lijkt te gaan, zullen de drivers en effecten van, maar ook de mogelijke antwoorden op deze transitie worden vergeleken met de Nederlandse situatie.Namens de Study Trip commissie 2016 wil ik iedereen die iets aan deze napublicatie heeft bijgedragen en de reis mogelijk heeft gemaakt ontzettend bedanken.Wij hebben het heel erg naar ons zin gehad en hebben veel geleerd het afgelopen jaar!Veel leesplezier!VOORWOORD These discoveries will be combined with the findings during the study trip to get a clear overview of the Anglo-Saxon processes.The eventual comparison will lead to lessons that can shed a new light on possible innovative ways of working for urban redevelopments in the Netherlands.This will thereby not only be interesting for the participating students and our department at the Delft University of Technology, but could be of great value to various organisations and companies as well.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.471
Threshold uncertainty score0.755

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0030.006
Science and technology studies0.0040.001
Scholarly communication0.0060.002
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.4710.210

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.

Opus teacher head0.035
GPT teacher head0.344
Teacher spread0.309 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractno

Explore more

Same venueResearch Repository (Delft University of Technology)Same topicMachine Learning in Materials ScienceFrench-language works237,207