KENTSEL ÇEVRE İLE SOSYAL KONUT ETKİLEŞİMİ: BAŞAKŞEHIR (İSTANBUL) ÖRNEĞİ
Bibliographic record
Abstract
Sosyal konut alanları yalnızca barınma ihtiyacını karşılayan yapılar değil, aynı zamanda bulundukları kentsel çevreyle etkileşim içinde olan mekânlardır. Etkileşim, kullanıcıların kentle bütünleşmesini, hizmetlere erişimini ve sosyal yaşama katılımını doğrudan etkilemektedir. Bu bağlamda çalışmada, İstanbul’un Başakşehir ilçesi Kayaşehir bölgesinde bulunan sosyal konut binalarının kentsel çevreyle etkileşme potansiyeli, kullanıcı ihtiyaçlarına uygunluğu, binalar ile çevrelerindeki açık alanlar arasındaki mekansal ve hareketli etkileşim ele alınmaktadır. Yapılan analizler, özellikle Toplu Konut İdaresi projelerinde tekrarlayan, standartlaşmış tasarımların mekânsal kimlik, etkileşim ve yaşam kalitesi açısından yetersiz kaldığını göstermiştir. Buna karşılık, Emlak Konut örneği, sınırlı da olsa çevresiyle daha uyumlu çözümler sunarak sosyal konutlarda yer üretimi kavramının önemini vurgulamaktadır. Sosyal konut projelerinin başarısı için çevresiyle fiziksel ve sosyal bütünleşmeyi sağlayan tasarım yaklaşımlarının benimsenmesi ve kullanıcı ihtiyaçlarını merkeze alan katılımcı planlama süreçlerinin geliştirilmesi gerekmektedir. Ayrıca, kamusal alan kullanımı, erişilebilirlik ve sosyal donatılar gibi unsurların bütüncül bir yaklaşımla ele alınması büyük önem taşımaktadır.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.032 | 0.006 |
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".