論文の概要: Data-Driven Framework Development for Public Space Quality Assessment
- arxiv url: http://arxiv.org/abs/2601.06026v1
- Date: Mon, 20 Oct 2025 14:39:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.560807
- Title: Data-Driven Framework Development for Public Space Quality Assessment
- Title（参考訳）: 公共空間品質評価のためのデータ駆動フレームワーク開発
- Authors: Sherzod Turaev, Mary John,
- Abstract要約: 本研究では、公共空間の質を評価するための体系的・データ駆動型フレームワークを開発する。
我々は157のピアレビュー研究から抽出した1,207の質因子を階層分類に変換した。
その結果生まれたフレームワークは、14のカテゴリと66のサブカテゴリで1,029のユニークな品質要素をまとめている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Public space quality assessment lacks systematic methodologies that integrate factors across diverse spatial typologies while maintaining context-specific relevance. Current approaches remain fragmented within disciplinary boundaries, limiting comprehensive evaluation and comparative analysis across different space types. This study develops a systematic, data-driven framework for assessing public space quality through the algorithmic integration of empirical research findings. Using a 7-phase methodology, we transform 1,207 quality factors extracted from 157 peer-reviewed studies into a validated hierarchical taxonomy spanning six public space typologies: urban spaces, open spaces, green spaces, parks and waterfronts, streets and squares, and public facilities. The methodology combines semantic analysis, cross-typology distribution analysis, and domain knowledge integration to address terminological variations and functional relationships across space types. The resulting framework organizes 1,029 unique quality factors across 14 main categories and 66 subcategories, identifying 278 universal factors applicable across all space types, 397 space-specific factors unique to particular typologies, and 124 cross-cutting factors serving multiple functions. Framework validation demonstrates systematic consistency in factor organization and theoretical alignment with established research on public spaces. This research provides a systematic methodology for transforming empirical public space research into practical assessment frameworks, supporting evidence-based policy development, design quality evaluation, and comparative analysis across diverse urban contexts.
- Abstract（参考訳）: 公共空間の質評価には、文脈固有の関連性を維持しつつ、様々な空間的類型にまたがる要因を統合する体系的な手法が欠如している。
現在のアプローチは、ディシプリナ境界内で断片化され、様々な空間タイプに対する包括的な評価と比較分析が制限されている。
本研究では,実証研究成果のアルゴリズム統合を通じて,公共空間の質を評価するための体系的・データ駆動型フレームワークを開発する。
7段階の手法を用いて、157のピアレビュー研究から抽出された1,207の質因子を、都市空間、オープンスペース、緑地、公園とウォーターフロント、通りと広場、公共施設の6つの公共空間にまたがる階層的分類に変換する。
この方法論は、意味解析、クロス・ティポロジーの分布解析、およびドメイン知識の統合を組み合わせて、空間タイプ間の用語的変動と機能的関係に対処する。
このフレームワークは、14の主要なカテゴリと66のサブカテゴリにまたがる1,029のユニークな品質要因を整理し、すべての空間タイプに適用可能な278の普遍的要因、特定のタイプに固有の397の空間特異的要因、および複数の機能を提供する124の横断的要因を識別する。
フレームワーク検証は、因子組織における体系的な一貫性と、公共空間に関する確立された研究との理論的整合性を示す。
本研究は,実証的な公共空間研究を実践的な評価枠組みに転換するための体系的方法論を提供し,エビデンスに基づく政策開発,設計品質評価,都市環境における比較分析を支援する。
関連論文リスト
- Context-Aware Hierarchical Taxonomy Generation for Scientific Papers via LLM-Guided Multi-Aspect Clustering [59.54662810933882]
既存の分類体系の構築手法は、教師なしクラスタリングや大きな言語モデルの直接的プロンプトを利用しており、コヒーレンスと粒度の欠如が多かった。
LLM誘導型マルチアスペクト符号化と動的クラスタリングを統合したコンテキスト対応階層型階層型分類生成フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-23T15:12:58Z) - How Metacognitive Architectures Remember Their Own Thoughts: A Systematic Review [16.35521789216079]
メタ認知は、人工エージェントの自律性と適応性を高める可能性に大きな注目を集めている。
既存の概要は、基礎となるアルゴリズム、表現、そしてそれぞれの成功に気付かない概念レベルに留まっている。
論文 参考訳（メタデータ） (2025-02-28T08:48:41Z) - A Comprehensive Survey of Text Classification Techniques and Their Research Applications: Observational and Experimental Insights [2.1436706159840013]
本研究では,研究分野に基づくテキスト分類に特化して設計された包括的分類法を提案する。
分類学は、研究分野ベースのカテゴリ、研究分野ベースのサブカテゴリ、方法論ベースの技術、方法論のサブテクニック、研究分野の応用という階層的なレベルに分けられる。
論文 参考訳（メタデータ） (2024-01-11T08:17:42Z) - A Recent Survey of Heterogeneous Transfer Learning [15.830786437956144]
異種移動学習は 様々なタスクにおいて 重要な戦略となっている。
データベースとモデルベースの両方のアプローチを網羅した60以上のHTLメソッドの広範なレビューを提供する。
自然言語処理,コンピュータビジョン,マルチモーダル学習,バイオメディシンの応用について検討する。
論文 参考訳（メタデータ） (2023-10-12T16:19:58Z) - Generalizable Heterogeneous Federated Cross-Correlation and Instance
Similarity Learning [60.058083574671834]
本稿では,新しいFCCL+,フェデレーション相関と非ターゲット蒸留との類似性学習を提案する。
不均一な問題に対しては、無関係な公開データを通信に活用する。
局所的な更新段階における破滅的な忘れ物として、FCCL+はFederated Non Target Distillationを導入している。
論文 参考訳（メタデータ） (2023-09-28T09:32:27Z) - Hierarchical Classification of Research Fields in the "Web of Science" Using Deep Learning [15.915719490494876]
本稿では,その抽象概念を用いて学術出版物を自動分類する階層分類システムを提案する。
Microsoft Academic Graphの1億6000万の抽象スニペットの中で、44の規律、718のフィールド、1,485のサブフィールドを区別している。
分類精度は77.13%で90%、シングルラベルとマルチラベルの分類では78.19%である。
論文 参考訳（メタデータ） (2023-02-01T11:59:17Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳（メタデータ） (2022-10-05T11:08:04Z) - Through the Data Management Lens: Experimental Analysis and Evaluation
of Fair Classification [75.49600684537117]
データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。
我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。
我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
論文 参考訳（メタデータ） (2021-01-18T22:55:40Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z) - On clustering uncertain and structured data with Wasserstein barycenters
and a geodesic criterion for the number of clusters [0.0]
この研究は、ワッサーシュタインのバリセンターの概念を考察し、クラスタリングタスクが実行されるワッサーシュタイン空間の内在幾何学に基づく適切なクラスタリング指標を伴って考える。
このようなクラスタリング手法は、観測/実験誤差が重要である多くの分野において高く評価されている。
この観点から、各観測は適切な確率尺度によって識別され、提案したクラスタリングスキームは識別基準に依存する。
論文 参考訳（メタデータ） (2019-12-26T08:46:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。