Qualitative GIS: An Open Framework Using SpatiaLite and Open Source GIS
Notice bibliographique
Résumé
Abstract Qualitative GIS is a relatively new methodological approach for analyzing and visualizing qualitative data within a geographic context. Qualitative data can take many forms, including interviews, documents, photographs, and audio and video clips. Content analysis for example, is an effective qualitative method for analyzing text‐based data. We argue that basic concepts, (i.e. how to store data, data requirements, visualization techniques, and modes of analysis) within qualitative GIS have not been adequately defined, rendering difficult the replication of work performed and hindering the development of incremental knowledge in the field. Database management systems provide a means for storing, managing, and analyzing qualitative GIS data. A standardized and well‐designed open source database system provides a mechanism for qualitative GIS projects, ensuring consistency and project replication. Qualitative GIS data stored in a database allows for additional visualization options, such as geographic word clouds. To demonstrate the concepts we performed content analysis on Master Transportation Plans from Calgary and Montreal using SpatiaLite, an open source database system. We developed Structured Query Language (SQL) queries to generate and populate groups and theme tables within the SpatiaLite database. We present our database design and queries in the hopes that they will help others conducting qualitative GIS research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,007 | 0,015 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».