Comparisons of Residents' Perceptions of Patterns and Trends on Computer-Animated Maps and Graphs and on Google Maps of Events in Their Neighbourhoods
Notice bibliographique
Résumé
The present study measures and compares the accuracy of residents' browsing of computer-animated maps and graphs and computer-programmed Google maps in two versions of the Glengarry and Wellington-Crawford Geographical Monitoring Project (GWCGMP). Respondents answered the project's entry questions before browsing displays of the locations and timings of crime and disorder offences, fires, and home sales and prices in their neighbourhoods. Before exiting the project, they answered questions about these events piped from their entry answers and browsed displays. One hundred and seven respondents perceived approximately one-quarter of the “correct” patterns on browsed maps and trends on browsed graphs. These correct patterns and trends were inferred from time-series and linear regression analyses of data on offences, fires, and housing sales for the neighbourhoods. In addition, respondents agreed with almost one-half of comparisons between the patterns and timings of their own events and those displayed on maps and graphs. In conclusion, Web-savvy, younger, spatially active residents are inferred to have been more accurate in perceiving online map patterns and graph trends. They were more accurate than casual stay-at-home browsers, who were more likely not to remember patterns, trends, or displays than they were to perceive them incorrectly.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».