Dealing with the Uncertainty of Having Incomplete Sources of Geo-Information in Spatial Planning
Notice bibliographique
Résumé
The Dutch spatial planning legal act of 2008 was aimed at improving efficiency and effectiveness in the development, evaluation and monitoring of spatial planning policy (Ministry of VROM, 2006a). One of the main effects of this legal act was the widespread availability and use of digital spatial plans (Ministry of VROM 2006a, b). This reform led to the expectation that all digital spatial plans would be exchangeable and comparable. In practice, this exchange and comparison required carrying out complex procedures due to uncertainty caused by differences in the scope of spatial plans as well as their intended use. Furthermore the uncertainty resulted in a lack of confidence in spatial plans by policymakers and supporting GIS staff. Our overarching research question was: how can uncertainty caused by incomplete geo-information sources be dealt with? We proposed two techniques—fuzzy logic and visualisation—for policy makers to deal with uncertainty resulting from incomplete geo-information sources in spatial planning at the regional and national planning levels. We used two case studies in the Netherlands to illustrate the results of applying these techniques. The fuzzy set theory provides extra information by converting the discrete borders of continuous objects into fuzzy borders that improve the resemblance to the real object and thus make it more realistic. As shown in the second case study, visualisation also improves the degree of realism and thus provides additional information. Both case studies showed that providing additional information reduces the uncertainty felt by policymakers.
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 | 0,028 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,009 | 0,015 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».