MétaCan
Menu
Retour à la cohorte
Enregistrement W2473953153 · doi:10.3138/cart.51.2.3143

Position Validation in Crowdsourced Accessibility Mapping

2016· article· en· W2473953153 sur OpenAlexvenueno aff
Rebecca M. Rice, Ahmad O. Aburizaiza, Matthew Rice, Han Qin

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensnon disponible
Organismes subventionnairesEngineer Research and Development CenterU.S. Army Corps of EngineersGeorge Mason University
Mots-clésVolunteered geographic informationComputer scienceLocation-based servicePedestrianRendering (computer graphics)CrowdsourcingConsistency (knowledge bases)Data scienceTransport engineeringWorld Wide WebArtificial intelligenceTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

We live in a society in which instant gratification is expected: we demand constantly up-to-date information, which is reflected in our reliance on maps for navigation. Volunteered geographical information (VGI) and geocrowdsourcing make this demand attainable, with popular examples being Waze and OpenStreetMap, where maps are updated quickly by citizen contributors with current base data and features. At George Mason University (in Fairfax, Virginia), the Office of Disability Services releases a traditional paper accessibility map once annually. Owing to its production methods and format, this accessibility map does not capture the transient obstacles that occur frequently throughout campus, rendering it less useful to disabled pedestrians. To fix this dilemma and establish a more useful accessibility system, we have created an application in which contributors report transient obstacles that may impede pedestrian navigation, including sidewalk obstructions, construction detours, and other obstacles that may affect pathway walkability. One of the concerns associated with VGI and geocrowdsourced information is quality assurance, which is imperative when the usage scenarios (including blind, visually impaired, and mobility-impaired navigation) depend on positional accuracy. This study attempts to address the concerns related to the quality assurance of VGI, specifically quality assessment of the positional accuracy of the geocrowdsourced spatial data. We present our quality assessment techniques and novel methods for assessing the consistency of positional characteristics of geocrowdsourced spatial data related to accessibility. These methods rely on moderated positional assessments, geotags extracted from contributed images, and gazetteer-based geoparsing of location descriptions. Finally, we base our methods and approaches on research contributions and best practices from past and current efforts in accessibility mapping.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,326
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetGeographic Information Systems StudiesTravaux en français237 207