Notice bibliographique
Résumé
Abstract Geospatial technologies implemented through the World Wide Web (Geoweb) have improved steadily over the last decade. This Geoweb has the potential to allow citizens to collect and use geospatial data in an effort to influence urban planning in a bottom‐up manner—a stark departure from traditional top‐down public consultation in urban planning. This article reviews five classes of geospatial data available to citizens trying to influence urban planning. These classes have been reviewed in the academic literature before, but not at the same time and not with respect to urban planning. Looking at them together allows for examination of the interconnection as well as the boundaries between them. This paper establishes an understanding of these Geoweb data classes and examines the main barriers citizens face when trying to use geospatial data—with a focus on technological and financial barriers. Despite improvements in the Geoweb that help in reducing these barriers, preliminary evidence suggests that the voices of citizens are still not being fully heard in urban planning. This article tells the story of a Geoweb project by Paths for People, a biking and walking advocacy group in Edmonton, Canada. Paths for People initiated a Public Participatory Geographic Information Systems (PPGIS) project to inform the development of biking infrastructure in Edmonton, but this was largely ignored by city council, which adopted a top‐down cycling plan. This paper highlights the large gap between the promises of the Geoweb, the current practice of urban planning, and grassroots capabilities of this form of community engagement.
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 | 0,030 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,023 | 0,024 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».