The Automation of the Softer Side of Smart City: a Socio-Semantic Roadmap
Notice bibliographique
Résumé
The Automation of the Softer Side of Smart City: a Socio-Semantic Roadmap Tamer El-Diraby, Alain Zarli and Mohamed El-Darieby Pages 258-265 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: We present a roadmap for guiding public officials on establishing platforms for citizen empowerment in the smart city. The proposed roadmap is not a technical architecture. Rather, a set of paradigms, guidelines and references to advanced technology approaches that can support building a technical architecture. We start from the perspective that the smart city architecture is not a venue for services, but a domain of innovation. We advocate encouraging citizen science to co-create new solutionsin contrast to engaging them to inform them or to evaluate solutions developed by professionals. We advocate giving equal attention to structured and unstructured data analysis. We also encourage the adoption of adaptable data orchestration tools to help navigate and organize the complexity of city data. Finally, we provide an outlook on the future trends (such as Blockchain and cognitive computing) in urban systems decision making. Keywords: Smart city; Citizen science; Socio-semantic analysis DOI: https://doi.org/10.22260/ISARC2019/0035 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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 | 0,011 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,023 |
| Communication savante | 0,017 | 0,035 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».