iTowns, le nouveau moteur de visualisation 3D de données géospatiales du Géoportail
Notice bibliographique
Résumé
La visualisation est un mode privilégié de l’interaction des utilisateurs avec l’information géographique, et sa représentation efficace est d’autant plus importante que les données sont massives et hétérogènes et que les utilisateurs et les usages sont variés. Au-delà de la visualisation de données 2D sur un écran ou une carte papier, la visualisation de données 3D pose de nouveaux défis et nécessite des outils appropriés : volume des données, multiplicité des formats, stylisation et gestion des parties visibles, modes d’interaction et de navigation... iTowns est une plateforme technologique de l’IGN qui permet de visualiser des données géographiques 3D via le Web et propose des fonctions d’interaction avancées dans un environnement métrologique. Initialement développé par les laboratoires de recherche de l’IGN comme un outil de visualisation de données images et LiDAR issues de la cartographie mobile (c’est-à-dire acquises au moyen d’un véhicule équipé de capteurs), iTowns a évolué et permet aujourd’hui de naviguer de façon immersive au sein d’un très grand volume de données 3D, et ce dans toute la gamme d’échelles, depuis l’espace jusqu’au sol. Des interfaces sont également disponibles pour la manipulation de ces données. Désormais moteur de visualisation 3D du Géoportail 1 , iTowns s’enrichit continuellement de nouvelles fonctionnalités : en sus de la visualisation en 3D du territoire pour le grand public, il permet de développer des applications Web à usage professionnel pour co-visualiser différents types de données, les annoter, procéder à des analyses, des mesures...
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».