From advocacy to acceptance: Social media discussions of protected bike lane installations
Notice bibliographique
Résumé
Many North American cities are building bicycling infrastructure. Lively discussions on social media, where people passionately support or reject bicycling infrastructure projects, provide a unique data set on attitudes towards bicycling infrastructure. Our goal is to analyse social media posts in Edmonton and Victoria, Canada as new bike infrastructure was implemented to understand the thematic and social elements of the conversation and how these changed over time. We collected Twitter messages ( n = 13,121: 7640 in Edmonton; 5481 in Victoria) and compared three timeframes: before lanes opened (January 2015 to lane opening); the first riding season (opening to April 2017); and the second riding season (May 2017 to November 2018). For each timeframe, we evaluated word-combination frequencies (to understand the use of language) and social network structures (to understand which accounts were influential and how they interacted). We observed a change in the three time periods. Before the bicycling infrastructure was built, Twitter activity was focused on advocacy, which was especially strong in Victoria. The first riding season had the most social media activity, the most diverse perspectives and the most controversy. The second riding season held more support. Based on the Twitter activity, we found that Edmonton had more support from local businesses and traditional media, launching a connected network of infrastructure with less social media opposition. Our results suggest that attitudes associated with change in bicycling infrastructure may have a cycle, with initial negative responses to change, followed by an uptick in positive attitudes.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».