MétaCan
Menu
Retour à la cohorte
Enregistrement W4250602915 · doi:10.32920/ryerson.14649846

City of Surveillance? The Implications of Sidewalk Labs’ Resolution to Build a Smart City in Toronto

2021· preprint· en· W4250602915 sur OpenAlexaboutno aff
Patil Dadayan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSmart cityCorporate governanceRealmGovernment (linguistics)PoliticsUrban planningScale (ratio)Political sciencePublic administrationBusinessSociologyEngineeringGeographyCartographyCivil engineeringLawInternet of Things

Résumé

récupéré en direct d'OpenAlex

<p>Google’s sister company Sidewalk Labs has proposed to build a smart city on the Eastern end of Toronto’s waterfront. This initiative is the first of its scale in North America. With the creation of a smart city come implications for the technological, political and cultural life of a city, that give Sidewalk Labs unprecedented power in the realm of urban governance. This study aims to examine whether or not Sidewalk Labs is offering a city of surveillance. Building on existing work on the influence of data, big tech and governance, as well as the cultural importance of neighborhoods, it aims to explain the possible outcomes of the decision to adopt such an initiative in a multicultural urban environment. Alongside a review of the literature on surveillance capitalism, governance and modern urban theory, discourse analysis of the recent Master Innovation and Development Plan (MIDP) released was conducted. Analysis of the material demonstrated a possible desire to control and lead, with data as the key instrument granting the tech company power of uncompetitive nature. The results indicate that there could be negative implications associated with the creation of a smart city in Toronto, but are not of unruly scale. On this basis, it is recommended that Canada update its privacy protection laws to include technological advancements of this scale, and require government involvement in the project at every stage.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 GPT0,254
Écart entre enseignants0,233 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Cities and TechnologiesTravaux en français237 207