MétaCan
Menu
Retour à la cohorte
Enregistrement W4253921400 · doi:10.31235/osf.io/xgz2s

Waterfront Toronto: Privacy or Piracy?

2019· preprint· en· W4253921400 sur OpenAlexaffabout
Kyle Peel, Eliot Tretter

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRedevelopmentPlan (archaeology)Agency (philosophy)NewspaperProcess (computing)ArchitectureBusinessPublic relationsEngineeringPolitical scienceComputer scienceSociologyCivil engineeringAdvertisingGeography

Résumé

récupéré en direct d'OpenAlex

Toronto's Portlands neighborhood is the target of an enormous redevelopment effort that will infuse smart-city technologies into the urban morphology. The quasi-governmental Waterfront Toronto agency has partnered with the Alphabet subsidiary company Sidewalk Labs to plan and build out the neighborhood, essentially from the ground up, and embedded it with sophisticated technologies. The redevelopment plan details a digital layer made up of sensors that will collect and process locational information, tracking movement and usage patterns. Yet the project has been mired in controversy, mainly because of questions about data ownership and management. While there will be the amassing of an unfathomable amount of data, it is not clear who will control it and how it will be processed and used. Critics of the project have pointed out that the potential value of the data is enormous and if a private company has exclusive domain over it, that company could decide to sell it at will. Securely storing citizen’s data is another problem. This paper provides a description of the popular newspaper accounts of the Waterfront Toronto Project. It discusses how the project and redevelopment authority came to be, how Alphabet be-came the primary partner, the redevelopment vision, and controversy that has engulfed this smart-city project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,509

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0100,020
Communication savante0,0120,011
Science ouverte0,0010,004
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,234
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Cities and TechnologiesTravaux en français237 207