MétaCan
Menu
Retour à la cohorte
Enregistrement W4255387110 · doi:10.32920/ryerson.14648778

How Canadian Municipalities are(n't) engaging the public in smart city initiatives

2021· preprint· en· W4255387110 sur OpenAlexaffabout
Lindsay P. Toth

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensToronto Metropolitan UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransformative learningPublic engagementSmart cityCivic engagementPublic relationsUrbanismIntellectual propertyBusinessKey (lock)Public participationProcess (computing)Community engagementPolitical sciencePublic administrationInternet of ThingsInternet privacySociologyArchitectureGeographyComputer securityPoliticsComputer science

Résumé

récupéré en direct d'OpenAlex

The smart city concept is innovation in urbanism. Innovation is transformative, demanding the involvement of the public based on a belief that those who will be impacted by a decision have a right to be involved in the decision-making process. But smart city initiatives raise complex technical, privacy, economic, and intellectual property issues unlike those the public has been presented with before. This paper explores how Canadian municipalities are approaching this challenge by coding and analyzing applications to Infrastructure Canada’s Smart Cities Challenge (SCC). The analysis reveals, among other findings, that municipalities engaged citizens directly as well as their representatives, leveraged previously-conducted engagement and conducted new engagement, and employed a range of engagement activities online and offline. Recommendations to Infrastructure Canada and municipal planners highlight the need for more public input on the technology solutions proposed, increased attention to the digital divide during engagement, and citizen involvement in all stages of open innovation. Key words: Smart Cities Challenge, public engagement, open innovation

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)0,006
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,971

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0450,014
Communication savante0,0210,006
Science ouverte0,0020,008
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,222
Écart entre enseignants0,171 · 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'étudeQualitatif
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Cities and TechnologiesTravaux en français237 207