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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil0,986

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 savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,052
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 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Cities and TechnologiesTravaux en français237 207