MétaCan
Menu
Retour à la cohorte
Enregistrement W4281773811 · doi:10.1080/13604813.2022.2079881

From the smart city to urban justice in a digital age

2022· article· en· W4281773811 sur OpenAlexfundno aff
Marit Rosol, Gwendolyn Blue

Notice bibliographique

RevueCity · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSmart cityEconomic JusticeSociologyCorporate governanceTransformational leadershipUrbanismRight to the cityRepresentation (politics)Redistribution (election)Political sciencePublic relationsLawArchitecturePoliticsComputer securityBusinessInternet of ThingsComputer scienceHistory

Résumé

récupéré en direct d'OpenAlex

The smart city is the most emblematic contemporary expression of the fusion of urbanism and digital technologies. Critical urban scholars are now increasingly likely to highlight the injustices that are created and exacerbated by emerging smart city initiatives and to diagnose the way that these projects remake urban space and urban policy in unjust ways. Despite this, there has not yet been a comprehensive and systematic analysis of the concept of justice in the smart city literature. To fill this gap and strengthen the smart city critique, we draw on the tripartite approach to justice developed by philosopher Nancy Fraser, which is focused on redistribution, recognition, and representation. We use this framework to outline key themes and identify gaps in existing critiques of the smart city, and to emphasize the importance of transformational approaches to justice that take shifts in governance seriously. In reformulating and expanding the existing critiques of the smart city, we argue for shifting the discussion away from the smart city as such. Rather than searching for an alternative smart city, we argue that critical scholars should focus on broader questions of urban justice in a digital age.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0120,079
Communication savante0,0130,015
Science ouverte0,0010,011
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,204
Écart entre enseignants0,185 · 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'étudeThéorique ou conceptuel
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

Citations48
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCityMême sujetSmart Cities and TechnologiesTravaux en français237 207